"""UMAP 토픽 맵 시각화 (Plotly scatter).

snapshot.coordinates: [{cluster_id, x, y, size, label}]
clusters: [{id, cluster_label, attention_score, citation_density, opportunity_score, fanout_count, ...}]
"""

import streamlit as st
import plotly.graph_objects as go


def render_topic_map(clusters: list[dict], snapshot: dict | None, frame: str = "all"):
    """Render UMAP 2D scatter from snapshot coordinates + cluster metadata."""
    if not snapshot or not snapshot.get("coordinates"):
        st.info("UMAP 좌표 데이터가 없습니다. 클러스터링 실행 후 생성됩니다.")
        return

    # Frame-specific guide
    if frame == "demand":
        st.markdown("""
각 점은 하나의 **Demand 토픽** (ChatGPT sub-query 그룹)입니다.
- **점 크기**: 해당 토픽의 fanout 수 (클수록 소비자가 자주 묻는 토픽)
- **점 색상**: 기회 점수 (빨강 = 기회 큼, 노랑 = 보통)
- **가까이 있는 점**: 유사한 검색 의도의 토픽
""")
    elif frame == "supply":
        st.markdown("""
각 점은 하나의 **Supply 토픽** (Gemini citation quote 그룹)입니다.
- **점 크기**: 해당 토픽의 인용 수 (클수록 AI가 자주 인용하는 토픽)
- **점 색상**: 기회 점수 (빨강 = 기회 큼, 노랑 = 보통)
- **가까이 있는 점**: 유사한 인용 주제의 토픽
""")
    else:
        st.markdown("""
각 점은 하나의 **토픽**(AI 추가 질문 그룹)입니다.
- **점 크기**: 해당 토픽의 AI 추가 질문 수 (클수록 AI가 자주 묻는 토픽)
- **점 색상**: 기회 점수 (빨강 = 기회 큼, 노랑 = 보통)
- **가까이 있는 점**: 유사한 주제의 토픽
""")

    count_label = "Citations" if frame == "supply" else "Fanouts"
    coords = snapshot["coordinates"]

    # Build cluster lookup by id
    cluster_map = {c["id"]: c for c in clusters}

    # Merge coordinate data with cluster metadata
    xs, ys, sizes, colors, hover_texts = [], [], [], [], []

    for pt in coords:
        cid = pt.get("cluster_id")
        meta = cluster_map.get(cid, {})

        xs.append(pt["x"])
        ys.append(pt["y"])

        fanout_count = pt.get("size", meta.get("fanout_count", 10))
        # Normalize size for display (min 5, max 40)
        norm_size = max(5, min(40, fanout_count / 5))
        sizes.append(norm_size)

        opp = float(meta.get("opportunity_score", 0) or 0)
        colors.append(opp)

        label = meta.get("cluster_label") or f"Cluster {pt.get('label', '?')}"
        attn = float(meta.get("attention_score", 0) or 0)
        density = float(meta.get("citation_density", 0) or 0)

        hover_texts.append(
            f"<b>{label}</b><br>"
            f"Attention: {attn:.4f}<br>"
            f"Density: {density:.4f}<br>"
            f"Opportunity: {opp:.4f}<br>"
            f"{count_label}: {fanout_count}"
        )

    fig = go.Figure()
    fig.add_trace(go.Scatter(
        x=xs,
        y=ys,
        mode="markers",
        marker=dict(
            size=sizes,
            color=colors,
            colorscale="YlOrRd",
            colorbar=dict(title="Opportunity"),
            opacity=0.7,
            line=dict(width=0.5, color="#333"),
        ),
        text=hover_texts,
        hoverinfo="text",
    ))

    fig.update_layout(
        title="AI 토픽 맵 (UMAP 2D Projection)",
        xaxis=dict(title="UMAP-1", showgrid=False, zeroline=False),
        yaxis=dict(title="UMAP-2", showgrid=False, zeroline=False),
        height=600,
        template="plotly_white",
        hoverlabel=dict(bgcolor="white", font_size=12),
    )

    st.plotly_chart(fig, use_container_width=True, config={"displayModeBar": False})

    # Algorithm params info
    params = snapshot.get("algorithm_params")
    if params:
        with st.expander("분석 설정 (기술 상세)"):
            st.json(params)