"""
Модуль вычисления признака аномальной важности
"""
import numpy as np


def compute_anomaly(features_matrix: np.ndarray, L: int = 2, eps: float = 1e-6) -> np.ndarray:
    """
    Вычисление аномальной важности A(S_i) на основе отклонения от локального контекста.

    Args:
        features_matrix: матрица признаков N x 4
        L: радиус локальной окрестности
        eps: малая константа для избежания деления на ноль

    Returns:
        массив аномалий A(S_i) в диапазоне [0, 1)
    """
    N = features_matrix.shape[0]
    anomalies = []

    for i in range(N):
        neighbor_indices = []
        for k in range(max(0, i - L), min(N, i + L + 1)):
            if k != i:
                neighbor_indices.append(k)

        if len(neighbor_indices) < 2:
            anomalies.append(0.0)
            continue

        a_j = []
        for j in range(4):
            values = features_matrix[neighbor_indices, j]
            median_val = np.median(values)
            mad = np.median(np.abs(values - median_val))

            if mad < eps:
                a_j.append(0.0)
            else:
                dev = abs(features_matrix[i, j] - median_val)
                a_j.append(dev / (mad + eps))

        raw_anomaly = np.mean(a_j)
        compressed = np.tanh(raw_anomaly / 3.0)
        anomalies.append(compressed)

    return np.array(anomalies)