import matplotlib.pyplot as plt
from matplotlib.backends import backend_pdf
import pandas as pd
import os

dict_color = {
    'mood' : {'good_mood': '#0000FF', 'mood': '#d0ef16', 'bad_mood': '#FF0000'},
    'yes/no' : {'oui': '#0000FF', 'non': '#FF0000'},
    '+/-': {
        '+ + +': '#0000FF',
        '+ +': '#05f57f',
        '+': '#069f05', 
        '-': '#d0ef16', 
        '- -': '#f57a02', 
        '- - -': '#FF0000'
    },
    'text': {
        'toujours': '#0000FF',
        'souvent': '#069f05',
        'rarement': '#d0ef16',
        'jamais': '#FF0000',
    }
}

good_mood = [
    'Passionnant','Bien','apaiser','évoluer','amélioration','entraide','Intérêt','Changement','Enrichissant','passion','Confiance',   # Mot clef 1
    'Valorisant','Motivant','Convivialité','confiance','Evolutif','varié','Valeurs',   # Mot clef 2
    'Utile','dynamiser','Reconnaissance','Bienveillance','bonne équipe','Motivation','dialogue',    # Mot clef 3
    ]
bad_mood = [
    'solitude','instabilité','lourd','Frustration','Surcharge','désorganisation',   # Mot clef 1
    "pas d'évolution",'Usant','Pertinence ?','débordé','fatiguer','trop administratif','Stress','auto-apprentissage','Peu de cadrage','Pression','démotiver',   # Mot clef 2
    'clivage métier','Bouche-trou','empêché','bloquer','Frustrant','stress','Débordé','Surcharge','peu de moyen','tension','budget serré',  # Mot clef 3
    ]
mood = [
    'responsabilité','intéressant','Diversifié','interrogation','Autonomie',    # Mot clef 1
    'devoir','initiative','Evolution',  # Mot clef 2
    'occupation','Routine', # Mot clef 3
    ]

invers = [
    "j'utilise des produits chimiques.", # 12
    "il m arrive de supporter seul(e) le poids des décisions et la prise de risques.", # 17
    "j'ai un temps contraint.", # 20
    "je travaille de nuit.", # 21
    "je travaille les weekends ou les jours fériés.", # 22
    "il y a des dysfonctionnement dans le déroulement de mon travail.", # 32
    "il m'arrive d'avoir peur pendant mon travail.", # 40
    "il m'arrive de travailler dans l'urgence (imprévus...).", # 41
    "il m'arrive d'être dérangé par des sollicitations (téléphone, conseils, etc.) lorsque j'aurais besoin de me concentrer.", # 42
    "il m'arrive de mal dormir parce que je pense à mon travail.", # 43
    "il m'arrive de contourner les procédures de travail.", # 44
    "il m'arrive de venir au travail à contrecoeur.", # 45
    "il m'arrive de ressentir de l'ennui dans mon travail.", # 46
    "les mutations technologiques constituent une contrainte dans la mise en oeuvre de mes missions.", # 48
    "les mutations stratégiques constituent une contrainte dans la mise en oeuvre de mes missions.", # 49
    "Au cours des dernières années, mon travail est devenu de plus en plus exigeant.", # 55
    "j'ai fait l'objet de discriminations liées à mon sexe, mon âge, ma religion, mon handicap, ou encore mon orientation sexuelle.", # 57
    "j'ai déjà travaillé alors que j'étais malade.", # 58
    "j'ai fait l'objet de violences physiques au travail.", # 59
    "j'ai souffert de violences psychologiques.", # 60
    "j'ai vécu des difficultés relationnelles au travail.", # 62
    "je crains de perdre mon emploi.", # 69
    "j'envisage de quitter ma structure.", # 72
]
# ajouter "Ma structure" à partir de la diapo 25 jusqu'à la 30
# ajouter "Il m'arrive" à partir de la diapo 40 jusqu'à la 46

def sort_plot(values,colors,invers=False):
    name_index = values.index.name
    name_col = values.name
    df = values.reset_index()
    df['idx'] = None
    for i,c in enumerate(colors.keys()):
        if c in df[name_index].tolist():
            df.loc[df[name_index]==c,'idx'] = i
    df.set_index('idx',inplace=True)
    df.sort_index(inplace=True)
    df.set_index(name_index,inplace=True)
    return df[name_col]


def color_plot(data_list):
    for d in dict_color.values():
        if any(k in data_list for k in d.keys()):
            return d

def keyword_plot(data):
    color = dict_color['mood']
    ax = (pd.Series({
        'mots positifs': data.isin(good_mood).value_counts()[True] if any(data.isin(good_mood)) else 0,
        'mots neutres':  data.isin(mood).value_counts()[True] if any(data.isin(mood)) else 0,
        'mots négatifs': data.isin(bad_mood).value_counts()[True] if any(data.isin(bad_mood)) else 0,
        # 'autre':0
    })
        .plot
        .pie(
            y='quantite',
            title=data.name,
            figsize=(5, 5),
            legend=True,
            ylabel='',
            # colors = [*[i for i in color.values()],'#069f05'],
            colors = [i for i in color.values()],
            fontsize=11,
            autopct='%1.1f%%', # pourcentage sur 1 chiffre apres la virgule de chaque portion 
        ))
    ax.title.set_fontweight('bold')
    return ax


def make_plot(data):
    color = color_plot(data.unique())
    vals = sort_plot(data.value_counts(),color)
    if data.name in invers:
        lst_color = []
        [[x,*lst_color] for x in color.values()]
        color = dict(zip(color.keys(),list(reversed(color.values()))))
    ax = (vals
        .plot
        .pie(
            y='quantite',
            title=data.name.capitalize(),
            figsize=(5, 5),
            legend=True,
            ylabel='',
            colors = [color[i] for i in vals.index],
            fontsize=11,
            autopct='%1.1f%%', # pourcentage sur 1 chiffre apres la virgule de chaque portion 
        ))
    ax.title.set_fontweight('bold')
    ax.title.set_wrap(True)
    return ax


if __name__ == "__main__":


    PATH = '/media/colas/SRV/FICHIERS/Délégués Personnel_CSE/6_Enquêtes/Enquêtes RPS'
    file = 'Enquete_Nat_RPS_2023_CEN_ISERE.xlsx'

    df = pd.read_excel(os.path.join(PATH,file))
    df.drop(columns=['Année','Votre CEN','Séquentiel','id'], inplace=True, errors='ignore')

    pdf = backend_pdf.PdfPages(os.path.join(PATH,'ANALYSE',"Analyse 2023.pdf"))
    for i,c in enumerate(df.columns):
        if i in range(24,30): df[c].name = 'ma structure ' + df[c].name
        if i in range(39,46): df[c].name = "il m'arrive " + df[c].name

        fig = keyword_plot(df[c]) if c.startswith('Mot clef') else make_plot(df[c])
        pdf.savefig(
            fig.get_figure(), 
            transparent=True
        )
        fig.clear()

    pdf.close()

    # c = 'Mot clef 1'
    # data = df[c]