from fastapi import APIRouter, Depends, Query
from sqlalchemy.orm import Session
from pydantic import BaseModel
from typing import Dict, List, Optional, Literal
from database import get_db
from models import Case
from services.stats_service import (
    get_dashboard_stats,
    get_statistical_recommendation,
    get_heatmap_with_cache,
    DashboardStats,
    StatisticalRecommendation
)

router = APIRouter()


class HeatmapPoint(BaseModel):
    lat: float
    lon: float
    intensity: float
    case_id: str
    metadata: Dict


class HeatmapResponse(BaseModel):
    points: List[HeatmapPoint]
    total: int
    filters_applied: Dict


class StatisticalRecommendationRequest(BaseModel):
    age: int
    season: Optional[str] = None
    terrain_primary: Optional[str] = None


@router.get("/summary", response_model=DashboardStats)
async def get_summary(db: Session = Depends(get_db)):
    """
    Получить агрегированную статистику для дашборда.

    Возвращает:
    - Общее количество случаев (всего, активных, закрытых)
    - Распределение по полу, возрасту, психотипу, диагнозам, сезонам
    - Средняя дистанция находки
    - Средняя длительность поиска
    - Процент выживаемости
    """
    return get_dashboard_stats(db)


@router.post("/recommendation", response_model=StatisticalRecommendation)
async def get_recommendation(
    request: StatisticalRecommendationRequest,
    db: Session = Depends(get_db)
):
    """
    Получить статистические рекомендации на основе похожих случаев.

    Фильтры (в порядке приоритета):
    1. Возраст ±2 года + сезон + terrain
    2. Возраст ±2 года + сезон (если < 5 случаев)
    3. Возраст ±2 года (если < 5 случаев)
    4. Все случаи (если < 5 случаев)

    Возвращает:
    - Медианное расстояние находки
    - Топ-3 направления с процентами
    - Топ-5 типов локаций
    - Процент выживаемости
    - Размер выборки
    - Использованные фильтры
    """
    case_data = {
        'age': request.age,
        'season': request.season,
        'terrain_primary': request.terrain_primary
    }
    return get_statistical_recommendation(case_data, db)


@router.get("/heatmap", response_model=HeatmapResponse)
async def get_heatmap(
    map_type: Literal['all', 'age', 'season', 'outcome'] = Query(
        'all',
        description="Тип карты: all (все точки), age (по возрасту), season (по сезону), outcome (по исходу)"
    ),
    age_group: Optional[str] = Query(
        None,
        description="Возрастная группа: 0-3, 4-7, 8-11, 12-14, 15-17, 18+"
    ),
    season: Optional[str] = Query(
        None,
        description="Сезон: зима, весна, лето, осень"
    ),
    year_from: Optional[int] = Query(
        None,
        description="Год начала периода (например, 2020)"
    ),
    year_to: Optional[int] = Query(
        None,
        description="Год окончания периода (например, 2026)"
    ),
    outcome: Optional[str] = Query(
        None,
        description="Исход: alive (выжил), deceased (погиб)"
    ),
    db: Session = Depends(get_db)
):
    """
    Получить данные для тепловой карты находок с кэшированием (1 час).

    **Типы карт:**
    - `all` - все точки с одинаковой интенсивностью
    - `age` - интенсивность зависит от возраста (младше = выше)
    - `season` - интенсивность зависит от сезона (зима = выше)
    - `outcome` - интенсивность зависит от исхода (погиб = выше)

    **Фильтры:**
    - `age_group` - возрастная группа (0-3, 4-7, 8-11, 12-14, 15-17, 18+)
    - `season` - сезон (зима, весна, лето, осень)
    - `year_from`, `year_to` - период по годам
    - `outcome` - исход (alive, deceased)

    **Кэширование:**
    Результаты кэшируются на 1 час для ускорения повторных запросов.

    **Возвращает:**
    - `points` - массив точек с координатами, интенсивностью и метаданными
    - `total` - общее количество точек
    - `filters_applied` - примененные фильтры
    """
    result = get_heatmap_with_cache(
        db=db,
        map_type=map_type,
        age_group=age_group,
        season=season,
        year_from=year_from,
        year_to=year_to,
        outcome=outcome
    )

    points = [
        HeatmapPoint(
            lat=p['lat'],
            lon=p['lon'],
            intensity=p['intensity'],
            case_id=p['case_id'],
            metadata=p['metadata']
        )
        for p in result['points']
    ]

    return HeatmapResponse(
        points=points,
        total=result['total'],
        filters_applied=result['filters_applied']
    )