"""기회 영역 랭킹 테이블 + 상세 Expander.

Clusters sorted by opportunity_score DESC.
Top-10 with expanders showing sample fanouts and top sources.
v9.0: 비즈니스 해석, percentile, 인용 유무 메시지 추가.
"""

import statistics

import streamlit as st
import pandas as pd
import plotly.graph_objects as go


def _get_percentile_rank(value: float, all_values: list[float]) -> int:
    """Return the percentile rank (0-100) of a value within a list."""
    if not all_values:
        return 0
    count_below = sum(1 for v in all_values if v < value)
    return int(count_below / len(all_values) * 100)


def _interpret_density(density: float, median_density: float) -> str:
    """Interpret density relative to median."""
    if density < median_density * 0.5:
        return "경쟁 낮음"
    elif density < median_density * 1.5:
        return "경쟁 보통"
    return "경쟁 높음"


def _interpret_opportunity(opp: float, median_opp: float) -> str:
    """Interpret opportunity score."""
    if opp >= median_opp * 1.5:
        return "기회 큼"
    elif opp >= median_opp * 0.5:
        return "기회 보통"
    return "기회 낮음"


def render_opportunities(clusters: list[dict], frame: str = "all"):
    """Render opportunity ranking table with detail expanders."""
    scored = [
        c for c in clusters
        if c.get("opportunity_score") is not None
        and c.get("attention_score") is not None
    ]

    if not scored:
        st.info("스코어가 계산된 클러스터가 없습니다.")
        return

    # Sort by opportunity_score DESC
    scored.sort(key=lambda c: float(c.get("opportunity_score", 0) or 0), reverse=True)

    # Pre-compute statistics for percentile/interpretation
    all_attns = [float(c.get("attention_score", 0) or 0) for c in scored]
    all_densities = [float(c.get("citation_density", 0) or 0) for c in scored]
    all_opps = [float(c.get("opportunity_score", 0) or 0) for c in scored]
    median_density = statistics.median(all_densities) if all_densities else 0
    median_opp = statistics.median(all_opps) if all_opps else 0

    # Top metrics
    col1, col2, col3 = st.columns(3)
    with col1:
        st.metric("스코어링 완료", f"{len(scored)}개 클러스터")
    with col2:
        avg_opp = sum(all_opps) / len(all_opps)
        st.metric("평균 Opportunity", f"{avg_opp:.4f}")
    with col3:
        top = scored[0]
        st.metric("Top 기회 토픽", (top.get("cluster_label") or "N/A")[:25])

    st.markdown("---")

    # Explanation before ranking table (frame-specific)
    if frame == "demand":
        st.info(
            "ChatGPT가 자주 검색하지만 경쟁이 낮은 Demand 토픽입니다.\n\n"
            "기회 점수가 높을수록, 이 주제에 콘텐츠를 만들면 ChatGPT 검색에 노출될 가능성이 높습니다."
        )
    elif frame == "supply":
        st.info(
            "Gemini가 자주 인용하지만 출처 경쟁이 낮은 Supply 토픽입니다.\n\n"
            "기회 점수가 높을수록, 이 주제에 콘텐츠를 만들면 Gemini 답변에 인용될 가능성이 높습니다."
        )
    else:
        st.info(
            "기회 점수 Top 10 토픽을 상세 분석합니다. "
            "기회 점수는 **'AI 관심도가 높지만 경쟁(인용 출처)이 적은 토픽'**을 찾아주는 지표입니다.\n\n"
            "점수가 높을수록 콘텐츠를 만들면 AI에 인용될 가능성이 높습니다."
        )

    # Ranking table
    rows = []
    for i, c in enumerate(scored[:50], 1):
        rows.append({
            "순위": i,
            "토픽": (c.get("cluster_label") or f"Cluster-{c['id'][:8]}")[:40],
            "Attention": f"{float(c.get('attention_score', 0) or 0):.4f}",
            "Density": f"{float(c.get('citation_density', 0) or 0):.4f}",
            "Opportunity": f"{float(c.get('opportunity_score', 0) or 0):.4f}",
            "Fanouts": c.get("fanout_count", 0),
        })

    df = pd.DataFrame(rows)
    st.dataframe(df, use_container_width=True, hide_index=True)

    # Detail expanders for top 10
    st.markdown("#### Top 10 상세")
    for i, c in enumerate(scored[:10], 1):
        label = c.get("cluster_label") or f"Cluster-{c['id'][:8]}"
        opp = float(c.get("opportunity_score", 0) or 0)

        with st.expander(f"#{i} {label} (Opportunity: {opp:.4f})", key=f"research:opp_detail:{c['id']}"):
            detail_col1, detail_col2 = st.columns(2)

            with detail_col1:
                attn = float(c.get("attention_score", 0) or 0)
                density = float(c.get("citation_density", 0) or 0)
                attn_pct = _get_percentile_rank(attn, all_attns)
                density_label = _interpret_density(density, median_density)
                opp_label = _interpret_opportunity(opp, median_opp)

                st.markdown("**Score 상세**")
                st.write(f"- Attention: {attn:.4f} (상위 {100 - attn_pct}%)")
                st.write(f"- Density: {density:.4f} ({density_label})")
                st.write(f"- Opportunity: {opp:.4f} ({opp_label})")
                st.write(f"- Fanout 수: {c.get('fanout_count', 0)}")
                if c.get("unique_questions"):
                    st.write(f"- 관련 질문 수: {c['unique_questions']}")

            with detail_col2:
                # Sample fanouts/citations with context
                samples = c.get("sample_fanouts") or []
                if samples:
                    if frame == "supply":
                        st.markdown("**대표 인용 문구** (Gemini가 실제로 인용한 텍스트):")
                    else:
                        st.markdown("**대표 AI 추가 질문** (이 토픽에서 AI가 실제로 생성한 질문들):")
                    for s in samples[:5]:
                        st.write(f"- {s}")
                    if frame == "supply":
                        st.caption("이런 형태의 콘텐츠를 만들면 Gemini 답변에 인용될 수 있습니다.")
                    else:
                        st.caption("이런 질문에 대한 콘텐츠를 만들면 AI 답변에 인용될 수 있습니다.")
                else:
                    st.write("샘플 없음")

            # Top sources bar chart
            top_sources = c.get("top_sources")
            if top_sources and isinstance(top_sources, list) and len(top_sources) > 0:
                st.caption("이 토픽에서 AI가 인용한 주요 출처입니다. 여기에 자사 콘텐츠가 없다면 진출 기회입니다.")
                domains = [s.get("host_url", "unknown") for s in top_sources[:10]]
                counts = [s.get("count", 0) for s in top_sources[:10]]

                fig = go.Figure(go.Bar(
                    x=counts,
                    y=domains,
                    orientation="h",
                    marker_color="#059669",
                ))
                fig.update_layout(
                    title="Top 인용 출처",
                    xaxis_title="인용 수",
                    yaxis=dict(autorange="reversed"),
                    height=300,
                    margin=dict(l=0, r=0, t=30, b=0),
                    template="plotly_white",
                )
                st.plotly_chart(fig, use_container_width=True, config={"displayModeBar": False})
            else:
                st.info("이 토픽은 아직 AI가 특정 출처를 인용하지 않고 있어, 콘텐츠 선점 기회가 더욱 큽니다.")