import streamlit as st
import pandas as pd
import plotly.express as px

# ------------------------------------------------------------------
# Configuration de la page
# ------------------------------------------------------------------
st.set_page_config(
    page_title="Mon Tracker COVID perso",
    page_icon="📊",
    layout="wide",
)

# Image locale en haut du dashboard
#st.image("Covid.png", use_column_width=True)

# Titre et intro
st.title("Covid Tracker 🦠")
st.markdown(
    "Dashboard de suivi des vagues de COVID-19 à travers le monde, "
    "basé sur les données de l'European Centre for Disease Prevention and Control (ECDC)."
)


# ------------------------------------------------------------------
# Chargement des données (mis en cache pour la rapidité)
# ------------------------------------------------------------------
@st.cache_data
def load_data():
    df = pd.read_csv("covid_data.csv")
    df["dateRep"] = pd.to_datetime(df["dateRep"], format="%d/%m/%Y")
    return df


df = load_data()


# ------------------------------------------------------------------
# Barre latérale : tous les filtres ensemble
# ------------------------------------------------------------------
st.sidebar.header("Filtres")

# Filtre par continent
continents = sorted(df["continentExp"].unique())
selected_continent = st.sidebar.selectbox("Continent", continents)

# Filtre par pays
countries = sorted(df[df["continentExp"] == selected_continent]["countriesAndTerritories"].unique())
selected_countries = st.sidebar.multiselect(
    "Pays à afficher",
    options=countries,
    default=countries[:4] if len(countries) >= 4 else countries,
)

# Filtre par plage de dates
min_date = df["dateRep"].min().date()
max_date = df["dateRep"].max().date()
date_range = st.sidebar.date_input(
    "Plage de dates",
    value=(min_date, max_date),
    min_value=min_date,
    max_value=max_date,
)

# Slider pour le top N pays
top_n = st.sidebar.slider("Afficher le top N pays", min_value=3, max_value=20, value=10)

# Échelle logarithmique
log_scale = st.sidebar.checkbox("Échelle logarithmique")


# ------------------------------------------------------------------
# Filtrage du dataframe selon les choix utilisateur
# ------------------------------------------------------------------
filtered = df[df["continentExp"] == selected_continent]
filtered = filtered[filtered["countriesAndTerritories"].isin(selected_countries)]

if len(date_range) == 2:
    start, end = date_range
    filtered = filtered[
        (filtered["dateRep"] >= pd.to_datetime(start))
        & (filtered["dateRep"] <= pd.to_datetime(end))
    ]


# ------------------------------------------------------------------
# Onglets pour organiser le dashboard
# ------------------------------------------------------------------
tab1, tab2, tab3 = st.tabs(["Vue d'ensemble", "Par pays", "Comparaisons"])


# ----- ONGLET 1 : Vue d'ensemble -----
with tab1:
    st.subheader("Indicateurs globaux")

    col1, col2, col3 = st.columns(3)

    total_cases = int(filtered["cases"].sum())
    total_deaths = int(filtered["deaths"].sum())
    mortality_rate = (total_deaths / total_cases * 100) if total_cases > 0 else 0

    col1.metric("Cas totaux", f"{total_cases:,}".replace(",", " "))
    col2.metric("Décès totaux", f"{total_deaths:,}".replace(",", " "))
    col3.metric("Taux de mortalité", f"{mortality_rate:.2f} %")

    # Courbe des cas dans le temps
    st.subheader("Évolution des cas dans le temps")
    fig_cases = px.line(
        filtered,
        x="dateRep",
        y="cases",
        color="countriesAndTerritories",
        labels={"dateRep": "Date", "cases": "Cas quotidiens",
                "countriesAndTerritories": "Pays"},
        log_y=log_scale,
    )
    st.plotly_chart(fig_cases, use_container_width=True)

    # Courbe des décès dans le temps
    st.subheader("Évolution des décès dans le temps")
    fig_deaths = px.line(
        filtered,
        x="dateRep",
        y="deaths",
        color="countriesAndTerritories",
        labels={"dateRep": "Date", "deaths": "Décès quotidiens",
                "countriesAndTerritories": "Pays"},
        log_y=log_scale,
    )
    st.plotly_chart(fig_deaths, use_container_width=True)


# ----- ONGLET 2 : Par pays -----
with tab2:
    st.subheader("Récapitulatif par pays")

    summary = (
        filtered.groupby("countriesAndTerritories")
        .agg(
            cas_totaux=("cases", "sum"),
            deces_totaux=("deaths", "sum"),
            cas_moyens_par_jour=("cases", "mean"),
        )
        .round(0)
        .sort_values("cas_totaux", ascending=False)
    )
    st.dataframe(summary, use_container_width=True)

    # Bouton pour télécharger le résumé en CSV
    csv = summary.to_csv().encode("utf-8")
    st.download_button(
        label="📥 Télécharger le résumé en CSV",
        data=csv,
        file_name="covid_summary.csv",
        mime="text/csv",
    )

    # Données brutes (déplié sur demande)
    with st.expander("Voir les données brutes filtrées"):
        st.dataframe(filtered)


# ----- ONGLET 3 : Comparaisons -----
with tab3:
    # Carte mondiale colorée par cas totaux
    st.subheader("Carte mondiale des cas")
    map_data = (
        filtered.groupby(["countryterritoryCode", "countriesAndTerritories"])
        .agg(total_cases=("cases", "sum"))
        .reset_index()
    )
    fig_map = px.choropleth(
        map_data,
        locations="countryterritoryCode",
        color="total_cases",
        hover_name="countriesAndTerritories",
        color_continuous_scale="Reds",
    )
    st.plotly_chart(fig_map, use_container_width=True)

    # Cas cumulés par pays en aires empilées
    st.subheader("Cas cumulés par pays")
    fig_area = px.area(
        filtered,
        x="dateRep",
        y="cases",
        color="countriesAndTerritories",
        labels={"dateRep": "Date", "cases": "Cas"},
    )
    st.plotly_chart(fig_area, use_container_width=True)

    # Cas par jour de la semaine
    st.subheader("Cas par jour de la semaine")
    filtered_copy = filtered.copy()
    filtered_copy["weekday"] = filtered_copy["dateRep"].dt.day_name()
    weekday_avg = filtered_copy.groupby("weekday")["cases"].mean().reindex(
        ["Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday", "Sunday"]
    )
    st.bar_chart(weekday_avg)

    # Moyenne mobile 7 jours
    st.subheader("Tendance lissée (moyenne mobile 7 jours)")
    filtered_sorted = filtered.sort_values(["countriesAndTerritories", "dateRep"])
    filtered_sorted["cases_7day_avg"] = (
        filtered_sorted.groupby("countriesAndTerritories")["cases"]
        .transform(lambda x: x.rolling(7, min_periods=1).mean())
    )
    fig_smooth = px.line(
        filtered_sorted,
        x="dateRep",
        y="cases_7day_avg",
        color="countriesAndTerritories",
    )
    st.plotly_chart(fig_smooth, use_container_width=True)

    # Taux d'incidence pour 100 000 habitants
    st.subheader("Taux d'incidence (cas pour 100 000 habitants)")
    filtered_copy["incidence_per_100k"] = (
        filtered_copy["cases"] / filtered_copy["popData2020"] * 100_000
    )
    fig_incidence = px.line(
        filtered_copy,
        x="dateRep",
        y="incidence_per_100k",
        color="countriesAndTerritories",
    )
    st.plotly_chart(fig_incidence, use_container_width=True)