# -*- mode: python -*-
# -*- coding: utf-8 -*-

##############################################################################
#
# Gestion scolarite IUT
#
# Copyright (c) 1999 - 2024 Emmanuel Viennet.  All rights reserved.
#
# This program is free software; you can redistribute it and/or modify
# it under the terms of the GNU General Public License as published by
# the Free Software Foundation; either version 2 of the License, or
# (at your option) any later version.
#
# This program is distributed in the hope that it will be useful,
# but WITHOUT ANY WARRANTY; without even the implied warranty of
# MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
# GNU General Public License for more details.
#
# You should have received a copy of the GNU General Public License
# along with this program; if not, write to the Free Software
# Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA  02111-1307  USA
#
#   Emmanuel Viennet      emmanuel.viennet@viennet.net
#
##############################################################################

##############################################################################
#  Module "Avis de poursuite d'étude"
#  conçu et développé par Cléo Baras (IUT de Grenoble)
##############################################################################


"""
Created on Thu Sep  8 09:36:33 2016

@author: barasc
"""

import pandas as pd

from app.models import Identite

TAGS_RESERVES = ["but"]


class TableTag(object):
    def __init__(self):
        """Classe centralisant différentes méthodes communes aux
        SemestreTag, TrajectoireTag, AggregatInterclassTag
        """
        # Les étudiants
        # self.etuds: list[Identite] = None  # A venir
        """Les étudiants"""
        # self.etats_civils: dict[int, Identite] = None
        """Les états civils"""
        # self.etudids: list[int] = None
        """Les etudids"""

    def add_etuds(self, etuds: list[Identite]):
        """Mémorise les informations sur les étudiants

        Args:
            etuds: la liste des identités de l'étudiant
        """
        # self.etuds = etuds
        self.etats_civils = {etud.etudid: etud.etat_civil for etud in self.etuds}
        self.etudids = list(self.etats_civils.keys())

    def get_all_tags(self):
        """Liste des tags de la table, triée par ordre alphabétique,
        extraite des clés du dictionnaire ``moyennes_tags`` connues (tags en doublon
        possible).

        Returns:
            Liste de tags triés par ordre alphabétique
        """
        return sorted(list(self.moyennes_tags.keys()))

    def df_moyennes_et_classements(self) -> pd.DataFrame:
        """Renvoie un dataframe listant toutes les moyennes,
        et les classements des étudiants pour tous les tags.

        Est utilisé pour afficher le détail d'un tableau taggué
        (semestres, trajectoires ou aggrégat)

        Returns:
            Le dataframe des notes et des classements
        """

        etudiants = self.etats_civils
        df = pd.DataFrame.from_dict(etudiants, orient="index", columns=["nom"])

        tags_tries = self.get_all_tags()
        for tag in tags_tries:
            moy_tag = self.moyennes_tags[tag]
            for acronyme in moy_tag.moyennes:
                moy = moy_tag.moyennes[acronyme]  # une moyenne
                df = df.join(moy.synthese["notes"].rename(f"Moy {tag}-{acronyme}"))
                df = df.join(
                    moy.synthese["classements"].rename(f"Class {tag}-{acronyme}")
                )
            moy_gen = moy_tag.moyenne_gen
            df = df.join(moy_gen.synthese["notes"].rename(f"Moy {tag} (gen)"))
            df = df.join(moy_gen.synthese["classements"].rename(f"Class {tag} (gen)"))

        df.sort_values(by=['nom'])

        return df

    def df_notes(self) -> pd.DataFrame | None:
        """Renvoie un dataframe (etudid x tag) listant toutes les moyennes par tags

        Returns:
            Un dataframe etudids x tag (avec tag par ordre alphabétique)
        """
        tags_tries = self.get_all_tags()
        if tags_tries:
            dict_series = {}
            for tag in tags_tries:
                # Les moyennes associés au tag
                moy_tag = self.moyennes_tags[tag]
                dict_series[tag] = moy_tag.synthese["notes"]
            df = pd.DataFrame(dict_series)
            return df