import pandas as pd
from sqlalchemy import create_engine, text
import numpy as np

# ------------------------------------------------------------
# CONFIG BASE DE DATOS POSTGRES
# ------------------------------------------------------------
DB_CONFIG = {
    "host": "localhost",
    "port": 5433,
    "user": "postgres",
    "password": "postgres",
    "database": "adicciones"
}

DB_URI = f"postgresql+psycopg2://{DB_CONFIG['user']}:{DB_CONFIG['password']}@" \
         f"{DB_CONFIG['host']}:{DB_CONFIG['port']}/{DB_CONFIG['database']}"

engine = create_engine(DB_URI)

# ------------------------------------------------------------
# FUNCIONES AUXILIARES
# ------------------------------------------------------------
def read_table(table_name):
    """Lee una tabla desde Postgres y devuelve un DataFrame limpio."""
    with engine.begin() as conn:
        df = pd.read_sql_query(text(f"SELECT * FROM {table_name};"), conn)
    df.columns = df.columns.str.lower().str.strip()
    print(f"📥 Tabla '{table_name}' cargada: {df.shape[0]} filas, {df.shape[1]} columnas")
    return df


def normalize_year_columns(df):
    """Renombra y limpia columnas relacionadas con año."""
    rename_map = {}
    for c in df.columns:
        if any(alias in c for alias in ["a_o", "ano", "anio"]):
            rename_map[c] = "año"
    df.rename(columns=rename_map, inplace=True)

    # eliminar duplicadas
    df = df.loc[:, ~df.columns.duplicated()]

    # convertir año a numérico si es posible
    if "año" in df.columns:
        df["año"] = pd.to_numeric(df["año"], errors="coerce")

    return df


def remove_outliers(df):
    """Elimina valores atípicos de columnas numéricas (IQR)."""
    for col in df.select_dtypes(include=np.number).columns:
        q1, q3 = df[col].quantile([0.25, 0.75])
        iqr = q3 - q1
        lo, hi = q1 - 1.5 * iqr, q3 + 1.5 * iqr
        df = df[(df[col].between(lo, hi)) | (df[col].isna())]
    return df


def numeric_summary(df, name):
    """Devuelve estadísticas descriptivas."""
    num = df.select_dtypes(include=np.number)
    if num.empty:
        print(f"⚠️ '{name}' no tiene columnas numéricas.")
        return pd.DataFrame()
    s = num.describe().T
    s["dataset"] = name
    return s


# ------------------------------------------------------------
# LECTURA Y LIMPIEZA
# ------------------------------------------------------------
tables = {
    "juego": "estadisticas_establecimientos_juego",
    "prohibidos": "registro_prohibidos_juego",
    "drogas": "consumo_drogas_alcohol_esp",
    "condenas": "condenas_sexo_localidad"
}

frames = {}
for name, table in tables.items():
    df = read_table(table)
    df = normalize_year_columns(df)
    df.replace(["", " ", "Desconocido", "nan", "NaN"], np.nan, inplace=True)
    df = remove_outliers(df)
    frames[name] = df

# ------------------------------------------------------------
# ANÁLISIS ESTADÍSTICO
# ------------------------------------------------------------
summaries = [numeric_summary(df, name) for name, df in frames.items() if not df.empty]
if summaries:
    pd.concat(summaries).to_csv("resumen_estadistico_por_dataset.csv")
    print("📊 'resumen_estadistico_por_dataset.csv' generado correctamente.")
else:
    print("⚠️ No se encontraron columnas numéricas.")

# ------------------------------------------------------------
# COMBINACIÓN POR 'año'
# ------------------------------------------------------------
frames_con_año = {k: v for k, v in frames.items() if "año" in v.columns}

print("\n📅 Tablas con columna 'año':", list(frames_con_año.keys()))

if len(frames_con_año) > 1:
    merged = None
    for name, df in frames_con_año.items():
        df = df.loc[:, ~df.columns.duplicated()]  # eliminar duplicadas antes del merge
        if merged is None:
            merged = df
        else:
            merged = pd.merge(merged, df, on="año", how="outer", suffixes=("", f"_{name}"))

    merged = remove_outliers(merged)
    merged.to_csv("dataset_combinado_por_año.csv", index=False)
    print(f"✅ 'dataset_combinado_por_año.csv' generado correctamente ({merged.shape[0]} filas, {merged.shape[1]} columnas).")
else:
    print("⚠️ No hay suficientes datasets con columna 'año' para combinar.")