import pandas as pd
import streamlit as st
import plotly.express as px
import boto3
import plotly.graph_objects as go
import itertools
from sklearn.cluster import KMeans, DBSCAN

@st.cache_data
def compute_kmeans(df, n_clusters):
    coords = df[["Lat", "Lon"]]
    kmeans = KMeans(n_clusters=n_clusters, random_state=42)
    df = df.copy()
    df["clusterKmeans"] = kmeans.fit_predict(coords)
    return df


st.set_page_config(page_title="UBER – Analyse des clusters", layout="wide")

st.markdown("""
    <style>
        .stTabs [role="tablist"] {
            justify-content: center;
            gap: 25px;
        }
        .stTabs [role="tab"] {
            font-size: 17px;
            font-weight: 600;
            padding: 10px 20px;
            border-radius: 10px;
            background-color: #f8f9fa;
            color: #444;
            transition: all 0.3s ease-in-out;
        }
        .stTabs [role="tab"]:hover {
            background-color: #e0e0e0;
            transform: scale(1.05);
        }
        .stTabs [role="tab"][aria-selected="true"] {
            background-color: #4CAF50;
            color: white;
            font-weight: 700;
            box-shadow: 0px 4px 8px rgba(0,0,0,0.2);
        }
    </style>
""", unsafe_allow_html=True)

st.title("🚕 Bonjour et bienvenue sur le dashboard du projet Clustering d'UBER ! 🚕")

st.subheader(
         "Ce projet vise à vérifier la concordance entre l'implantation des taxis UBER et la demande des clients. " \
         "Les données utilisées datent d'Avril 2014 et proviennent de la ville de New York.")


tab1, tab2, tab3 = st.tabs(["📊⏱ Implantation des taxis et besoins", "🫧🫧🫧 Analyse par jour de la semaine", " ✍️ Constat et conclusions"])


# --- Import des datasets
taxi = pd.read_csv("https://uber-cdsd-joel.s3.eu-west-3.amazonaws.com/uber-trip-data/taxi-zone-lookup.csv")
apr_14 = pd.read_csv("https://uber-cdsd-joel.s3.eu-west-3.amazonaws.com/uber-trip-data/apr_14_clean.csv")

# --- Préparer la densité des stations taxis
def compute_taxi_density(taxi_df):
    density = taxi_df['Borough'].value_counts()
    df = density.reset_index()
    df.columns = ['Borough', 'Count']
    df = df[df['Borough'] != "Unknown"]

    # Centres approximatifs
    borough_centers = {
        'Manhattan': [40.7831, -73.9712],
        'Brooklyn': [40.6782, -73.9442],
        'Queens': [40.7282, -73.7949],
        'Bronx': [40.8448, -73.8648],
        'Staten Island': [40.5795, -74.1502],
        'EWR': [40.6895, -74.1745]
    }
    df['Latitude'] = df['Borough'].map(lambda x: borough_centers.get(x, [40.7128, -74.0060])[0])
    df['Longitude'] = df['Borough'].map(lambda x: borough_centers.get(x, [40.7128, -74.0060])[1])
    return df

df_density = compute_taxi_density(taxi)

with tab1:

    st.subheader("1. Regardons dans un premier temps comment Uber a implanté ses différentes bases de taxi.")

    # créer le graphique Plotly
    fig = px.scatter_mapbox(
        df_density,
        lat='Latitude',
        lon='Longitude',
        size='Count',          
        size_max=50,
        color='Borough',        
        hover_name='Borough',
        hover_data={'Count':True, 'Latitude':False, 'Longitude':False},
        zoom=10,
        height=800,
        mapbox_style='carto-positron'
    )

    # afficher dans Streamlit
    st.plotly_chart(fig)

# Conclusions sur l'implantation des taxis

    st.markdown("<h4>👉 Manhattan et le Queens sont les principaux foyers de taxis. "
    "Suivent Brooklyn, le Bronx, Staten Island et enfin l'aéroport de Newark</h4>", unsafe_allow_html=True)

    st.markdown("---")

# Visualisation heatmap et conclusion

    st.header("2. Les pics horaires")
    st.subheader("- Quels sont les créneaux les plus critiques ?")

    image_url = "https://uber-cdsd-joel.s3.eu-west-3.amazonaws.com/heatmap+UBER.png"
    st.markdown(
    f"""
    <div style="display: flex; justify-content: center;">
        <img src="{image_url}" width="1000">
    </div>
    """,
    unsafe_allow_html=True
)
    st.write("")

    st.markdown("""
    <h5>👉 Observations sur les horaires des trajets :</h5>
    <ul>
    <li><strong>Matinée (6h-9h, jours de semaine) :</strong> activité principalement liée aux trajets professionnels.</li>
    <li><strong>Après-midi (14h-22h) :</strong> densité accrue le mercredi entre 15h et 21h.</li>
    <li><strong>Vendredi :</strong> activité constante en fin de journée jusqu'au samedi 1h du matin.</li>
    <li><strong>Samedi :</strong> concentration entre 15h et dimanche 1h du matin, liée aux loisirs.</li>
    </ul>
    <p>Ces chiffres mettent en avant les besoins des clients pour les trajets professionnels le matin et pour les loisirs le soir et le week-end.</p>
    """, unsafe_allow_html=True)

    st.markdown("---")

    st.subheader("3. Rentrons maintenant dans le détail des clusters d'activité d'Uber sur cette période ! " \
    "Pour ce faire, l'algorithme Kmeans sera utilisé comme première approche.")

# KMeans : Préparation du dataset pour visu des clusters du mercredi 17h

    apr_14_wed_17 = apr_14[(apr_14['day_of_week'] == 'Wednesday') & (apr_14['hour'] == 17)].copy()
    coords = apr_14_wed_17[['Lat', 'Lon']]

    kmeans = KMeans(n_clusters=8, random_state=42)
    apr_14_wed_17['clusterKmeans'] = kmeans.fit_predict(coords)

    fig = px.scatter_mapbox(
    apr_14_wed_17, 
    lat="Lat", 
    lon="Lon", 
    color="clusterKmeans", 
    height=800,
    width=600,
    zoom=10,
    mapbox_style="carto-positron")
    st.plotly_chart(fig, use_container_width=True)

    st.markdown("""
    ### Les clusters définis dans Kmeans mettent en avant des zones distinctes :
    - Le Sud de Manhattan (cluster 3)
    - Le Centre de Manhattan (cluster 1)
    - Le Nord de Manhattan avec notamment une concentration dans la moitié sud de Central Park (cluster 7), ainsi que le nord de Central Park (cluster 4)
    - Les aéroports de La Guardia (cluster 0), JFK (cluster 2), et Newark (cluster 5)

    Cela parait tout à fait pertinent compte-tenu du jour et de l'heure choisis.  
    En effet, cela met en avant les actifs de Manhattan ainsi que les affluences aux différents aéroports.  
    Les clusters 1, 3, 4 et 7 sont donc très denses et sont les plus importants.
    """)

    st.markdown("---")

    st.subheader("""
    👉 Vérifions maintenant la concordance entre les clusters des courses et les implantations des taxis""" 
    )
    st.write("")

# Visualisation Clusters Kmeans mercredi 17h avec concordance densité taxis

    apr_14_wed_17 = apr_14[
        (apr_14['day_of_week'] == 'Wednesday') &
        (apr_14['hour'] == 17)
    ].copy()

    coords = apr_14_wed_17[['Lat', 'Lon']]

    kmeans = KMeans(n_clusters=8, random_state=42)
    apr_14_wed_17['clusterKmeans'] = kmeans.fit_predict(coords)

    # Figure Mapbox unique
    fig = go.Figure()

    # --- couche clusters (points)
    fig.add_trace(go.Scattermapbox(
        lat=apr_14_wed_17['Lat'],
        lon=apr_14_wed_17['Lon'],
        mode='markers',
        marker=dict(
            size=6,
            color=apr_14_wed_17['clusterKmeans'],
            colorscale='Viridis',
            opacity=0.6
        ),
        name='Clusters (Mercredi 17h)',
        hoverinfo='text'
    ))

    # --- couche densité boroughs
    fig.add_trace(go.Scattermapbox(
        lat=df_density['Latitude'],
        lon=df_density['Longitude'],
        mode='markers',
        marker=dict(
            size=df_density['Count'],
            sizemode='area',
            sizeref=2.*max(df_density['Count'])/(50.**2),
            color='red',
            opacity=0.7
        ),
        text=df_density['Borough'] + "<br>Count: " + df_density['Count'].astype(str),
        name='Densité par Borough'
    ))

    # Layout commun
    fig.update_layout(
        mapbox=dict(
            style="carto-positron",
            center=dict(lat=40.73, lon=-73.94),
            zoom=10
        ),
        height=900,
        width=600,
        margin=dict(l=0, r=0, t=0, b=0)
    )

    st.plotly_chart(fig)

    st.markdown("""
    ### Compte-tenu des données prises en compte avec notamment un centrage sur les coordonnées de New-York :
    - L'implantation dans Manhattan est bien évidemment pertinente, la localisation exacte n'étant pas précisée.
    - Le Bronx dispose d'un flotte importante qui reste à proximité de Manhattan.
    - L'implantation dans le Queens paraît discutable, mais nous ne disposons pas de la totalité de l'information des courses potentielles du secteur.
    - L'aéroport de Newark paraît sous-dimensionné
    - Staten Island ne paraît pas justifié, mais encore une fois les données ne concernent que New-York.
    """)

    st.write("---")

    st.subheader("👉 Procédons maintenant avec un second algorithme de clustering : DBScan. " \
    "Il a pour propriété notamment de traiter les outliers et de proposer une vision plus concise des clusters.")

# TEST DE DB SCAN

    # Sélection des coordonnées
    X = apr_14_wed_17[['Lat', 'Lon']]

    # DBSCAN clustering avec données définies dans notebook
    db = DBSCAN(
        eps=0.008,
        min_samples=10,
        metric="manhattan"
    )
    db.fit(X)

    # Ajout des labels au DataFrame
    apr_14_wed_17["clusterDB"] = db.labels_

    # Filtrer les outliers (-1)
    df_clusters = apr_14_wed_17[apr_14_wed_17["clusterDB"] != -1]

    # Carte
    fig = px.scatter_mapbox(
        df_clusters,
        lat="Lat",
        lon="Lon",
        color="clusterDB",
        zoom=10,
        height=1000,
        mapbox_style="carto-positron"
    )

    st.plotly_chart(fig, use_container_width=True)

    st.markdown("""
    ### Comme attendu, DBScan nous donne des clusters moins étendus, plus recentrés :
    - Un total de 11 clusters.
    - Manhattan n'est plus divisé et représente un cluster unique.
    - Les 3 aéroports sont bien identifiés.
    - Des clusters sont répartis autour de Manhattan (clusters 1, 2, 3, 5, 11 et 9).
    """)

    st.markdown("---")

    st.subheader("👉 Vérifions enfin la concordance entre les clusters DBSCAN et l'implantation des taxis")

    st.markdown("")

# Superposition des deux graphs de densité et clusters DBSCAN

    # Attribuer une couleur à chaque cluster
    
    colors = ['orange', 'blue', 'green', 'orange', 'purple', 'brown', 'pink', 'cyan', 'yellow', 'black']
    cluster_colors = {c: colors[i % len(colors)] for i, c in enumerate(sorted(df_clusters['clusterDB'].unique()))}

    # Figure
    fig = go.Figure()

    # Couche clusters
    for c in sorted(df_clusters['clusterDB'].unique()):
        dfc = df_clusters[df_clusters['clusterDB'] == c]
        fig.add_trace(go.Scattermapbox(
            lat=dfc['Lat'],
            lon=dfc['Lon'],
            mode='markers',
            marker=dict(
                size=6,
                color=cluster_colors[c],
                opacity=0.6
            ),
            name=f'Cluster {c}',
            hoverinfo='text'
        ))

    # Couche densité boroughs
    for i, row in df_density.iterrows():
        fig.add_trace(go.Scattermapbox(
            lat=[row['Latitude']],
            lon=[row['Longitude']],
            mode='markers',
            marker=dict(
                size=row['Count'],
                color='red',
                opacity=0.7
            ),
            name=row['Borough'],
            hoverinfo='text',
            text=f"{row['Borough']}<br>Count: {row['Count']}"
        ))

    # Layout
    fig.update_layout(
        mapbox=dict(
            style="carto-positron",
            center=dict(lat=40.73, lon=-73.94),
            zoom=10
        ),
        height=900,
        margin=dict(l=0, r=0, t=0, b=0)
    )

    # Streamlit
    st.plotly_chart(fig, use_container_width=True)

    st.write("---")

    st.subheader("""
    👉 Analyse des clusters :

    - On constate une bonne concordance entre les zones d'implantation des taxis et les clusters,
    du moins dans le centre de New York.
    - Les taxis du Bronx sont justifiés par la proximité de Manhattan.  
    - L'étude devant isoler cette zone, une concentration de taxis paraît plus éloigné du centre.
    Cela est certainement dû à une activité importante dans une zone non concernée par l'étude.
    """)

    st.write("---")

    st.subheader("""
    👉 Après cette étude comparative entre KMeans et DBScan, quel est l'algorithme le plus adapté à ce projet ?  
                 
    Selon moi, KMeans me paraît plus précis dans la définition des clusters et permet d'avoir une approche plus fine dans la définition des clusters.
    Le fait de définir soi-même les outliers permet de mieux contrôler les résultats, je l'utiliserais donc pour la suite de l'analyse qui va porter sur les différents jours de la semaine.
    
    """)

    
with tab2:
    st.header("L'analyse des clusters")
    st.subheader("Évolution des clusters Uber selon les jours de la semaine et rapprochement avec l'implantation des taxis ")

    clusters_by_day = {
        "Monday": 7,
        "Tuesday": 10,
        "Wednesday": 7,
        "Thursday": 6,
        "Friday": 7,
        "Saturday": 7,
        "Sunday": 7,
    }

    days_translation = {
        "Monday": "Lundi",
        "Tuesday": "Mardi",
        "Wednesday": "Mercredi",
        "Thursday": "Jeudi",
        "Friday": "Vendredi",
        "Saturday": "Samedi",
        "Sunday": "Dimanche",
    }

    selected_day_fr = st.selectbox(
        "Choisissez le jour souhaité :",
        list(days_translation.values())
    )

    fr_to_en = {v: k for k, v in days_translation.items()}
    selected_day_en = fr_to_en[selected_day_fr]

    filtered_df = apr_14[apr_14["day_of_week"] == selected_day_en].copy()

    filtered_df = compute_kmeans(
        filtered_df,
        clusters_by_day[selected_day_en]
    )

    # --- Visualisation clusters + densité taxi ---
    fig = go.Figure()

    fig.add_trace(go.Scattermapbox(
        lat=filtered_df["Lat"],
        lon=filtered_df["Lon"],
        mode="markers",
        marker=dict(
            size=6,
            color=filtered_df["clusterKmeans"],
            colorscale="Viridis",
            opacity=0.6
        ),
        name=f"Clusters ({selected_day_fr})"
    ))

    fig.add_trace(go.Scattermapbox(
        lat=df_density["Latitude"],
        lon=df_density["Longitude"],
        mode="markers",
        marker=dict(
            size=df_density["Count"],
            sizemode="area",
            sizeref=2.*max(df_density["Count"])/(50.**2),
            color="red",
            opacity=0.7
        ),
        text=df_density["Borough"] + "<br>Stations: " + df_density["Count"].astype(str),
        hoverinfo="text",
        name="Densité stations taxi"
    ))

    fig.update_layout(
        mapbox=dict(
            style="carto-positron",
            center=dict(lat=40.73, lon=-73.94),
            zoom=10
        ),
        height=900,
        title=f"Clusters Uber ({selected_day_fr}) & densité des stations taxi",
        margin=dict(l=0, r=0, t=40, b=0)
    )

    st.plotly_chart(fig, use_container_width=True)


# REPRENDRE ICI !!!!!!

with tab3:

    st.subheader("Premier constat sur l'implantation des taxis")
    st.markdown("""
    La répartition des bases de taxis UBER semble globalement cohérente avec la demande observée : 
    - Les zones de Manhattan et Brooklyn sont très bien couvertes.
    - Les zones du Queens et du Bronx paraissent surdimensionnées, mais cela peut s'expliquer par la proximité de Manhattan.
    - Le dimensionnement paraît surévalué dans Staten Island et sous-évalué à Newark, mais le recentrager sur New-York peut expliquer cela.
    """)
  
    st.subheader("Second constat sur les pics horaires")
    st.markdown("""
    Les pics d'activité sont sur les créneaux suivants :  
    - Une activité certaine les matinées de la semaine entre 6h et 9h
    - Les après-midi de 14h à 21h pour les mardi, mercredi, jeudi, vendredi  
    - Un pic particulièrement intense le mercredi après-midi
    - Le vendredi soir jusqu'au samedi 1h du matin
    - Le samedi après-midi jusqu'au dimanche 1h du matin également
                
    Ces pics correspondent aux besoins professionnels (matinée en semaine) et de loisirs (fin d'après-midi et soirée, surtout le week-end).
    """)

    st.markdown("---")

    st.subheader("Conclusion et recommandations")

    st.markdown(""" L'étude des clusters Uber en avril 2014 à New York révèle une implantation globalement cohérente des taxis par rapport à la demande.  
    Cependant, quelques ajustements pourraient être envisagés :
    - Réévaluer la densité des taxis dans le Queens et le Bronx pour optimiser les ressources, à vérifier avec des données plus complètes.
    - Ajuster la couverture à Newark et Staten Island en fonction des besoins réels.
    - Surveiller les pics d'activité identifiés pour adapter la flotte en conséquence, notamment les matinées en semaine et les fins d'après-midi/soirées du week-end.
    """)

    st.markdown(""" Bien évidemment, ces conclusions sont basées sur des données d'avril 2014 et pourraient différer avec des données plus récentes ou complètes.
    """)