import gradio as gr
import yfinance as yf
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.svm import SVR
from sklearn.preprocessing import StandardScaler

def predict_finance(symbol):
    try:
        # 1. VERİ ÇEKME
        df = yf.download(symbol, period='1y', interval='1d')
        if df.empty:
            return "Veri çekilemedi, lütfen sembolü kontrol edin.", None

        # 2. VERİ HAZIRLIĞI
        prediction_days = 30
        df['Prediction'] = df[['Close']].shift(-prediction_days)
        
        # X: Mevcut fiyatlar, X_forecast: Tahmin için kullanılacak son 30 gün
        X = np.array(df[['Close']])
        X_forecast = X[-prediction_days:] 
        X = X[:-prediction_days]
        
        # y: Hedef fiyatlar
        y = np.array(df['Prediction'])[:-prediction_days]

        # 3. ÖLÇEKLENDİRME (Scaling) - Hataları önler
        scaler_x = StandardScaler()
        scaler_y = StandardScaler()
        
        X_scaled = scaler_x.fit_transform(X)
        y_scaled = scaler_y.fit_transform(y.reshape(-1, 1)).ravel()
        X_forecast_scaled = scaler_x.transform(X_forecast)

        # 4. MODEL EĞİTİMİ (SVR)
        model = SVR(kernel='rbf', C=1e3, gamma=0.1)
        model.fit(X_scaled, y_scaled)

        # 5. TAHMİN
        prediction_scaled = model.predict(X_forecast_scaled)
        prediction = scaler_y.inverse_transform(prediction_scaled.reshape(-1, 1))

        # 6. GRAFİK OLUŞTURMA
        plt.figure(figsize=(12, 6))
        # Son 90 günü mavi çizgiyle göster
        plt.plot(df.index[-90:], df['Close'][-90:], label='Gerçek Fiyatlar', color='#1f77b4', linewidth=2)
        
        # Gelecek tarihlerini oluştur ve kırmızı kesikli çizgiyle göster
        future_dates = pd.date_range(start=df.index[-1], periods=prediction_days + 1, freq='D')[1:]
        plt.plot(future_dates, prediction, label='30 Günlük AI Tahmini', color='#d62728', linestyle='--', marker='o', markersize=4)
        
        plt.title(f'{symbol} Fiyat Analizi ve Gelecek Projeksiyonu', fontsize=14)
        plt.xlabel('Tarih')
        plt.ylabel('Fiyat (USD)')
        plt.legend()
        plt.grid(True, alpha=0.3)
        
        plot_path = "plot.png"
        plt.savefig(plot_path)
        plt.close('all') # Bellek temizliği

        # 7. ÖZET BİLGİ VE HATA FİX (Series format hatası burada çözüldü)
        # .item() kullanarak Pandas Series nesnesini saf sayıya çeviriyoruz
        current_price = float(df['Close'].iloc[-1].item()) 
        predicted_price = float(prediction[-1][0])
        change_pct = ((predicted_price - current_price) / current_price) * 100
        
        summary = (
            f"📊 {symbol} Analiz Özeti:\n"
            f"--------------------------\n"
            f"Güncel Fiyat: ${current_price:,.2f}\n"
            f"30 Gün Sonraki Tahmin: ${predicted_price:,.2f}\n"
            f"Beklenen Değişim: %{change_pct:+.2f}"
        )
        
        return summary, plot_path

    except Exception as e:
        return f"Bir hata oluştu: {str(e)}", None

# 8. GRADIO ARAYÜZ TASARIMI
# Kullanıcı dostu isimler ve sembol karşılıkları
symbol_mapping = {
    "Bitcoin (BTC)": "BTC-USD",
    "Ethereum (ETH)": "ETH-USD",
    "Dogecoin (DOGE)": "DOGE-USD",
    "Cardano (ADA)": "ADA-USD",
    "Nvidia (NVDA)": "NVDA",
    "Microsoft (MSFT)": "MSFT",
    "Intel (INTC)": "INTC"
}

with gr.Blocks(theme=gr.themes.Soft()) as demo:
    gr.Markdown("# 🚀 AI Finansal Tahmin Paneli")
    gr.Markdown("Seçtiğiniz varlık için SVR algoritması kullanarak gelecek 30 günlük fiyat projeksiyonu oluşturun.")
    
    with gr.Row():
        with gr.Column():
            input_dropdown = gr.Dropdown(
                choices=list(symbol_mapping.values()), 
                label="Enstrüman / Sembol Seçin", 
                value="BTC-USD"
            )
            btn = gr.Button("Analiz Et", variant="primary")
        
        with gr.Column():
            output_text = gr.Textbox(label="Tahmin Sonucu", lines=6)
            output_plot = gr.Image(label="Tahmin Grafiği")

    btn.click(fn=predict_finance, inputs=input_dropdown, outputs=[output_text, output_plot])

if __name__ == "__main__":
    demo.launch()