"""
visualization.py
----------------------
Berisi fungsi-fungsi untuk menampilkan berbagai visualisasi data kritik dan saran
dalam bentuk bar chart, pie chart, serta distribusi berdasarkan tahun, semester,
program studi, dan mata kuliah menggunakan Streamlit & Plotly.
UPDATED: Visualisasi dinamis yang menyesuaikan dengan kolom yang tersedia
"""

import streamlit as st
import pandas as pd
import plotly.express as px
from config import ASPEK_COLUMNS


# Definisi warna untuk setiap kategori sentimen
sentimen_palette = {
    "netral": "#FFE24C",
    "positif": "#4CFF72",
    "negatif": "#FF4C4C"
}
# Urutan kategori untuk konsistensi tampilan di semua chart
category_order = ["netral", "positif", "negatif"]

# Konfigurasi Plotly
config_options = {
    "scrollZoom": False,
    "displayModeBar": False
}


def show_sentiment_bar_chart(df_predicted, aspek_columns):
    """Menampilkan bar chart distribusi sentimen per aspek."""
    # Validasi data dan kolom yang diperlukan
    if df_predicted.empty or not set(aspek_columns).issubset(df_predicted.columns):
        st.warning("Data atau kolom aspek tidak tersedia untuk ditampilkan.")
        return

    # Transformasi dari wide ke long format untuk visualisasi
    df_long = df_predicted.melt(
        value_vars=aspek_columns,
        var_name="aspek",
        value_name="sentimen"
    )
    # Konversi ke categorical untuk memastikan urutan yang konsisten
    df_long["sentimen"] = pd.Categorical(
        df_long["sentimen"],
        categories=category_order,
        ordered=True
    )
    # Agregasi data untuk menghitung jumlah per aspek dan sentimen
    count_data = df_long.groupby(
        ["aspek", "sentimen"], observed=False
    ).size().reset_index(name="jumlah")
    fig = px.bar(
        count_data,
        x="aspek",
        y="jumlah",
        color="sentimen",
        barmode="group",
        color_discrete_map=sentimen_palette,
        category_orders={"sentimen": category_order}
    )
    fig.update_layout(title="Distribusi Sentimen per Aspek")
    st.plotly_chart(fig, use_container_width=True, config=config_options)


def show_sentiment_pie_chart(df_predicted, aspek_columns):
    """Menampilkan pie chart distribusi total sentimen."""
    # Flatten semua nilai sentimen dari semua aspek menjadi 1D array
    sentimen_total = df_predicted[aspek_columns].values.ravel()
    sentimen_counts = pd.Series(sentimen_total).value_counts().reset_index()
    sentimen_counts.columns = ["sentimen", "jumlah"]
    sentimen_counts = sentimen_counts.sort_values("jumlah", ascending=False)
    # Donut chart dengan hole parameter
    fig = px.pie(sentimen_counts, names="sentimen", values="jumlah",
                 color="sentimen", color_discrete_map=sentimen_palette,
                 hole=0.3)
    fig.update_layout(title="Total Komposisi Sentimen")
    fig.update_traces(textposition='inside', textinfo='percent+label')
    st.plotly_chart(fig, use_container_width=True, config=config_options)


def show_year_distribution(df):
    """Menampilkan distribusi jumlah kritik/saran per tahun."""
    # Ekstraksi tahun dari kolom tanggal jika kolom tahun tidak tersedia
    if 'tanggal' in df.columns and 'tahun' not in df.columns:
        df['tahun'] = pd.to_datetime(df['tanggal'], errors='coerce').dt.year

    # Return None jika tidak ada data tahun (untuk handling di pemanggil)
    if 'tahun' not in df.columns:
        return None

    df_tahun = df.dropna(subset=['tahun']).copy()
    if df_tahun.empty:
        return None

    df_tahun['tahun'] = df_tahun['tahun'].astype(int)
    year_counts = df_tahun['tahun'].value_counts().reset_index()
    year_counts.columns = ['tahun', 'jumlah']
    year_counts = year_counts.sort_values('jumlah', ascending=False)

    fig = px.bar(year_counts, x='tahun', y='jumlah',
                 color='tahun', title="Distribusi Kritik/Saran per Tahun")
    fig.update_layout(xaxis=dict(type='category'))
    st.plotly_chart(fig, use_container_width=True, config=config_options)
    return True


def show_semester_distribution(df):
    """Menampilkan distribusi jumlah kritik/saran per semester."""
    if 'semester' not in df.columns:
        return None

    semester_counts = df['semester'].value_counts().reset_index()
    semester_counts.columns = ['semester', 'jumlah']
    semester_counts = semester_counts.sort_values('jumlah', ascending=False)
    fig = px.bar(semester_counts, x='semester', y='jumlah',
                 color='semester', title="Distribusi Kritik/Saran per Semester")
    fig.update_layout(xaxis=dict(categoryorder='total descending'))
    st.plotly_chart(fig, use_container_width=True, config=config_options)
    return True


def show_prodi_distribution(df):
    """Menampilkan jumlah kritik/saran per program studi."""
    if 'nama_prodi' not in df.columns:
        return None

    prodi_counts = df['nama_prodi'].value_counts().reset_index()
    prodi_counts.columns = ['nama_prodi', 'jumlah']
    # Sort ascending untuk horizontal bar (nilai kecil di bawah)
    prodi_counts = prodi_counts.sort_values(by='jumlah', ascending=True)
    fig = px.bar(
        prodi_counts,
        x='jumlah',
        y='nama_prodi',
        orientation='h',
        color='jumlah',
        title="Jumlah Kritik/Saran per Program Studi"
    )
    st.plotly_chart(fig, use_container_width=True, config=config_options)
    return True


def show_top10_matkul_distribution(df):
    """Menampilkan 10 mata kuliah dengan jumlah kritik/saran terbanyak."""
    required_cols = ['nama_matakuliah', 'kode_matakuliah']
    missing_cols = [col for col in required_cols if col not in df.columns]

    if missing_cols:
        return None

    # Groupby untuk menghitung frekuensi per mata kuliah
    matkul_counts = (
        df.groupby(['kode_matakuliah', 'nama_matakuliah'], observed=False)
        .size()
        .reset_index(name='jumlah')
        .sort_values(by='jumlah', ascending=False)
        .head(10)
    )
    # Gabungkan kode dan nama untuk label yang informatif
    matkul_counts['label'] = (
        matkul_counts['kode_matakuliah'] + " - " +
        matkul_counts['nama_matakuliah']
    )
    matkul_counts = matkul_counts.sort_values(by='jumlah', ascending=True)

    fig = px.bar(
        matkul_counts,
        x='jumlah',
        y='label',
        orientation='h',
        title="Top 10 Mata Kuliah Berdasarkan Kritik/Saran",
        color='jumlah'
    )
    st.plotly_chart(fig, use_container_width=True, config=config_options)
    return True


def show_sentiment_by_year(df, aspek_columns):
    """Menampilkan distribusi sentimen per tahun."""
    # Ekstraksi tahun dari kolom tanggal jika diperlukan
    if 'tanggal' in df.columns and 'tahun' not in df.columns:
        df['tahun'] = pd.to_datetime(df['tanggal'], errors='coerce').dt.year

    if 'tahun' not in df.columns:
        return None

    # Transformasi ke long format dengan id_vars tahun
    df_long = df.melt(id_vars=['tahun'],
                      value_vars=aspek_columns,
                      var_name='aspek',
                      value_name='sentimen')
    year_sentiment = df_long.groupby(
        ['tahun', 'sentimen'], observed=False
    ).size().reset_index(name='jumlah')
    year_sentiment = year_sentiment.sort_values('jumlah', ascending=False)
    fig = px.bar(year_sentiment, x='tahun', y='jumlah', color='sentimen',
                 barmode='group', color_discrete_map=sentimen_palette)
    fig.update_layout(title="Distribusi Sentimen Kritik/Saran per Tahun")
    st.plotly_chart(fig, use_container_width=True, config=config_options)
    return True


def show_sentiment_by_semester(df, aspek_columns):
    """Menampilkan distribusi sentimen per semester."""
    if 'semester' not in df.columns:
        return None

    df_long = df.melt(id_vars=['semester'],
                      value_vars=aspek_columns,
                      var_name='aspek',
                      value_name='sentimen')
    semester_sentiment = df_long.groupby(
        ['semester', 'sentimen'], observed=False
    ).size().reset_index(name='jumlah')
    semester_sentiment = semester_sentiment.sort_values(
        'jumlah', ascending=False)
    fig = px.bar(semester_sentiment, x='semester', y='jumlah', color='sentimen',
                 barmode='group', color_discrete_map=sentimen_palette)
    fig.update_layout(title="Distribusi Sentimen Kritik/Saran per Semester")
    st.plotly_chart(fig, use_container_width=True, config=config_options)
    return True


def show_sentiment_by_prodi(df, aspek_columns):
    """Menampilkan distribusi sentimen per program studi."""
    if 'nama_prodi' not in df.columns:
        return None

    df_long = df.melt(
        id_vars=['nama_prodi'],
        value_vars=aspek_columns,
        var_name='aspek',
        value_name='sentimen'
    )

    prodi_sentiment = (
        df_long.groupby(['nama_prodi', 'sentimen'], observed=False)
        .size()
        .reset_index(name='jumlah')
    )

    # Hitung total per prodi untuk mengurutkan dari terbanyak ke sedikit
    total_per_prodi = (
        prodi_sentiment.groupby('nama_prodi')['jumlah']
        .sum()
        .sort_values(ascending=False)
    )
    # Reverse order untuk horizontal bar (nilai besar di atas)
    ordered_categories = total_per_prodi.index.tolist()[::-1]

    # Konversi ke categorical untuk kontrol urutan tampilan
    prodi_sentiment['nama_prodi'] = pd.Categorical(
        prodi_sentiment['nama_prodi'],
        categories=ordered_categories,
        ordered=True
    )

    fig = px.bar(
        prodi_sentiment,
        y='nama_prodi',
        x='jumlah',
        color='sentimen',
        barmode='group',
        orientation='h',
        color_discrete_map=sentimen_palette
    )
    fig.update_layout(
        title="Distribusi Sentimen per Program Studi",
        yaxis={'categoryorder': 'array',
               'categoryarray': ordered_categories}
    )
    st.plotly_chart(fig, use_container_width=True, config=config_options)
    return True


def show_sentiment_by_top10_matkul(df, aspek_columns):
    """Menampilkan distribusi sentimen pada 10 mata kuliah teratas."""
    required_cols = ['kode_matakuliah', 'nama_matakuliah']
    missing_cols = [col for col in required_cols if col not in df.columns]

    if missing_cols:
        return None

    # Filter top 10 mata kuliah berdasarkan frekuensi
    df_top10 = (
        df.groupby(['kode_matakuliah', 'nama_matakuliah'], observed=False)
        .size()
        .sort_values(ascending=False)
        .head(10)
        .index
    )

    df_filtered = df[df.set_index(
        ['kode_matakuliah', 'nama_matakuliah']).index.isin(df_top10)]

    df_long = df_filtered.melt(
        id_vars=['kode_matakuliah', 'nama_matakuliah'],
        value_vars=aspek_columns,
        var_name='aspek',
        value_name='sentimen'
    )

    # Gabungkan kode dan nama untuk label
    df_long['label'] = (
        df_long['kode_matakuliah'] + " - " + df_long['nama_matakuliah']
    )

    matkul_sentiment = (
        df_long.groupby(['label', 'sentimen'], observed=False)
        .size()
        .reset_index(name='jumlah')
    )

    # Urutkan berdasarkan total sentimen per mata kuliah
    total_per_label = (
        matkul_sentiment.groupby('label')['jumlah']
        .sum()
        .sort_values(ascending=False)
    )
    ordered_labels = total_per_label.index.tolist()[::-1]

    matkul_sentiment['label'] = pd.Categorical(
        matkul_sentiment['label'],
        categories=ordered_labels,
        ordered=True
    )

    fig = px.bar(
        matkul_sentiment,
        y='label',
        x='jumlah',
        color='sentimen',
        barmode='group',
        orientation='h',
        color_discrete_map=sentimen_palette
    )
    fig.update_layout(
        title="Distribusi Sentimen pada Top 10 Mata Kuliah",
        yaxis={'categoryorder': 'array', 'categoryarray': ordered_labels}
    )
    st.plotly_chart(fig, use_container_width=True, config=config_options)
    return True