#!/usr/bin/env python3
# -*- coding: UTF-8 -*-

from pycen import update_to_sql, con_sicen,con_gn
import geopandas as gpd
import os

DIR = '/home/colas/Documents/9_PROJETS/4_SICEN/GN_MIGRATION'

def form_cdnom(data):
    dict_cdnom = {
        116744:521658,  # Flore : Quercus petraea
    }
    data.replace({'cd_nom':dict_cdnom},inplace=True)
    data.replace({'cd_ref':dict_cdnom},inplace=True)

def form_complx_grp(data):
    dict_cdnom = {
        9999005:105817, # Leucanthemum vulgare (#groupe)
        9999014:119097, # Rubus fruticosus (#groupe)
        9999017:717630, # Taraxacum officinale (#groupe)
        9999019:126573, # Thymus serpyllum (#groupe)
        9999020:129298, # Vicia sativa (#groupe)
        9999023:188772, # Acrocephalus palustris / scirpaceus (#complexe)
        9999031:441709, # Cairina moschata f. domestica (#forme)
        9999033:190350, # Carduelis flammea flammea / cabaret / Carduelis hornemanni (#complexe)
        9999037:191029, # Colias alfacariensis / hyale (#complexe)
        9999041:4503, # Corvus corone corone / cornix (#complexe)
        9999042:186239, # Eptesicus / Nyctalus sp. (#complexe)
        9999046:192539, # Felis silvestris / catus (#complexe)
        9999050:193993, # Leptidea sinapis / reali (#complexe)
        9999054:194481, # Martes martes / foina (#complexe)
        9999057:195005, # Myotis myotis / blythii (#complexe)
        9999063:444436, # Pelophylax kl. esculentus / lessonae (#complexe)
        9999064:4280, # Phylloscopus collybita tristis / "abietinus" (#complexe)
        9999066:196980, # Pyrgus malvae / malvoides (#complexe)
        9999074:197040, # Rana dalmatina / temporaria (#complexe)
        9999075:196296, # Pipistrellus nathusii / kuhlii (#complexe)
        9999080:194357, # Lysandra coridon / hispana (#complexe)
        9999082:195005, # Myotis daubentonii / Myotis mystacinus (#complexe)
        9999083:699094, # Pipistrellus / Miniopterus (#complexe)
    }
    lst_cdnom_old = [*dict_cdnom.keys()]

    if data.cd_nom.isin(lst_cdnom_old).any():
        data.loc[data.cd_nom.isin(lst_cdnom_old),'complexe_groupe'] = data[data.cd_nom.isin(lst_cdnom_old)].nom_complet
        data.replace({'cd_nom':dict_cdnom},inplace=True)

        sql = 'SELECT cd_nom, nom_complet nom_new FROM taxonomie.taxref where cd_nom in {}'.format(tuple(dict_cdnom.values()))
        tax = gpd.pd.read_sql(sql, con_gn)
        data = data.merge(tax,how='left',on='cd_nom')
        data.loc[data.nom_new.notna(),'nom_latin'] = data[data.nom_new.notna()].nom_new
        data.drop(columns='nom_new',inplace=True)

def correct_taxonomie(data):
    dict_taxo = {
        444440:'Pelophylax kl\. esculentus \(Linnaeus, 1758\)'
    }
    for k,v in dict_taxo.items():
        is_saisie = data.rmq_observation.str.contains(v,na=False)
        if not is_saisie.any():
            continue
        data.loc[is_saisie,'nom_latin'] = v
        data.loc[is_saisie,'cd_nom'] = k
        data.loc[is_saisie,'cd_ref'] = k

def form_precision(data):
    dict_pre = {
        'GPS':0,
        '0 à 10m':10,
        '10 à 100m':100,
        '100 à 500m':500,
        'lieu-dit':750,
        'commune':None,
    }
    is_com = data.precision =='commune'
    rmq_null = data.rmq_localisation.isnull()
    data.loc[is_com&rmq_null,'rmq_localisation'] = 'Localisation : commune'
    data.loc[is_com&~rmq_null,'rmq_localisation'] = 'Localisation : commune ;'+data[is_com].rmq_localisation
    data.replace({'precision':dict_pre},inplace=True)
    data.precision = data.precision.astype('Int64')


def form_effectif(data):
    eff_notna = data.effectif.notna()
    efmin_notna = data.effectif_min.notna()
    efmax_isna = data.effectif_max.isna()
    data.loc[(~eff_notna)&efmin_notna,'effectif'] = data[(~eff_notna)&efmin_notna].effectif_min
    data.loc[(~eff_notna)&(~efmax_isna),'effectif'] = data[(~eff_notna)&(~efmax_isna)].effectif_max
    # data.loc[efmax_isna,'effectif_max'] = data[efmax_isna].effectif
    data.effectif = data.effectif.astype('Int64')
    data.effectif_max = data.effectif_max.astype('Int64')

    t1 = data.effectif_min < data.effectif
    data.loc[t1,'effectif_max'] = data[t1].effectif
    data.loc[t1,'effectif'] = data[t1].effectif_min


# Est trop incertain... Les effectifs récupérés sont < aux effectifs déclarés
# ==> Incompréhansion, Ne sera pas utilisé
def recup_faune_eff(data):
    # Récupération des effectifs standardisés du champ rmq_observation
    ismixte = data.rmq_observation.str.contains('\\d.00 Mâle\(s\) et \\d.00 Femelle\(s\)',na=False)
    ismal = data.rmq_observation.str.contains('\\d.00 Mâle\(s\) et \? Femelle\(s\)',na=False)
    isfem = data.rmq_observation.str.contains('\? Mâle\(s\) et \\d.00 Femelle\(s\)',na=False)
    data.loc[ismixte,'extract_eff'] = (data[ismixte].rmq_observation
        .str.extract('(\d+).00 Mâle\(s\) et (\d+).00 Femelle\(s\)').astype(int).sum(axis=1))
    data.loc[ismal,'extract_eff'] = (data[ismal].rmq_observation
        .str.extract('(\d+).00 Mâle\(s\) et \? Femelle\(s\)').astype(int).sum(axis=1))
    data.loc[isfem,'extract_eff'] = (data[isfem].rmq_observation
        .str.extract('\? Mâle\(s\) et (\d+).00 Femelle\(s\)').astype(int).sum(axis=1))
    
    extr = data.extract_eff.notna()
    extr_sup = data.effectif < data.extract_eff
    data[extr_sup]
    age_na = data.age_faune.isna()
    no_0 = data.extract_eff > 0
    if any(age_na&no_0&ismixte):
        data.loc[age_na&no_0&ismixte,'age_faune'] = 'mixte'
    if any(age_na&no_0&ismal):
        data.loc[age_na&no_0&ismal,'age_faune'] = 'male'
    if any(age_na&no_0&isfem):
        data.loc[age_na&no_0&isfem,'age_faune'] = 'femelle'

def form_date(data):
    cols = data.columns[data.columns.str.contains('date')]
    for col in cols:
        data.loc[data[col].isna(),col] = None

def recup_stadevie(data):
    dict_repro = {
        'ODO_Exuvie/émergence':'Exuvie/émergence',
        'ODO_Immature':'Immature',
        **dict.fromkeys(['ODO_Mâles+Femelles','ODO_Tandem','ODO_Territorial','ODO_Ponte'],'Adulte'),
        **dict.fromkeys(['CHIR_Indéterminé','ODO_Indéterminé'],'Indéterminé')
    }
    if 'age_faune' in data.columns:
        age_isna = data.age_faune.isna()
        age_inrmq = data.rmq_observation.str.contains('Stade de vie')
        data.loc[age_isna&age_inrmq,'age_faune'] = (data[age_isna&age_inrmq].rmq_observation
            .str.split('Stade de vie :')
            .str[1]
            .str.split('|')
            .str[0]
            .str.strip())
        double_info = data.age_faune.isin(['Imago, adulte', 'Nymphe, immature'])
        d2 = data[double_info].copy()

        data.age_faune = data.age_faune.str.replace('Imago, adulte','Imago')
        data.age_faune = data.age_faune.str.replace('Nymphe, immature','Nymphe')

        d2.age_faune = d2.age_faune.str.replace('Imago, adulte','Adulte')
        d2.age_faune = d2.age_faune.str.replace('Nymphe, immature','Immature')
        d2.id_obs = ('9999'+d2.id_obs.astype(str)).astype(int)

        data = gpd.pd.concat([data,d2])

        lst_age = [*dict_repro.keys()]
        age_isna = data.age_faune.isna()
        t1 = age_isna&(data.reprostatut_faune.isin(lst_age))
        data.loc[t1,'age_faune'] = data[t1].reprostatut_faune.replace(dict_repro)

        t2 = data.age_faune=='Exuvie/émergence'
        is_exuvie = (data.rmq_observation
            .replace(['é','E','É'],'e',regex=True)
            .str.contains('exuvie',na=False))
        is_emerge = (data.rmq_observation
            .replace(['é','E','É'],'e',regex=True)
            .str.contains('emerge',na=False))
        rmq_isna = data.rmq_observation.isna()
        
        data.loc[is_exuvie&~is_emerge&t2,'age_faune'] = 'Exuvie'
        data.loc[~is_exuvie&is_emerge&t2,'age_faune'] = 'Emergent'
        data.loc[is_exuvie&is_emerge&t2,'age_faune']  = 'Exuvie'
        data.loc[is_exuvie&is_emerge&rmq_isna&t2,'age_faune'] = 'Emergent'

        t3 = data.age_faune=='Oeuf/ponte/larve/nymphe/chenille...'
        # Odonate
        is_odo = data.ordre == 'Odonata'
        data.loc[t3&is_odo,'age_faune'] = 'Exuvie'
        # Amphibiens
        is_amphi = data.group2_inpn == 'Amphibiens'
        is_larve = data.rmq_observation.str.contains('larve',na=False)
        is_ponte = data.rmq_observation.str.contains('ponte|Ponte',na=False)
        is_tetar = data.rmq_observation.replace(['ê','é'],'e',regex=True).str.contains('tetard',na=False)
        is_urode = data.ordre=='Urodela'
        is_anure = data.ordre=='Anura'
        rmq_na   = data.rmq_observation.isna()
        data.loc[t3&is_amphi&is_larve,'age_faune'] = 'Larve'
        data.loc[t3&is_amphi&is_ponte,'age_faune'] = 'Oeufs'
        data.loc[t3&is_amphi&is_tetar,'age_faune'] = 'Têtard'
        data.loc[t3&is_amphi&is_urode&rmq_na,'age_faune'] = 'Larve'
        data.loc[t3&is_amphi&is_anure&rmq_na,'age_faune'] = 'Ponte'
        # Corresction de 3 données de Nicolas Biron
        t3 = data.age_faune=='Oeuf/ponte/larve/nymphe/chenille...'
        data.loc[t3&(is_urode|is_anure),'age_faune'] = 'Ponte'
        # Correction de la dernière donnée restante (Marjorie Simean)
        t3 = data.age_faune=='Oeuf/ponte/larve/nymphe/chenille...'
        data.loc[t3,'age_faune'] = 'Oeufs'

        # Définition de l'objet du dénombrement si ponte
        if 'obj_denombre' not in data.columns:
            data['obj_denombre'] = None
        isnot_ponte = ~data.rmq_observation.str.contains('nbre pontes:0',na=False)
        data.loc[is_amphi&is_ponte&isnot_ponte,'obj_denombre'] = 'Ponte'

        # Récup stade_vie derrirère le terme @NSA
        age_isna = data.age_faune.isna()
        as_nsa = data.rmq_observation.str.contains('@NSA',na=False)
        # data.loc[age_isna&as_nsa,'test'] = (data[age_isna&as_nsa].rmq_observation
        #     .str.split('@NSA :|@NSA:')
        #     .str[1]
        #     .str.split('/|;')
        #     .str[0]
        #     .str.strip())
        data.loc[age_isna&as_nsa,'age_faune'] = (data[age_isna&as_nsa].rmq_observation
            .str.split('@NSA :|@NSA:')
            .str[1]
            .str.split('/|;')
            .str[0]
            .str.strip()
            .str.lower()
            .str.extract('(imm|juv|ad|jeune|larve)')[0])
        
        # Récup stade_vie derrirère le terme Commentaires
        age_isna = data.age_faune.isna()
        as_com = data.rmq_observation.str.contains('Commentaires : \\d',na=False)
        data.loc[age_isna&as_com,'age_faune'] = (data[age_isna&as_com].rmq_observation
            .str.split('[,(.]|Code Atlas')
            .str[0].str.strip()
            .str.lower()
            .replace(
                {'femelles':'femelle','mâles':'mâle','adultes':'adulte',
                'jeunes':'jeune','juvéniles':'juvénile','larves':'larve',
                'couples':'couple','x':''},regex=True)
            .str.extract('[Commentaires : \d+ ](jeune volant|juvénile|juv|couple|adulte|ad|crapelet|femelle adulte|larve|mâle juvénile|mâle adulte|subadulte|larve \/ têtard)$')[0])
        age_isna = data.age_faune.isna()
        data.loc[age_isna&as_com,'age_faune'] = (data[age_isna&as_com].rmq_observation
            .str.split('[,(.]|Code Atlas')
            .str[0].str.strip()
            .str.lower()
            .replace(
                {'femelles':'femelle','mâles':'mâle','adultes':'adulte',
                'jeunes':'jeune','juvéniles':'juvénile','larves':'larve',
                'têtards':'têtard','couples':'couple','x':''},regex=True)
            .str.extract('[Commentaires : \d+](jeune volant|juvénile|juv|couple|adulte|ad|crapelet|femelle adulte|larve|mâle adulte|subadulte|larve / têtard)$')[0])
        
        # Précision de larve / têtard
        is_impreci = data.age_faune=='larve / têtard'
        data.loc[is_impreci&is_anure,'age_faune'] = 'têtard'
        data.loc[is_impreci&is_urode,'age_faune'] = 'larve'

        data.age_faune = (data.age_faune
            .replace({
                'ad':'Adulte',
                'Oeufs':'Oeuf',
                'imm':'Immature', 
                'jeune':'Jeune',
                'juv':'Juvénile',
                'subadulte':'Sub-adulte',
                'Subadulte':'Sub-adulte',})
            .str.capitalize()
        )

        sex_isna = data.sexe_faune.isna()
        is_male = data.age_faune.str.contains('Mâle',na=False)
        is_feml = data.age_faune.str.contains('Femelle',na=False)
        is_copl = data.age_faune.str.contains('Couple',na=False)
        is_immat = data.age_faune.str.contains('Immature',na=False)
        data.loc[sex_isna&is_male,'sexe_faune'] = 'Mâle'
        data.loc[sex_isna&is_feml,'sexe_faune'] = 'Femelle'
        data.loc[sex_isna&is_copl,'sexe_faune'] = 'Couple'
        data.loc[sex_isna&is_immat,'sexe_faune'] = 'Immature'

        return data

def complete_objdenomb(data):
    asnot_denomb = data.obj_denombre.isna()
    isnot_dead = data.etat_bio != 'mort'
    as_statbio = data.statut_bio.notna()
    as_compt = data.comportement.notna()
    as_atlas = data.code_atlas.notna()
    as_age = data.age_faune.notna()
    as_sexe = data.sexe_faune.notna()
    as_repro = data.reprostatut_faune.notna()
    as_determ = data.determination.notna()
    data.loc[asnot_denomb&isnot_dead&(as_statbio|as_compt|as_atlas|as_age|as_sexe|as_repro|as_determ),'obj_denombre'] = 'individu'
    return data

def recup_comptmt(data):
    if 'reprostatut_faune' in data.columns:
        # Récupération du comportement après `Comp. ind` dans la colonne `rmq_observation`
        compt_isna = data.reprostatut_faune.isna()
        in_rmq = data.rmq_observation.str.contains('Comp. ind')
        data.loc[compt_isna&in_rmq,'comportement'] = (data[compt_isna&in_rmq].rmq_observation
            .str.split('Comp. ind. :')
            .str[1]
            .str.split('|')
            .str[0]
            .str.strip())
        # Récupération du comportement dans la colonne `reprostatut_faune`
        sex_isna  = data.sexe_faune.isna()
        comp_isna = data.comportement.isna()
        lst_comp_inv = [
                'ODO_Tandem','ODO_Territorial','INV_Accouplement','INV_Chant (orthoptères)','ODO_Ponte']
        lst_comp_ver = ['OIS_Reproduction certaine (patrim)','MAM_Fécès - épreinte - urine', 'OIS_Nid avec jeune(s)',
            'OIS_Couvaison', 'CHIR_Hivernant', 'AMP_Mise bas - ponte','CHIR_Lethargie', 'OIS_Chant', # 'AMP_Indéterminé', 
            'AMP_Chant','CHIR_Estivant', 'CHIR_Transit', 'OIS_Reproduction possible',
            'MAM_Alarme', 'AMP_Accouplement', 'OIS_Fuite - envol','OIS_Accouplement']
        if data.reprostatut_faune.isin(lst_comp_inv).any():
            t3 = (~compt_isna)&comp_isna&sex_isna&(data.reprostatut_faune.isin(lst_comp_inv))
        elif data.reprostatut_faune.isin(lst_comp_ver).any():
            t3 = (~compt_isna)&comp_isna&(data.reprostatut_faune.isin(lst_comp_ver))
        data.loc[t3,'comportement'] = data[t3].reprostatut_faune

        # Récupération du comportement après `Comp. ind` dans la colonne `rmq_observation`
        # dictionnaire des transports
        dict_transport = {
            **dict.fromkeys(['transport de branche','transport de matériaux','transport de brindille','transporte une branche',"transport d'une branche",'transportant des matériaux','transportant une branche','transporte des feuilles'],'transport matériaux'),
            **dict.fromkeys(['transport de nourriture','transport nourriture','transport de poisson','transportant nourriture','Transporte une proie','transport de proie'],'transport nourriture'),
        }
        lst_rmq_comp = "chant|houspille|en chasse|{}|en vol|en survol|posé|parade|s'envole|se nourrit|se pose|tambourinage|vol migratoire|hivernage|nourrissage|couveur|nourrit|cht|cris|estivant|hivernant|Construction de nid|alarme|migration active".format('|'.join(dict_transport.keys()))
        comp_isna = data.comportement.isna()
        in_rmq = data.rmq_observation.str.contains('[%s]'%lst_rmq_comp,case=False,na=False)
        data.loc[comp_isna&in_rmq,'comportement'] = (data[comp_isna&in_rmq].rmq_observation
            .str.lower()
            .str.extract('(%s)'%lst_rmq_comp)[0]
            .replace(dict_transport))

        comp_isna = data.comportement.isna()
        envol = data.rmq_observation.str.contains('Statut:Passage.')
        if any(comp_isna&envol):
            data.loc[comp_isna&envol,'comportement'] = 'en vol'

        comp_isna = data.comportement.isna()
        data.loc[comp_isna,'comportement'] = (data[comp_isna].rmq_observation
            .replace({'x',''},regex=True)
            .str.lower()
            .str.extract('[détails : \d+ ]\((en transit)\)')[0])

def _get_gn_atlas():
    sch = 'ref_nomenclatures'
    tab = ['t_nomenclatures','bib_nomenclatures_types']
    bib_mnemo='CODE_ATLAS'
    sql = """ 
    SELECT 
        a.id_nomenclature,
        a.cd_nomenclature,
        a.mnemonique mnemo,
        a.label_default as label,
        a.label_fr,
        a.definition_default definition,
        a.definition_fr def_fr,
        b.mnemonique bib_mnemo,
        b.label_default bib_label,
        b.definition_default bib_def,
        a.active
    FROM {sch}.{tab0} a
        JOIN {sch}.{tab1} b USING (id_type)
    """.format(sch=sch,tab0=tab[0],tab1=tab[1])
    if bib_mnemo is not None:
        sql += " WHERE "
        sql += "b.mnemonique = '%s'"%bib_mnemo
    return gpd.pd.read_sql_query(sql,con_gn)


def recup_atlas(data):
    is_atlas = data.rmq_observation.str.contains('Code atlas',na=False)
    # is_atlas = data.rmq_observation.str.contains('Code atlas :',na=False)

    if any(is_atlas):
        atlas = _get_gn_atlas()
        dict_code = dict(zip(atlas.cd_nomenclature.astype(int).astype(str),atlas.label_fr))
        dict_label = dict(zip(atlas.label.str.removesuffix('.'),atlas.label_fr))
        dict_autre = {
            'Mâle chanteur (ou cris de nidification) ou tambourinage en période de reproduction':'Mâle chanteur présent en période de nidification, cris nuptiaux ou tambourinage entendus, mâle vu en parade',
            'Jeunes fraîchement envolés (espèces nidicoles) ou poussins (espèces nidifuges)':'Jeunes en duvet ou jeunes venant de quitter le nid et incapables de soutenir le vol sur de longues distances'
        }
        data.loc[is_atlas,'code_atlas'] = (data[is_atlas].rmq_observation
            .str.split('Code atlas')
            .str[1]
            # .str.split('\||@|;|\(')
            .str.split(r'[|@;]')
            .str[0]
            .replace({
                **dict.fromkeys([':','Nidification possible \(','Nidification certaine \(','Nidification probable \('],''),
                '\s+':' ',
                ' - ':'; '},regex=True)
            .str.strip()
            .str.replace('nuptial parades','nuptial: parades')
            .str.removesuffix(')')
            .replace('',None)
            .replace(dict_code)
            .replace(dict_autre)
            .replace(dict_label))
        
        data.loc[is_atlas,'rmq1'] = (data[is_atlas].rmq_observation
            .str.split('Code atlas')
            .str[0]
            .str.strip()
            .replace(dict.fromkeys(['Commentaires :','Remarques :','Détails :  @','','nan'],None))
        )
        data.loc[is_atlas,'rmq2'] = (data[is_atlas].rmq_observation
            .str.split('Code atlas')
            .str[1]
            .str.split(r'[|@;]')
            .str[1]
            .str.strip()
            .str.removesuffix(';')
            .str.strip()
            .replace(dict.fromkeys(['','nan'],None))
        )
        data.loc[is_atlas,'rmq_observation'] = [
            ' ; '.join([x,y]) if not gpd.pd.isna(y) and not gpd.pd.isna(x) 
            else y if gpd.pd.isna(x) 
            else x 
            for x,y in zip(data[is_atlas].rmq1,data[is_atlas].rmq2)
        ]
        data.rmq_observation.replace('nan',None,inplace=True)
        data.drop(columns=['rmq1','rmq2'],inplace=True)

    atlas_isna = data.code_atlas.isna()
    rmq_atlas = {
        '2':"Observation de l'espèce pendant la période de nidification dans un biotope adéquat",
        '2':"Observation de l'espèce pendant la période de nidification",
        '4':'Couple pendant la période de nidification dans un biotope adéquat',
    }
    for k,v in rmq_atlas.items():
        as_atlas = data.rmq_observation.str.contains(v,na=False)
        data.loc[atlas_isna&as_atlas,'code_atlas'] = dict_code[k]

    # Récupération du code atlas 99
    for i in ['99','1.00','2','3.00','3 ','4 ','4.00','5.00','5 ',
            '6','7','8','9.00','9 ','10','11 ','12 ','12.00','13',
            '14.00','14 ','15.00','16','17','18','19']:
        is_atlas = data.rmq_observation.str.contains('Code Atlas : %s'%i,na=False)
        atlas_isna = data.code_atlas.isna()
        if is_atlas.any():
            data.loc[is_atlas&atlas_isna,'code_atlas'] = str(int(float('%s'%i)))
            data.loc[is_atlas&atlas_isna,'code_atlas'] = data[is_atlas&atlas_isna].code_atlas.replace(dict_code)

    # définition du code_atlas par le statut repro
    lst_repro = [
        'Reproduction possible','Reproduction probable','Reproduction confirmée','Nicheur possible'
    ]
            
    atlas_isna = data.code_atlas.isna()
    is_aves = data.group2_inpn == 'Oiseaux'
    is_repro = data.statut_bio.isin(lst_repro)
    if any(is_aves&is_repro&atlas_isna):
        data.loc[is_aves&is_repro&atlas_isna,'code_atlas'] = (data[is_aves&is_repro&atlas_isna].statut_bio
            .replace(['Reproduction','Nicheur'],'Nidification')
            .replace(dict_label))

    # définition du code atlas par le statut repro
    atlas_isna = data.code_atlas.isna()
    dict_repro = {
        **dict.fromkeys(['couvaison','couveur','ois_couvaison'],'18'),
        **dict.fromkeys(['accouplement','ois_accouplement','parade'],'6'),
        **dict.fromkeys(['alarme'],'8'),
        **dict.fromkeys(['chant','cht','ois_chant'],'3'),
        **dict.fromkeys(['nourrissage','nourrissage des jeunes'],'16'),
        **dict.fromkeys(['ois_nid avec jeune(s)'],'19'),
        **dict.fromkeys(['ois_reproduction certaine (patrim)'],'50'),
        **dict.fromkeys(['ois_reproduction possible'],'30'),
        **dict.fromkeys(['transport matériaux'],'10'),
    }
    for k,v in dict_repro.items():
        is_repro = data.comportement.str.lower()==k
        if any(is_repro&atlas_isna):
            data.loc[is_repro&is_aves&atlas_isna,'code_atlas'] = dict_code[v]
    
    # Suppression des codes atlas érronés
    is_dead = data.etat_bio=='mort'
    atlas_notna = data.code_atlas.notna()
    if any(is_dead&atlas_notna):
        data.loc[is_dead&atlas_notna,'code_atlas'] = None


def form_observator(data):
    return data.observateurs_v2.replace({
        ' \(CEN Isère\) \(CEN Isère\)':'',
        ' \(GRPLS\) \(GRPLS\)':'',
        ' \(CD Isère\) \(CD Isère\)':'',
        ' \(BIOTOPE\) \(BIOTOPE\)':'',
        ' \(Ecosphère\) \(Ecosphère\)':'',
        ' \(FMBDS\) \(FMBDS\)':'',
        ' \(Lo Parvi\) \(Lo Parvi\)':'',
        ' \(LPO Rhône\) \(LPO Rhône\)':'',
        ' \(Personnel\) \(Personnel\)':'',
        ' \(ONCFS\) \(ONCFS\)':'',
        ' \(Nature et Vie Sociale\) \(Nature et Vie Sociale\)':'',
        ' \(Conservatoire d’Espaces Naturels Isère\) \(Conservatoire d’Espaces Naturels Isère\)':'',
        ' \(Société Batrachologique de France\) \(Société Batrachologique de France\)':'',
        'CEN Isère':'Conservatoire d’Espaces Naturels Isère',
    },regex=True)

def form_coord(data):
    t1 = data.longitude_x > 10
    t2 = data.latitude_y > 50
    data.loc[t1,'longitude_x'] = data[t1].to_crs(epsg=4326).geom.x
    data.loc[t2,'latitude_y'] = data[t2].to_crs(epsg=4326).geom.y

def form_rmqobs(data):
    data.rmq_observation.replace({
        'Commentaires : Détails :':'Détails :',
        'Commentaires :  , localisation :':'localisation :',
    },inplace=True,regex=True)

def recup_determ(data):
    determ_isna = data.determination.isna()
    is_statut = data.rmq_observation.str.contains('Indice de présence')
    if is_statut.any():
        data.loc[determ_isna&is_statut,'determination'] = 'Indice de présence'
        data.loc[determ_isna&is_statut,'preuve_detrm'] = (data[determ_isna&is_statut].rmq_observation
            .str.split('Indice de présence')
            .str[1]
            .str.split('|')
            .str[0]
            .str.strip()
            .str.extract('.*\((.*)\).*')[0]
        )

    determ_isna = data.determination.isna()
    data.loc[determ_isna,'determination'] = (data[determ_isna].rmq_observation
        .str.extract('.*\((en main|observation indirecte|vu|contact auditif|analyse de pelotes)\).*')[0]
    )

    # determ_isna = data.determination.isna()
    # in_hand = data.rmq_observation.str.contains('\(en main\)')
    # if any(determ_isna&in_hand):
    #     data.loc[determ_isna&in_hand,'determination'] = 'en main'

    determ_isna = data.determination.isna()
    vu = data.rmq_observation.str.contains('Individu vu|Vu vivant|Commentaires \: Vu')
    if any(determ_isna&vu):
        data.loc[determ_isna&vu,'determination'] = 'Individu vu'

    determ_isna = data.determination.isna()
    entendu = data.rmq_observation.str.contains('Individu entendu')
    if any(determ_isna&entendu):
        data.loc[determ_isna&entendu,'determination'] = 'Individu entendu'

    determ_isna = data.determination.isna()
    photo = data.rmq_observation.str.contains('piège photo')
    if any(determ_isna&photo):
        data.loc[determ_isna&photo,'determination'] = 'Observation par piège photographique'

def recup_statutbio(data): 
    data['statut_bio'] = None
    is_stat1 = data.rmq_observation.str.contains('Caractéristique',na=False)
    if is_stat1.any():
        statbio_isna = data.statut_bio.isna()
        data.loc[statbio_isna&is_stat1,'statut_bio'] = (data[statbio_isna&is_stat1].rmq_observation
            .str.split('Caractéristique :')
            .str[1]
            .str.split('\|')
            .str[0]
            .str.strip()
        )
    is_stat2 = data.rmq_observation.str.contains('Statut',na=False)
    if is_stat2.any():
        statbio_isna = data.statut_bio.isna()
        data.loc[statbio_isna&is_stat2,'statut_bio'] = (data[statbio_isna&is_stat2].rmq_observation
            .str.split('Statut')
            .str[1]
            .str.strip()
            .str.removeprefix(':').str.strip()
            .str.split('\||/|;')
            .str[0]
            .str.strip()
            .str.extract('(Migrateur|Estivage|Reproduction probable|Reproduction certaine|Reproduction possible|Hivernant)')[0]
        )
    is_stat3 = data.rmq_observation.str.contains('Critere',na=False)
    if is_stat3.any():
        statbio_isna = data.statut_bio.isna()
        data.loc[statbio_isna&is_stat3,'statut_bio'] = (data[statbio_isna&is_stat3].rmq_observation
            .str.split('Critere')
            .str[1]
            .str.strip()
            .str.removeprefix(':').str.strip()
            .str.split('\||/|;')
            .str[0]
            .str.strip()
            .str.extract('(nicheurs possibles|reproducteur)')[0]
        )
    is_stat4 = data.rmq_observation.str.contains('Commentaires',na=False)
    if is_stat4.any():
        statbio_isna = data.statut_bio.isna()
        data.loc[statbio_isna&is_stat4,'statut_bio'] = (data[statbio_isna&is_stat4].rmq_observation
            .str.split('Commentaires')
            .str[1]
            .str.strip()
            .str.removeprefix(':').str.strip()
            .str.lower()
            .str.extract('(estivant|nicheur certain|nicheur probable|nicheur|semble nicher|niche|Reproduction probable|Reproduction certaine|Reproduction possible)')[0]
        )

def recup_etatbio(data):
    data['etat_bio'] = None
    # Récupération de la mortalité dans le champs rmq_observation
    is_dead1 = (data.rmq_observation
        .str.lower()
        .str.contains('individu mort|trouvé mort|mort : oui',na=False))
    if is_dead1.any():
        data.loc[is_dead1,'etat_bio'] = 'mort'

    is_dead2 = data.comportement.str.lower()=='cadavre'
    if is_dead2.any():
        data.loc[is_dead2,'etat_bio'] = 'mort'
    
    # nettoyage des comportements si individu mort
    is_dead = is_dead1|is_dead2
    compt_notna = data.comportement.notna()
    if any(is_dead&compt_notna):
        data.loc[is_dead&compt_notna,'comportement'] = None
    
    # adaptation de la détermination
    detm_hand = data.determination=='en main'
    if any(detm_hand&is_dead):
        data.loc[detm_hand&is_dead,'comportement'] = 'cadavre en main'

def recup_sexefaune(data):
    is_male = data.rmq_observation.replace({'[x.0s]':''},regex=True).str.lower().str.contains('\\d mâle',na=False)
    is_feml = data.rmq_observation.replace({'[x.0s]':''},regex=True).str.lower().str.contains('\\d femelle',na=False)
    sexe_isna = data.sexe_faune.isna()
    data.loc[sexe_isna&is_male&~is_feml,'sexe_faune'] = 'mâle'
    data.loc[sexe_isna&~is_male&is_feml,'sexe_faune'] = 'femelle'
    data.loc[sexe_isna&is_male&is_feml,'sexe_faune'] = 'mixte'

def format_faune(data):
    recup_sexefaune(data)
    recup_comptmt(data)
    recup_etatbio(data)
    recup_statutbio(data)
    recup_atlas(data)
    res = recup_stadevie(data)
    return complete_objdenomb(res)

def format_data(data):
    form_rmqobs(data)
    data.observateurs_v2 = form_observator(data)
    form_precision(data)
    form_effectif(data)
    correct_taxonomie(data)
    form_cdnom(data)
    form_date(data)
    form_coord(data)
    form_complx_grp(data)
    recup_determ(data)
    return format_faune(data)

def _export(path_name, data, format='csv'):
    if format=='xlsx':
        data.to_excel(path_name+'.%s'%format)
    elif format=='csv':
        data.to_csv(path_name+'.%s'%format)
    else:
        raise('format non prévu')

def _filter_diffusable(path_name,data):
    if any(data.diffusable=='non'):
        no_diff = data[data.diffusable=='non'].copy()
        diff = data[data.diffusable=='oui'].copy()
        to_export = {
            path_name+'_diff':diff,
            path_name+'_no_diff':no_diff
        }
    else:
        to_export = {
            path_name:data
        }
    return to_export


def _filter_uuid_sinp(to_export):
    res = {}
    for k,v in to_export.items():
        if 'unique_id_sinp' in v.columns:
            uuid_sinp = v[v.unique_id_sinp.notna()]
            not_uuid = v[v.unique_id_sinp.isna()]
            res |= {
                k+'_uuid':uuid_sinp,
                k+'_not_uuid':not_uuid
            }
        else:
            res |= {
                k:v
            } 
    return res

def export(path_name, data, format='csv'):
    # Formatage des dates avant écriture
    detect_date = data.columns[data.columns.str.startswith('date')]
    data.loc[:,detect_date] = data[detect_date].astype(str)
    # Suppression de la colonne geom
    df = data.to_wkt().drop(columns='geom',errors='ignore')
    # Export
    _to_export = _filter_diffusable(path_name,df)
    to_export = _filter_uuid_sinp(_to_export)
    for k,v in to_export.items():
        if v.empty:
            continue
        _export(k,v,format)

def serena_rnngl_site():
    from sqlalchemy import create_engine   # pour lecture de la bd
    from sqlalchemy.engine import URL
    from shapely.geometry import Polygon

    usr = 'postgres'
    pdw = 'postgres'
    bdd = 'serenadb'
    host = '172.17.0.2'
    eng = URL.create('postgresql+psycopg2',username=usr,password=pdw,host=host,database=bdd)
    conn = create_engine(eng)
    sit = gpd.pd.read_sql_table('rnf_site',con=conn,schema='serenabase')
    sit['poly'] = (sit
        .site_poly.str[9:]
        .str.split(','))

    sit.loc[sit.poly.notna(),'geom'] = (sit.loc[sit.poly.notna(),'poly']
        .apply(lambda x: [xx.split(' ') for xx in x if xx])
        .apply(lambda x: [[float(xxx) for xxx in xx] for xx in x ])
        .apply(lambda x: Polygon(x)))
    
    return (sit
        .set_geometry('geom',crs=4326)
        .to_crs(2154)
        .dropna(subset=['geom']))


if __name__ == "__main__":

    v_synthese_invertebre = 'v_synthese_invertebre'
    v_synthese_vertebre = 'v_synthese_vertebre'
    v_synthese_flore = 'v_synthese_flore'

    sit_rnngl = serena_rnngl_site()
    # sql_exclude_rnngl = " (rmq_localisation NOT ILIKE '%%lemps%%' OR NOT ST_INTERSECTS(geom,'SRID=2154;{}'))".format(sit_rnngl.unary_union)
    sql_exclude_rnngl = " rmq_localisation NOT ILIKE '%%grand%%lemps%%'"
    sql_rmqloc_null = " rmq_localisation IS NULL"

    sql_inv = "SELECT * FROM saisie.%s WHERE cd_nom <> '9999081'"%v_synthese_invertebre     # 9999081 : Heterocera sp.
    v_inv = gpd.read_postgis(sql_inv+" AND"+sql_exclude_rnngl,con_sicen).dropna(how='all',axis=1)
    v_inv_autre = gpd.read_postgis(sql_inv+" AND"+sql_rmqloc_null,con_sicen).dropna(how='all',axis=1)
    v_inv = gpd.pd.concat([v_inv,v_inv_autre],ignore_index=True).reset_index(drop=True)
    v_inv_rnngl = gpd.read_postgis(sql_inv+" AND"+sql_exclude_rnngl.replace('NOT ',''),con_sicen).dropna(how='all',axis=1)
    t1_inv = v_inv_rnngl.etude.str.contains('Haute Bourbre 2014')
    t2_inv = v_inv_rnngl.observateurs_v2.isin(['ZARADZKI Lise (CEN Isère)','BIRON Nicolas (CEN Isère)'])
    t3_inv = v_inv.observateurs_v2=='LUCAS Jérémie (CEN Isère)'
    t4_inv = v_inv.etude!='Echange de données - GRPLS'
    hb_inv = v_inv_rnngl[t1_inv|t2_inv].copy()
    no_stg = v_inv[t3_inv&t4_inv].copy()
    v_inv = gpd.pd.concat([v_inv,hb_inv],ignore_index=True).drop_duplicates()
    v_inv_rnngl.drop(hb_inv.index,inplace=True)
    v_inv_rnngl = gpd.pd.concat([v_inv_rnngl,no_stg],ignore_index=True).drop_duplicates()
    v_inv.drop(no_stg.index,inplace=True)
    #v_synthese_invertebre = 37915
    #v_inv.shape[0]+v_inv_rnngl.shape[0] = 37914 
    #différence de 1 donnée. Correspond au taxon 9999081 dans la bdd

    sql_ver = "SELECT * FROM saisie.%s WHERE cd_nom <> '9999056'"%v_synthese_vertebre       # 9999056 : Micromammalia sp. (17 données)
    v_ver = gpd.read_postgis(sql_ver+" AND"+sql_exclude_rnngl,con_sicen).dropna(how='all',axis=1)
    v_ver_autre = gpd.read_postgis(sql_ver+" AND"+sql_rmqloc_null,con_sicen).dropna(how='all',axis=1)
    v_ver = gpd.pd.concat([v_ver,v_ver_autre],ignore_index=True).reset_index(drop=True)
    v_ver_rnngl = gpd.read_postgis(sql_ver+" AND"+sql_exclude_rnngl.replace('NOT ',''),con_sicen).dropna(how='all',axis=1)
    t1_ver = v_ver_rnngl.etude.str.contains('Haute Bourbre 2014')
    t2_ver = v_ver_rnngl.observateurs_v2.isin(['ZARADZKI Lise (CEN Isère)','BIRON Nicolas (CEN Isère)'])
    t3_ver = v_ver.observateurs_v2.isin(['LUCAS Jérémie (CEN Isère)','PRUNIER Jérôme (Personnel)', 'MAILLET Grégory (CEN Isère)','LAFON Arnaud (CEN Isère)'])
    t4_ver = v_ver.etude!='Echange de données - GRPLS'
    hb_ver = v_ver_rnngl[t1_ver|t2_ver].copy()
    sg_ver = v_ver[t3_ver&t4_ver].copy()
    v_ver = gpd.pd.concat([v_ver,hb_ver],ignore_index=True).drop_duplicates()
    v_ver_rnngl.drop(hb_ver.index,inplace=True)
    v_ver_rnngl = gpd.pd.concat([v_ver_rnngl,sg_ver],ignore_index=True).drop_duplicates()
    v_ver.drop(sg_ver.index,inplace=True)
    #v_synthese_vertebre = 102175
    #v_ver.shape[0]+v_ver_rnngl.shape[0] = 102158
    #différence de 17 donnée. Correspond au taxon 9999056 dans la bdd

    sql_flo = 'SELECT * FROM saisie.%s'%v_synthese_flore
    v_flo = gpd.read_postgis(sql_flo+" WHERE"+sql_exclude_rnngl,con_sicen).dropna(how='all',axis=1)
    v_flo_autre = gpd.read_postgis(sql_flo+" AND"+sql_rmqloc_null,con_sicen).dropna(how='all',axis=1)
    v_flo = gpd.pd.concat([v_flo,v_flo_autre],ignore_index=True).reset_index(drop=True)
    v_flo_rnngl = gpd.read_postgis(sql_flo+" WHERE"+sql_exclude_rnngl.replace('NOT ',''),con_sicen).dropna(how='all',axis=1)
    t1_flo = v_flo_rnngl.etude.str.contains('Haute Bourbre 2014')
    t2_flo = v_flo_rnngl.observateurs_v2=='ZARADZKI Lise (CEN Isère)'
    t3_flo = v_flo.observateurs_v2=='LUCAS Jérémie (CEN Isère)'
    t4_flo = v_flo.etude!='Echange de données - GRPLS'
    hb_flo = v_flo_rnngl[t1_flo|t2_flo].copy()
    sg_flo = v_flo[t3_flo&t4_flo].copy()
    v_flo = gpd.pd.concat([v_flo,hb_flo],ignore_index=True).drop_duplicates()
    v_flo_rnngl.drop(hb_flo.index,inplace=True)
    idflo_drop = v_flo[v_flo.id_obs.isin(v_flo_rnngl.id_obs)].index
    v_flo.drop(idflo_drop,inplace=True)
    v_flo_rnngl = gpd.pd.concat([v_flo_rnngl,sg_flo],ignore_index=True).drop_duplicates()
    v_flo.drop(sg_flo.index,inplace=True)
    #v_synthese_flore = 113556
    #v_flo.shape[0]+v_flo_rnngl.shape[0] = 113556

    v_inv_explode = format_data(v_inv)
    V_VER = v_ver.copy()
    v_ver = V_VER.copy()
    v_ver_explode = format_data(v_ver)
    format_data(v_flo)

    inv_uuid = (gpd.pd.read_csv(os.path.join(DIR,'INVERTEBRE/','ORB_UUID','donnees_importees_cen38.csv'),sep=';')
        .rename(columns={'entity_source_pk_value':'id_obs'}))
    v_inv_explode = v_inv_explode.merge(inv_uuid[['id_obs', 'unique_id_sinp']],how='left',on='id_obs')
    # list_inv = v_inv_explode[v_inv_explode.unique_id_sinp.notna()].etude.unique()
    # INVERTEBRE
    for etude in v_inv_explode.etude.unique():
        exp_inv = v_inv_explode[v_inv_explode.etude==etude].copy()
        exp_inv.dropna(how='all',inplace=True,axis=1)
        if 'complexe_groupe' in exp_inv.columns:
            exp_inv1 = exp_inv[exp_inv.complexe_groupe.notna()]
            exp_inv2 = exp_inv[exp_inv.complexe_groupe.isna()].dropna(how='all',axis=1)
            export(os.path.join(DIR,'INVERTEBRE','INV_'+etude+'_GRP'),exp_inv1,format='csv')
            export(os.path.join(DIR,'INVERTEBRE','INV_'+etude),exp_inv2,format='csv')
        else : 
            export(os.path.join(DIR,'INVERTEBRE','INV_'+etude),exp_inv,format='csv')

    # VERTEBRE
    for etude in v_ver_explode.etude.unique():
        exp_ver = v_ver_explode[v_ver_explode.etude==etude].copy()
        exp_ver.dropna(how='all',inplace=True,axis=1)
        if 'complexe_groupe' in exp_ver.columns:
            exp_ver1 = exp_ver[exp_ver.complexe_groupe.notna()]
            exp_ver2 = exp_ver[exp_ver.complexe_groupe.isna()].dropna(how='all',axis=1)
            export(os.path.join(DIR,'VERTEBRE','VER_'+etude+'_GRP'),exp_ver1,format='csv')
            export(os.path.join(DIR,'VERTEBRE','VER_'+etude),exp_ver2,format='csv')
        else : 
            export(os.path.join(DIR,'VERTEBRE','VER_'+etude),exp_ver,format='csv')

    # FLORE
    for etude in v_flo.etude.unique():
        exp_flo = v_flo[v_flo.etude==etude].copy()
        exp_flo.dropna(how='all',inplace=True,axis=1)
        if 'complexe_groupe' in exp_flo.columns:
            exp_flo1 = exp_flo[exp_flo.complexe_groupe.notna()]
            exp_flo2 = exp_flo[exp_flo.complexe_groupe.isna()].dropna(how='all',axis=1)
            export(os.path.join(DIR,'FLORE','FLO_'+etude+'_locNULL'+'_GRP'),exp_flo1,format='csv')
            export(os.path.join(DIR,'FLORE','FLO_'+etude+'_locNULL'),exp_flo2,format='csv')
        else : 
            export(os.path.join(DIR,'FLORE','FLO_'+etude+'_locNULL'),exp_flo,format='csv')


# _export(os.path.join(DIR,v_synthese_invertebre+'2'),v_inv_explode.dropna(how='all',axis=1))
# _export(os.path.join(DIR,v_synthese_invertebre),v_inv.dropna(how='all',axis=1))
# _export(os.path.join(DIR,v_synthese_vertebre+'2'),v_ver_explode.dropna(how='all',axis=1))
# _export(os.path.join(DIR,v_synthese_vertebre),v_ver.dropna(how='all',axis=1))
# _export(os.path.join(DIR,v_synthese_flore),v_flo)

# v_ver.etude.unique()
# v_ver.protocole.unique()
# v_ver.lot_donnee.unique()