import folium
import geopandas as gpd
import plotly.express as px
import streamlit as st
from branca.colormap import LinearColormap
from groq import Groq
from streamlit_extras.add_vertical_space import add_vertical_space
from streamlit_extras.stylable_container import stylable_container
from streamlit_folium import folium_static
from streamlit_option_menu import option_menu
from folium.plugins import MarkerCluster, HeatMap
import numpy as np
from shapely.geometry import Point

from data_cleaning import processar_arquivo

st.set_page_config(
    page_title="Dashboard UBS Flamengo",
    page_icon="📊",
    layout="wide",
    initial_sidebar_state="expanded",
)

# Inicializar variáveis dos DataFrames como None
DF_DATA = None
DF_HEAD = None
DF_IDADE = None
DF_GENERO = None
DF_COR = None
DF_DEFICIENCIA = None
DF_DOENCAS = None
DF_ESCOLA = None
DF_TRANSGEN = None

# Upload de arquivo CSV na barra lateral
uploaded_file = st.sidebar.file_uploader("Escolha um arquivo CSV", type="csv")

if uploaded_file is not None:
    dataframes = processar_arquivo(uploaded_file)

    DF_DATA = dataframes.get("Data")
    DF_HEAD = dataframes.get("Head")
    DF_IDADE = dataframes.get("Idade")
    DF_GENERO = dataframes.get("genero")
    DF_COR = dataframes.get("cor")
    DF_DEFICIENCIA = dataframes.get("deficiencia")
    DF_DOENCAS = dataframes.get("doencas")
    DF_ESCOLA = dataframes.get("Escola")
    DF_TRANSGEN = dataframes.get("transgen")

    for df in [DF_IDADE, DF_GENERO, DF_COR, DF_DEFICIENCIA, DF_DOENCAS, DF_ESCOLA, DF_TRANSGEN]:
        if df is not None:
            df["Descrição"] = df["Descrição"].str.capitalize()
else:
    st.sidebar.info("Adicione um arquivo .csv.")

def gerar_resumo_df():
    resumo = ""
    if DF_DATA is not None:
        resumo += "Resumo DF_DATA:\n"
        resumo += DF_DATA.to_string(index=False) + "\n\n"
    if DF_HEAD is not None:
        resumo += "Resumo DF_HEAD:\n"
        resumo += DF_HEAD.to_string(index=False) + "\n\n"
    if DF_IDADE is not None:
        resumo += "Resumo DF_IDADE:\n"
        resumo += DF_IDADE.to_string(index=False) + "\n\n"
    if DF_GENERO is not None:
        resumo += f"Resumo DF_GENERO:\n{DF_GENERO.to_string(index=False)}\n\n"
    if DF_COR is not None:
        resumo += f"Resumo DF_COR:\n{DF_COR.to_string(index=False)}\n\n"
    if DF_DEFICIENCIA is not None:
        resumo += f"Resumo DF_DEFICIENCIA:\n{DF_DEFICIENCIA.to_string(index=False)}\n\n"
    if DF_DOENCAS is not None:
        resumo += f"Resumo DF_DOENCAS:\n{DF_DOENCAS.to_string(index=False)}\n\n"
    if DF_ESCOLA is not None:
        resumo += f"Resumo DF_ESCOLA:\n{DF_ESCOLA.to_string(index=False)}\n\n"
    if DF_TRANSGEN is not None:
        resumo += f"Resumo DF_TRANSGEN:\n{DF_TRANSGEN.to_string(index=False)}\n\n"
    return resumo

# Mostrar o resumo no Streamlit
#st.text(gerar_resumo_df())

#######################################
############ BANNER  ##################
#######################################

with stylable_container(
    key="banner",
    css_styles="""
    img {
        width: 1800px;
        height: 600px;
        overflow: hidden;
        position: relative;
        object-fit: cover;
        border-radius: 14px; /* Adiciona bordas arredondadas */
        mask-image: linear-gradient(to bottom, rgba(0, 0, 0, 1), rgba(0, 0, 0, 0));
        -webkit-mask-image: linear-gradient(to bottom, rgba(0, 0, 0, 1), rgba(0, 0, 0, 0)); /* For Safari */
    }
    """,
):
    st.image("./banner.png")

add_vertical_space(5)

c1, c2 = st.columns([5, 5])
with c1:
    st.markdown(
        """
                ##  Dashboard UBS Flamengo
                ###### :brain: _by Dr. Guilherme Apolinário_
                
                #### Bem-vindo! :wave:
                """
    )

with c2:
    with stylable_container(
        key="graph_entry",
        css_styles="""
        img {
            width: 600px;
            height: 160px;
            overflow: hidden;
            position: relative;
            object-fit: cover;
            mask-image: linear-gradient(to bottom, rgba(0, 0, 0, 1), rgba(0, 0, 0, 0)); /* For Safari */
        }
        """,
    ):
        st.image("./graph1.png")
st.divider()

###########################################
############### LATERAL ##################
###########################################

st.sidebar.markdown(
    """
    ### Informações:
    - Análise de dados do relatório de cadastro individual. 
    - Iniciativa - Ubs Flamengo
    - Acesso livre
    ### Links:
    ##
    ##### - [PEC SUS](https://sape.pecsus.com.br/) 📝
    ###
   ##### - [Obsidian - Dr Guilherme](http://dr-guilhermeapolinario.com) 🌎
   ##### - [GitHub - Dr Guilherme](http://dr-guilhermeapolinario.com) 🌎
"""
)

st.markdown(
    """
        ### Intruções:
        ##### - Acesse o site :orange[PEC SUS], na aba esquerda selecione consolidado, :blue[*RELATÓRIO DE CADASTRO INDIVIDUAL*]
        ##### - Selecione a opção :orange[baixar arquivo .csv]. Após baixar o arquivo, selecione o arquivo .csv na aba ao lado, e pronto.
        ##### - Clique no botão de expansão abaixo para iniciar o processo.
        ##### - Utilize o chatbot com a inteligência artificial 🤖 Zé Flamengo para tirar suas dúvidas.
        """
)
st.divider()

st.markdown(
    """
    ### :world_map: **Conhecendo a área de abrangencia da UBS Flamengo: (IBGE 2022)**
"""
)


@st.cache_data
def load_data():
    return gpd.read_file("flamengo_ibge2022.geojson").to_crs(epsg=4326)

gdf = load_data()

LATITUDE = -19.971591804
LONGITUDE = -44.057912815
lat = -19.96214
long = -44.05603

show_all = st.checkbox(":man-woman-girl-boy: **Análise geral**")
if show_all:
    
    total_pop = gdf["POP"].sum()
    # st.write(f"População Total: {total_pop:,}")
    # st.write(f"Número de Setores Censitários: {len(gdf)}")
    # Divisão da tela em três colunas para as opções
    col1, col2, col3 = st.columns([1, 1, 2])

    with col1:
        st.write(f"###### População Total: {total_pop:,}")
        map_type = st.selectbox("Tipo de mapa", ["População", "Densidade", "Heatmap"])

    with col2:
        st.write(f"###### Número de Setores Censitários: {len(gdf)}")
        base_map = st.selectbox("Mapa base", ["Cartodb Positron", "OpenStreetMap"])

    # Checkboxes para mostrar/ocultar mapa e gráfico
    col1, col2 = st.columns(2)
    show_map = col1.checkbox("Mostrar Mapa")
    show_chart = col2.checkbox("Mostrar Gráfico")

    # Análise adicional acima das colunas
    st.subheader("Análise Adicional")

    total_pop = gdf["POP"].sum()
    st.write(f"População Total: {total_pop:,}")
    st.write(f"Número de Setores Censitários: {len(gdf)}")

    if show_map or show_chart:
        col1, col2 = st.columns(2)

        if show_map:
            with col1:
                m = folium.Map(location=[LATITUDE, LONGITUDE], tiles=base_map, zoom_start=15)

                if map_type in ["População", "Densidade"]:
                    if map_type == "População":
                        column = "POP"
                        caption = "População residente UBS Flamengo - IBGE 2022"
                    else:
                        gdf["DENSIDADE"] = gdf["POP"] / gdf["AREA_KM2"]
                        column = "DENSIDADE"
                        caption = "Densidade populacional (hab/km²) - UBS Flamengo - IBGE 2022"

                    colorscale = px.colors.sequential.Viridis
                    colormap = LinearColormap(
                        colors=colorscale,
                        vmin=gdf[column].min(),
                        vmax=gdf[column].max(),
                        caption=caption,
                    )

                    folium.GeoJson(
                        gdf,
                        style_function=lambda feature: {
                            "fillColor": colormap(feature["properties"][column]),
                            "color": "black",
                            "weight": 1,
                            "fillOpacity": 0.7,
                        },
                        highlight_function=lambda feature: {
                            "fillColor": "#ffaf00",
                            "color": "green",
                            "weight": 3,
                            "fillOpacity": 0.9,
                        },
                        tooltip=folium.features.GeoJsonTooltip(
                            fields=["CD_SETOR", column, "AREA_KM2"],
                            aliases=[
                                "Setor Censitário:",
                                f"{caption}:",
                                "Área (km²):",
                            ],
                            style=(
                                "background-color: white; color: #333333; font-family: calibri; font-size: 12px; padding: 10px;"
                            ),
                        ),
                    ).add_to(m)

                    colormap.add_to(m)

                elif map_type == "Heatmap":
                    heat_data = [[row['geometry'].centroid.y, row['geometry'].centroid.x, row['POP']] for idx, row in gdf.iterrows()]
                    HeatMap(heat_data).add_to(m)

                # Add marker for UBS Flamengo
                folium.Marker(
                    [lat, long],
                    popup="UBS Flamengo",
                    tooltip="UBS Flamengo",
                    icon=folium.Icon(color="red", icon="info-sign"),
                ).add_to(m)

                # Display map
                STYLE_STATEMENT = "<style>.leaflet-control-layers { position: fixed; top: 10px; left: 50px; } </style>"
                m.get_root().html.add_child(folium.Element(STYLE_STATEMENT))
                folium_static(m)

        if show_chart:
            with col2:
                fig = px.bar(
                    gdf,
                    x="CD_SETOR",
                    y="POP",
                    title="Distribuição da População por Setor Censitário",
                    color="POP",  # Mudança de cor conforme a população
                    color_continuous_scale=px.colors.sequential.Viridis
                )
                st.plotly_chart(fig)

    # Análise de faixa etária (assumindo que você tenha colunas de faixa etária)
    age_columns = ["POP_0A4", "POP_5A9", "POP_10A14", "POP_15A19", "POP_20A24", "POP_25A29", "POP_30A34", "POP_35A39", "POP_40A44", "POP_45A49", "POP_50A54", "POP_55A59", "POP_60A64", "POP_65A69", "POP_70A74", "POP_75A79", "POP_80A84", "POP_85A89", "POP_90A94", "POP_95A99", "POP_100OUMAIS"]

    if all(col in gdf.columns for col in age_columns):
        age_data = gdf[age_columns].sum()
        fig_age = px.pie(values=age_data.values, names=age_data.index, title="Distribuição Etária da População")
        st.plotly_chart(fig_age)
    else:
        st.write("Dados de faixa etária não disponíveis no conjunto de dados.")

    # Opção de download de dados
    if st.button("Baixar Dados"):
        csv = gdf.to_csv(index=False)
        st.download_button(
            label="Baixar como CSV",
            data=csv,
            file_name="dados_populacionais_ubs_flamengo.csv",
            mime="text/csv",
        )

    st.divider()
add_vertical_space(3)

st.markdown(
    """
    ## Dados de saúde Relatório de cadastro individual.
    """
)

def criar_grafico_personalizado(df, x_col, y_col, titulo):
    fig = px.bar(
        df,
        x=x_col,
        y=y_col,
        title=titulo,
        text=y_col,
        color=x_col,
        color_discrete_sequence=px.colors.qualitative.Bold
    )
    fig.update_traces(texttemplate='%{text:.2s}', textposition='outside')
    fig.update_layout(
        uniformtext_minsize=8,
        uniformtext_mode='hide',
        xaxis_title=x_col,
        yaxis_title=y_col,
        title_font_size=24,
        title_font_family="Arial",
        title_font_color="blue",
        title_x=0.5,
        paper_bgcolor='rgba(0,0,0,0)',
        plot_bgcolor='rgba(0,0,0,0)',
        xaxis_tickangle=-45
    )
    return fig

if uploaded_file is not None:
    with st.expander("Visualização", expanded=True):
        selected_tab = option_menu(
            menu_title=None,
            options=["Faixa Etária", "Gênero", "Cor", "Deficiência", "Doenças", "Escolaridade", "Identidade de Gênero"],
            icons=["person", "gender-female", "person-plus", "person-wheelchair", "capsule-pill", "stars", "gender-trans"],
            menu_icon="cast",
            default_index=0,
            orientation="horizontal",
            styles={
                "container": {"padding": "0!important", "background-color": "#262730"},
                "icon": {"color": "#4FCBFC", "font-size": "18px"},
                "nav-link": {
                    "font-size": "14px",
                    "text-align": "center",
                    "margin": "0px",
                    "padding": "10px",
                    "--hover-color": "#363940",
                    "color": "#FFFFFF",
                },
                "nav-link-selected": {"background-color": "#0083B8"},
                "separator": {"border-color": "#4B4B4B"},
            },
        )

        if selected_tab == "Faixa Etária" and DF_IDADE is not None:
            st.subheader("Distribuição por Faixa Etária")
            col1, col2 = st.columns(2)
            with col1:
                st.dataframe(DF_IDADE, hide_index=True)
            with col2:
                DF_IDADE["Masculino"] = DF_IDADE["Masculino"].astype(int) * -1
                DF_IDADE["Feminino"] = DF_IDADE["Feminino"].astype(int)
                fig_idade = px.bar(
                    DF_IDADE,
                    x=["Masculino", "Feminino"],
                    y="Descrição",
                    orientation="h",
                    title="Pirâmide Etária",
                    labels={"value": "População", "Descrição": "Faixa Etária"},
                    color="Descrição",
                    color_discrete_sequence=px.colors.qualitative.Set3,
                )
                fig_idade.update_layout(
                    barmode="relative", xaxis_title="População", yaxis_title="Faixa Etária"
                )
                st.plotly_chart(fig_idade)
            DF_IDADE["Masculino"] = DF_IDADE["Masculino"].abs()

        elif selected_tab == "Gênero" and DF_GENERO is not None:
            st.subheader("Distribuição por Gênero")
            col1, col2 = st.columns(2)
            with col1:
                st.dataframe(DF_GENERO, hide_index=True)
            with col2:
                fig_genero = px.pie(
                    DF_GENERO,
                    names="Descrição",
                    values="Valor",
                    title="Distribuição por Gênero",
                    color_discrete_sequence=px.colors.qualitative.Pastel
                )
                st.plotly_chart(fig_genero)

        elif selected_tab == "Cor" and DF_COR is not None:
            st.subheader("Distribuição por Cor")
            col1, col2 = st.columns(2)
            with col1:
                st.dataframe(DF_COR, hide_index=True)
            with col2:
                fig_cor = px.pie(
                    DF_COR, 
                    names="Descrição", 
                    values="Valor", 
                    title="Distribuição por Cor",
                    color_discrete_sequence=px.colors.qualitative.Vivid
                )
                st.plotly_chart(fig_cor)

        elif selected_tab == "Deficiência" and DF_DEFICIENCIA is not None:
            st.subheader("Distribuição por Deficiência")
            col1, col2 = st.columns(2)
            with col1:
                st.dataframe(DF_DEFICIENCIA, hide_index=True)
            with col2:
                fig_deficiencia = criar_grafico_personalizado(
                    DF_DEFICIENCIA,
                    x_col="Descrição",
                    y_col="Valor",
                    titulo="Distribuição por Deficiência"
                )
                st.plotly_chart(fig_deficiencia)

        elif selected_tab == "Doenças" and DF_DOENCAS is not None:
            st.subheader("Distribuição por Doenças")
            col1, col2 = st.columns(2)
            with col1:
                st.dataframe(DF_DOENCAS, hide_index=True)
            with col2:
                fig_doencas = criar_grafico_personalizado(
                    DF_DOENCAS,
                    x_col="Descrição",
                    y_col="Valor",
                    titulo="Distribuição por Doenças"
                )
                st.plotly_chart(fig_doencas)

        elif selected_tab == "Escolaridade" and DF_ESCOLA is not None:
            st.subheader("Distribuição por Escolaridade")
            col1, col2 = st.columns(2)
            with col1:
                st.dataframe(DF_ESCOLA, hide_index=True)
            with col2:
                fig_escola = criar_grafico_personalizado(
                    DF_ESCOLA,
                    x_col="Descrição",
                    y_col="Valor",
                    titulo="Distribuição por Escolaridade"
                )
                st.plotly_chart(fig_escola)

        elif selected_tab == "Identidade de Gênero" and DF_TRANSGEN is not None:
            st.subheader("Distribuição por Identidade de Gênero")
            col1, col2 = st.columns(2)
            with col1:
                st.dataframe(DF_TRANSGEN, hide_index=True)
            with col2:
                fig_transgen = criar_grafico_personalizado(
                    DF_TRANSGEN,
                    x_col="Descrição",
                    y_col="Valor",
                    titulo="Distribuição por Identidade de Gênero"
                )
                st.plotly_chart(fig_transgen)

add_vertical_space()

st.info(
    """
    📢 **CONVERSE COM IA SE TIVER DÚVIDAS NA ANÁLISE DOS GRÁFICOS**"""
)

add_vertical_space(1)

with stylable_container(
    key="brain",
    css_styles="""
    img {
        width: 120px;
        height: 100px;
        overflow: hidden;
        position: relative;
        object-fit: cover;
        border-radius: 14px; /* Adiciona bordas arredondadas */
    }
    """,
):
    st.image("./brain.png")
# Widget expander para interação da IA
with st.expander(" Converse com o 🤖 Zé Flamengo", expanded=True):
    client = Groq(
        api_key=st.secrets["GROQ_API_KEY"],
    )

    INPUT_KEY = "USER_CHAT_input"

    USER_CHAT = st.text_input(
        "Digite sua pergunta sobre saúde na microárea:",
        placeholder="Digite sua pergunta aqui...",
    )

    if st.button("Enviar pergunta", key="send_button"):
        if USER_CHAT is not None:  # Verifica se há texto na entrada
            try:
                RESUMO_DF = gerar_resumo_df()
                CHAT_COMPLETION = client.chat.completions.create(
                    messages=[
                        {
                            "role": "system",
                            "content": f"""
                                Seu nome é Zé Flamengo, você é um assistente virtual especializado em análise de dados médicos epidemiológicos. Você tem 20 anos de experiência
                                em análise de dados de saúde de microáreas de um PSF (Programa Saúde da Família).
                                Sua função é:
                                1. Analisar dados de uma unidade básica de saúde.
                                2. Os dados que irá analisar são provenientes do Relatório de Cadastro Individual, advindos do PEC SUS.
                                3. Suas respostas devem ser sempre em português.
                                4. Seja conciso e evite conversar sobre outros temas.
                                5. Sempre retome o tema da conversa.
                                6. Realize sempre os cálculos novamente para garantir que os resultados fornecidos sejam precisos e atualizados.
                                Os dataframes que irá analisar são do Relatório de cadastro indiviual. ele foi transformados em texto aqui disponíveis:

                                {RESUMO_DF}

                                As faixas etárias recomendadas para exames preventivos são:
                                - **Papanicolau (Preventivo):** Mulheres entre 25 e 64 anos, com frequência anual nos primeiros dois exames consecutivos com resultados normais, depois a cada três anos.
                                - **Mamografia:** Mulheres entre 50 e 69 anos, com frequência bienal.

                                Informações sobre o Relatório de Cadastro Individual:
                                - **Objetivo:** Coletar dados sociodemográficos e de saúde dos indivíduos cadastrados em uma unidade básica de saúde.
                                - **Principais Indicadores:** Idade, sexo, condições de saúde (doenças crônicas, gestantes, etc.), status de vacinação, hábitos de vida (tabagismo, alcoolismo, atividade física), entre outros.

                                Exemplos de perguntas esperadas:
                                - Qual a porcentagem de mulheres na faixa etária de preventivo?
                                - Qual a porcentagem de mulheres na faixa etária de mamografia?
                                - Quantas mulheres estão nas faixas etárias de preventivo e mamografia?
                                - Qual a relação masculino/feminino?
                                - Qual a porcentagem das doenças em relação à população total?

                                Use essas informações para responder às perguntas do usuário.
                                Regras:
                                1. Seja sempre cortês.
                                2. Responda somente assuntos referentes ao resumo.
                                3. Caso seja feita alguma pergunta a você diferente de resumos, responda: "Vamos voltar ao trabalho que interessa?"
                                4. Responda sempre em português.
                                5. Se não souber a resposta, responda: "Desculpe, mas não tenho esta informação."
                                6. Nas suas respostas, não forneça os nomes dos dataframes, apenas responda às perguntas.
                                7. Destaque os principais achados e tendências nos dados sempre que possível.
                                8. Se aplicável, sugira possíveis ações ou recomendações baseadas nos dados analisados.
                            """,
                        },
                        {
                            "role": "user",
                            "content": USER_CHAT,
                        },
                    ],
                    model="llama3-70b-8192",
                    temperature=0.2,
                    max_tokens=1500,
                )
                st.write(CHAT_COMPLETION.choices[0].message.content)

                # Limpa o campo de entrada após enviar a pergunta
                st.session_state[INPUT_KEY] = ""
            except Exception as e:
                st.error(f"Erro ao gerar a conclusão do chat: {e}")
        else:
            st.warning("Por favor, digite uma pergunta antes de enviar.")


# Adicione este código fora do expander para evitar a reexecução do script ao pressionar Enter
if "USER_CHAT_input" in st.session_state and st.session_state.USER_CHAT_input:
    st.session_state.USER_CHAT_input = ""