# Requisitos:
# pip install streamlit pandas numpy scipy statsmodels scikit-posthocs matplotlib seaborn

import warnings
warnings.filterwarnings("ignore")

import streamlit as st
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

from scipy import stats
import statsmodels.api as sm
from statsmodels.formula.api import ols
from statsmodels.stats.multicomp import pairwise_tukeyhsd
from statsmodels.stats.oneway import anova_oneway # Necessário para Welch ANOVA

import scikit_posthocs as sp # Necessário para Dunn Post-hoc

# 1. Configuração da Página e Título
st.set_page_config(layout="wide") 
st.title("🏡 Análise Comparativa de Preços de Imóveis (Ames Housing)")
st.markdown("""
    Dashboard interativo para explorar a relação entre variáveis categóricas
    (Bairro, Qualidade, Lareiras) e o **SalePrice** (Preço de Venda)
    usando Análise de Variância (ANOVA) e testes não-paramétricos.
""")

# 2. Definição das Colunas/Caminhos
Y_COL = "SalePrice"
CAT_COLS = ["Neighborhood", "OverallQual", "Fireplaces"]
# ATENÇÃO: Substitua o caminho abaixo pelo caminho correto do seu arquivo CSV
DATA_PATH = r"C:\Users\felip\Downloads\AmesHousing.csv.csv"

# -----------------------------------------------------------
# 1) Carregar e Pré-processar Dataset com Caching
# -----------------------------------------------------------
@st.cache_data # Crucial para performance!
def load_and_preprocess_data(file_path, y_col, cat_cols):
    """Carrega, pré-processa e retorna o DataFrame."""
    try:
        df = pd.read_csv(file_path, low_memory=False)
    except FileNotFoundError:
        st.error(f"Erro: Arquivo não encontrado no caminho: {file_path}")
        return pd.DataFrame()

    # Seu código original de pré-processamento
    if "Id" in df.columns:
        df = df.drop(columns=["Id"])
    
    # Verifica a existência das colunas
    missing_cols = [c for c in [y_col] + cat_cols if c not in df.columns]
    if missing_cols:
        st.error(f"Colunas esperadas não encontradas no CSV: {', '.join(missing_cols)}")
        return pd.DataFrame()

    # Seleção de colunas, remoção de NA e conversão de tipos
    df = df[[y_col] + cat_cols].copy()
    df = df.dropna(subset=[y_col] + cat_cols)
    df["Neighborhood"] = df["Neighborhood"].astype(str)
    df["Fireplaces"] = df["Fireplaces"].astype(str) 
    df["OverallQual"] = df["OverallQual"].astype(str) # Tratar como string para ANOVA

    return df

# --- Chamada da função de carregamento ---
df = load_and_preprocess_data(DATA_PATH, Y_COL, CAT_COLS)

if df.empty:
    st.stop() 

# -----------------------------------------------------------
# 3) Funções auxiliares de teste (Mantidas)
# -----------------------------------------------------------

def check_normality_by_group(data, group_col, value_col, alpha=0.05):
    """Shapiro-Wilk por grupo; retorna DataFrame com p-values e decisão"""
    results = []
    groups = data[group_col].unique()
    for g in sorted(groups):
        vals = data.loc[data[group_col]==g, value_col].values
        # Shapiro requer n between 3 and 5000
        if len(vals) < 3:
            p = np.nan
            stat = np.nan
            decision = "n<3"
        else:
            if len(vals) > 5000:
                vals_sample = np.random.choice(vals, 5000, replace=False)
            else:
                vals_sample = vals
            stat, p = stats.shapiro(vals_sample)
            decision = "normal" if p > alpha else "not_normal"
        results.append({"group": g, "n": len(vals), "shapiro_stat": stat, "shapiro_p": p, "decision": decision})
    return pd.DataFrame(results)

def levene_test(data, group_col, value_col):
    """Levene test para homocedasticidade."""
    groups = [data.loc[data[group_col]==g, value_col].values for g in data[group_col].unique()]
    stat, p = stats.levene(*groups, center='median') 
    return stat, p

def anderson_darling_overall(data, value_col):
    """Anderson-Darling test para normalidade global."""
    res = stats.anderson(data[value_col].values, dist='norm')
    return res

# ------------------------------------------------------------------
# 4. Lógica Principal: Interatividade e Análise
# ------------------------------------------------------------------

# 4.1. Seletor de Variável na Sidebar (Interatividade)
st.sidebar.header("Variável a Analisar")

selected_cat = st.sidebar.selectbox(
    "Selecione a Variável Categórica:",
    options=CAT_COLS,
    help="Escolha qual variável de agrupamento será analisada em relação ao SalePrice."
)

# Definir as variáveis para a análise (substitui o loop for)
cat = selected_cat
y_col = Y_COL

st.header(f"Análise: {cat} vs {y_col}")
st.markdown("---")


# Boxplot
st.subheader("1. Visualização: Boxplot")
st.markdown(f"Distribuição de `{y_col}` por categoria em `{cat}` (ordenado pela mediana).")

# Garante que o gráfico seja desenhado em uma nova figura para o Streamlit
fig, ax = plt.subplots(figsize=(10, 6)) 
order = df.groupby(cat)[y_col].median().sort_values(ascending=False).index
sns.boxplot(x=cat, y=y_col, data=df, order=order, ax=ax)
ax.set_title(f"{y_col} por {cat}")
plt.xticks(rotation=45)
plt.tight_layout()

st.pyplot(fig) # Comando Streamlit para exibir o gráfico

# Testes de pressupostos
st.subheader("2. Testes de Pressupostos (Homogeneidade e Normalidade)")

# Normalidade
st.markdown("##### Teste de Normalidade (Shapiro-Wilk) por Grupo")
sh = check_normality_by_group(df, cat, y_col)
st.dataframe(sh.head(20), use_container_width=True)

# Anderson-Darling (Global)
ad = anderson_darling_overall(df, y_col)
st.info(f"**Anderson-Darling (Global):** stat={ad.statistic:.4f}. Valores críticos: {ad.critical_values} (Níveis de Significância: {ad.significance_level}%)")

# Homocedasticidade (Levene)
st.markdown("##### Teste de Homocedasticidade (Levene)")
stat_levene, p_levene = levene_test(df, cat, y_col)
st.write(f"**Levene test (center=median):** Estatística={stat_levene:.4f}, p-valor={p_levene:.4f}")

# --------------------------------------------------------------------
# 3. Análise Estatística (ANOVA / Welch / Kruskal)
# --------------------------------------------------------------------

st.subheader("3. Análise Estatística e Post-Hoc")

# ANOVA clássica (one-way)
try:
    model = ols(f"{y_col} ~ C({cat})", data=df).fit()
    anova_table = sm.stats.anova_lm(model, typ=2)
    st.markdown("##### ANOVA (Type II) results:")
    st.dataframe(anova_table)

    anova_p = anova_table.loc[f"C({cat})", "PR(>F)"] if f"C({cat})" in anova_table.index else anova_table.iloc[0,3]
except Exception as e:
    st.error(f"Erro ao rodar ANOVA clássica: {e}")
    anova_p = 1.0 # Define um p-valor alto para não rodar o Tukey


# Lógica de Testes Robustos / Não-Paramétricos
non_normal_groups = sh[sh["decision"]=="not_normal"]
prop_non_normal = len(non_normal_groups) / len(sh)

col1, col2 = st.columns(2)

with col1:
    # Teste de Homocedasticidade
    if p_levene < 0.05:
        st.warning("⚠️ **Alerta:** Levene $p < 0.05$ (Variâncias Heterogêneas). Aplicando **Welch ANOVA**.")
        try:
            welch_res = anova_oneway(df[y_col], df[cat], use_var='unequal')
            st.code(f"Welch ANOVA: F={welch_res.fvalue:.4f}, p={welch_res.pvalue:.4f}")
        except Exception as e:
            st.error(f"Erro ao rodar anova_oneway: {e}")
    else:
        st.success("✅ **Pressuposto OK:** Variâncias homogêneas (Levene $p \ge 0.05$).")

with col2:
    # Teste de Normalidade / Kruskal-Wallis
    if prop_non_normal > 0.3:
        st.warning(f"⚠️ **Alerta:** {prop_non_normal:.0%} dos grupos rejeitam normalidade. Aplicando **Kruskal-Wallis** (Teste não-paramétrico).")
        groups = [df.loc[df[cat]==g, y_col].values for g in df[cat].unique()]
        try:
            kw_stat, kw_p = stats.kruskal(*groups)
            st.code(f"Kruskal-Wallis: Stat={kw_stat:.4f}, p={kw_p:.6f}")
            if kw_p < 0.05:
                st.info("Kruskal-Wallis indica diferença significativa.")
                
                # Post-hoc Dunn
                st.markdown("###### Post-hoc Dunn (Bonferroni)")
                dunn = sp.posthoc_dunn(df, val_col=y_col, group_col=cat, p_adjust='bonferroni')
                st.dataframe(dunn, use_container_width=True)
        except Exception as e:
            st.error(f"Erro ao rodar Kruskal-Wallis: {e}")
    else:
        st.success(f"✅ **Pressuposto OK:** Baixa rejeição de normalidade ({prop_non_normal:.0%}).")
        
        # Teste Post-hoc Tukey (se ANOVA clássica for significativa)
        if anova_p < 0.05:
            st.markdown("##### Post-hoc Tukey HSD (Se ANOVA Signif.)")
            st.info("ANOVA clássica indica diferenças. Aplicando Tukey HSD.")
            tukey = pairwise_tukeyhsd(endog=df[y_col], groups=df[cat], alpha=0.05)
            st.text(tukey.summary()) # st.text é melhor para summaries de modelos
        else:
            st.info("ANOVA NÃO indicou diferenças estatisticamente significativas entre categorias.")


# --------------------------------------------------------------------
# 4. Resumo Final
# --------------------------------------------------------------------

st.subheader("4. Resumo por Categoria")
st.markdown("Medidas descritivas do preço de venda agrupadas pela categoria selecionada, ordenadas pela média.")
summary = df.groupby(cat)[y_col].agg(['count','mean','median','std']).sort_values('mean', ascending=False)
st.dataframe(summary, use_container_width=True)

st.markdown("---")
st.success("Análise concluída. Utilize o seletor na barra lateral para trocar de variável.")