import os

import markdown
import plotly.express as px
import streamlit as st
from groq import Groq
from html2docx import html2docx
from mistralai import Mistral
from streamlit_extras.add_vertical_space import add_vertical_space
from streamlit_extras.stylable_container import stylable_container
from streamlit_option_menu import option_menu

from data_cleaning import processar_arquivo


st.title(" 📊 - Análise de microárea")


ch1, ch2 = st.columns([0.6, 0.4])
with ch1:
    
    st.markdown("""
        #### 📑 Instruções:
        ##### 1. Site :orange[PEC SUS], relatórios, :blue[*RELATÓRIO DE CADASTRO INDIVIDUAL*]
        ##### 2. Clique em :orange[baixar arquivo .csv]. Faça o upload do arquivo .csv, no menu ao lado. 👈
        ##### 3. Solicite o relatório ao 🤖 Zé Flamengo, ou tire suas dúvidas.
        ###### ⏳ :red[_ATENÇÃO!_], Caso solicite o relatório, clique :blue[**uma vez**] em "Gerar Relatório e aguarde. Demora cerca de 1 minuto para ficar pronto!
        """)
    st.write("-----")
    
    st.markdown("""
        #### Dados de saúde Relatório de cadastro individual.""")

with ch2, stylable_container(
        key="banner",
        css_styles="""
        img {
            width: 360px;
            height: 360px;
            overflow: hidden;
            position: relative;
            object-fit: cover;
            border-radius: 28px; /* Adiciona bordas arredondadas */
            mask-image: linear-gradient(to bottom, rgba(0, 0, 0, 1), rgba(0, 0, 0, 0));
            -webkit-mask-image: linear-gradient(to bottom, rgba(0, 0, 0, 1), rgba(0, 0, 0, 0)); /* For Safari */
        }
        """,
    ):    st.image("icon/family.png")


def clear_chat_history():
    """
    Clears the chat history and resets the initial analysis in the session state.
    This function clears the chat history and resets the initial analysis in the session state.
    It sets the value of "groq_chat_history" in the session state to an empty list and the value of "initial_analysis" to an empty string.
    """
    st.session_state["groq_chat_history"] = []
    st.session_state["initial_analysis"] = ""


#################################
############ DATA ###############
#################################

my_secret = os.environ['GROQ_API_KEY']

DF_DATA = None
DF_HEAD = None
DF_IDADE = None
DF_GENERO = None
DF_COR = None
DF_DEFICIENCIA = None
DF_DOENCAS = None
DF_ESCOLA = None
DF_TRANSGEN = None

uploaded_file = st.sidebar.file_uploader("Escolha um arquivo CSV", type="csv")
if uploaded_file is not None:
    dataframes = processar_arquivo(uploaded_file)
    DF_DATA = dataframes.get("Data")
    DF_HEAD = dataframes.get("Head")
    DF_IDADE = dataframes.get("Idade")
    DF_GENERO = dataframes.get("genero")
    DF_COR = dataframes.get("cor")
    DF_DEFICIENCIA = dataframes.get("deficiencia")
    DF_DOENCAS = dataframes.get("doencas")
    DF_ESCOLA = dataframes.get("Escola")
    DF_TRANSGEN = dataframes.get("transgen")
    for df in [
            DF_IDADE,
            DF_GENERO,
            DF_COR,
            DF_DEFICIENCIA,
            DF_DOENCAS,
            DF_ESCOLA,
            DF_TRANSGEN,
    ]:
        if df is not None:
            df["Descrição"] = df["Descrição"].str.capitalize()
else:
    st.sidebar.info("Adicione um arquivo .csv.")

if st.sidebar.button("Limpar", type="primary"):
    clear_chat_history()


def gerar_resumo_df():
    """
    Generates a summary of the dataframes.
    This function creates a summary of the dataframes by concatenating the
    string representation of each dataframe.
    The summary includes the name of the dataframe and its content.
    Returns:
        str: The summary of the dataframes.
    """
    resumo = ""
    if DF_DATA is not None:
        resumo += "Resumo DF_DATA:\n"
        resumo += DF_DATA.to_string(index=False) + "\n\n"
    if DF_HEAD is not None:
        resumo += "Resumo DF_HEAD:\n"
        resumo += DF_HEAD.to_string(index=False) + "\n\n"
    if DF_IDADE is not None:
        resumo += "Resumo DF_IDADE:\n"
        resumo += DF_IDADE.to_string(index=False) + "\n\n"
    if DF_GENERO is not None:
        resumo += f"Resumo DF_GENERO:\n{DF_GENERO.to_string(index=False)}\n\n"
    if DF_COR is not None:
        resumo += f"Resumo DF_COR:\n{DF_COR.to_string(index=False)}\n\n"
    if DF_DEFICIENCIA is not None:
        resumo += f"Resumo DF_DEFICIENCIA:\n{DF_DEFICIENCIA.to_string(index=False)}\n\n"
    if DF_DOENCAS is not None:
        resumo += f"Resumo DF_DOENCAS:\n{DF_DOENCAS.to_string(index=False)}\n\n"
    if DF_ESCOLA is not None:
        resumo += f"Resumo DF_ESCOLA:\n{DF_ESCOLA.to_string(index=False)}\n\n"
    if DF_TRANSGEN is not None:
        resumo += f"Resumo DF_TRANSGEN:\n{DF_TRANSGEN.to_string(index=False)}\n\n"
    return resumo

###########################################
############### EXPANDERCOM GRÁFICOS ######
###########################################


def criar_grafico_personalizado(df, x_col, y_col, titulo):
    """
    A function to create a customized bar chart based on the input data, x
    and y columns, and title.
    Parameters:
        df (DataFrame): The input DataFrame containing the data.
        x_col (str): The column name for the x-axis data.
        y_col (str): The column name for the y-axis data.
        titulo (str): The title of the chart.
    Returns:
        fig: The customized bar chart figure.
    """
    fig = px.bar(
        df,
        x=x_col,
        y=y_col,
        title=titulo,
        text=y_col,
        color=x_col,
        color_discrete_sequence=px.colors.qualitative.Bold,
    )
    fig.update_traces(texttemplate="%{text:.2s}", textposition="outside")
    fig.update_layout(
        uniformtext_minsize=8,
        uniformtext_mode="hide",
        xaxis_title=x_col,
        yaxis_title=y_col,
        title_font_size=24,
        title_font_family="Arial",
        title_font_color="white",
        title_x=0.2,
        paper_bgcolor="rgba(0,0,0,0)",
        plot_bgcolor="rgba(0,0,0,0)",
        xaxis_tickangle=-45,
    )
    return fig


if uploaded_file is not None:
    c1, c2 = st.columns(2)
    with c1:
        if DF_DATA is not None:
            st.dataframe(DF_DATA, hide_index=True)
        else:
            st.write("Data não disponível")
    with c2:
        if DF_HEAD is not None:
            st.dataframe(DF_HEAD, hide_index=True)
        else:
            st.write("Informações não disponíveis")

if uploaded_file is not None:
    with st.expander("Visualização", expanded=True):
        selected_tab = option_menu(
            menu_title=None,
            options=[
                "Faixa Etária",
                "Gênero",
                "Cor",
                "Deficiência",
                "Doenças",
                "Escolaridade",
                "Identidade de Gênero",
            ],
            icons=[
                "person",
                "gender-female",
                "person-plus",
                "person-wheelchair",
                "capsule-pill",
                "stars",
                "gender-trans",
            ],
            menu_icon="cast",
            default_index=0,
            orientation="horizontal",
            styles={
                "container": {
                    "padding": "0!important",
                    "background-color": "#262730",
                },
                "icon": {
                    "color": "#4FCBFC",
                    "font-size": "18px"
                },
                "nav-link": {
                    "font-size": "14px",
                    "text-align": "center",
                    "margin": "0px",
                    "padding": "10px",
                    "--hover-color": "#363940",
                    "color": "#FFFFFF",
                },
                "nav-link-selected": {
                    "background-color": "#0083B8"
                },
                "separator": {
                    "border-color": "#4B4B4B"
                },
            },
        )
        if selected_tab == "Faixa Etária" and DF_IDADE is not None:
            st.subheader("Distribuição por Faixa Etária")
            col1, col2 = st.columns(2)
            with col1:
                st.dataframe(DF_IDADE, hide_index=True)
            with col2:
                DF_IDADE["Masculino"] = DF_IDADE["Masculino"].astype(int) * -1
                DF_IDADE["Feminino"] = DF_IDADE["Feminino"].astype(int)
                fig_idade = px.bar(
                    DF_IDADE,
                    x=["Masculino", "Feminino"],
                    y="Descrição",
                    orientation="h",
                    title="Pirâmide Etária",
                    labels={
                        "value": "População",
                        "Descrição": "Faixa Etária"
                    },
                    color="Descrição",
                    color_discrete_sequence=px.colors.qualitative.Set3,
                )
                fig_idade.update_layout(
                    barmode="relative",
                    xaxis_title="População",
                    yaxis_title="Faixa Etária",
                )
                st.plotly_chart(fig_idade)
            DF_IDADE["Masculino"] = DF_IDADE["Masculino"].abs()

        elif selected_tab == "Gênero" and DF_GENERO is not None:
            st.subheader("Distribuição por Gênero")
            col1, col2 = st.columns(2)
            with col1:
                st.dataframe(DF_GENERO, hide_index=True)
            with col2:
                fig_genero = px.pie(
                    DF_GENERO,
                    names="Descrição",
                    values="Valor",
                    title="Distribuição por Gênero",
                    color_discrete_sequence=px.colors.qualitative.Pastel,
                )
                st.plotly_chart(fig_genero)

        elif selected_tab == "Cor" and DF_COR is not None:
            st.subheader("Distribuição por Cor")
            col1, col2 = st.columns(2)
            with col1:
                st.dataframe(DF_COR, hide_index=True)
            with col2:
                fig_cor = px.pie(
                    DF_COR,
                    names="Descrição",
                    values="Valor",
                    title="Distribuição por Cor",
                    color_discrete_sequence=px.colors.qualitative.Vivid,
                )
                st.plotly_chart(fig_cor)

        elif selected_tab == "Deficiência" and DF_DEFICIENCIA is not None:
            st.subheader("Distribuição por Deficiência")
            col1, col2 = st.columns(2)
            with col1:
                st.dataframe(DF_DEFICIENCIA, hide_index=True)
            with col2:
                fig_deficiencia = criar_grafico_personalizado(
                    DF_DEFICIENCIA,
                    x_col="Descrição",
                    y_col="Valor",
                    titulo="Distribuição por Deficiência",
                )
                st.plotly_chart(fig_deficiencia)

        elif selected_tab == "Doenças" and DF_DOENCAS is not None:
            st.subheader("Distribuição por Doenças")
            col1, col2 = st.columns(2)
            with col1:
                st.dataframe(DF_DOENCAS, hide_index=True)
            with col2:
                fig_doencas = criar_grafico_personalizado(
                    DF_DOENCAS,
                    x_col="Descrição",
                    y_col="Valor",
                    titulo="Distribuição por Doenças",
                )
                st.plotly_chart(fig_doencas)

        elif selected_tab == "Escolaridade" and DF_ESCOLA is not None:
            st.subheader("Distribuição por Escolaridade")
            col1, col2 = st.columns(2)
            with col1:
                st.dataframe(DF_ESCOLA, hide_index=True)
            with col2:
                fig_escola = criar_grafico_personalizado(
                    DF_ESCOLA,
                    x_col="Descrição",
                    y_col="Valor",
                    titulo="Distribuição por Escolaridade",
                )
                st.plotly_chart(fig_escola)

        elif selected_tab == "Identidade de Gênero" and DF_TRANSGEN is not None:
            st.subheader("Distribuição por Identidade de Gênero")
            col1, col2 = st.columns(2)
            with col1:
                st.dataframe(DF_TRANSGEN, hide_index=True)
            with col2:
                fig_transgen = criar_grafico_personalizado(
                    DF_TRANSGEN,
                    x_col="Descrição",
                    y_col="Valor",
                    titulo="Distribuição por Identidade de Gênero",
                )
                st.plotly_chart(fig_transgen)

add_vertical_space(2)

###########################################
############### FOTO DO BOT ###############
###########################################

with stylable_container(
    key="bot",
    css_styles="""
    img {
        width: 200px;
        height: 260px;
        overflow: hidden;
        position: relative;
        object-fit: cover;
        border-radius: 14px; /* Adiciona bordas arredondadas */
    }
    """,
):
    st.image("src/Images/bot.png")

###########################################
############### CHATBOT RCI ###############
###########################################

# Configuração inicial do Groq client
client = Groq(api_key=my_secret)

my_secret_mi = os.environ['MISTRAL_API_KEY']
client_mi = Mistral(api_key=my_secret_mi)


def create_word_doc(markdown_content):
    # Converter o Markdown em HTML
    html = markdown.markdown(markdown_content)

    # Converter o HTML em um documento Word
    # html2docx() retorna um objeto BytesIO
    docx_file = html2docx(html, title="Análise Inicial")

    # Retornar o objeto BytesIO contendo o documento Word
    return docx_file

# Função para gerar a análise inicial
def generate_initial_analysis(resumo_rci):
    """
    Generates an initial analysis report based on the provided resumo_rci.
    Parameters:
        resumo_rci (str): The resumo_rci to be analyzed.
    """
    initial_analysis = client_mi.agents.complete(
        agent_id="ag:493f2384:20240924:agent-rci:23eed30a",
        messages=[
            {
                "role": "user",
                "content": f"""
                            Dados da microárea:
                            <resumo_rci>
                             {resumo_rci}
                            </resumo_rci>
                              """,
            },
        ],
    )

    # Check if initial_analysis is None or does not have choices
    if initial_analysis is None or not hasattr(initial_analysis,
                                               'choices') or (
        initial_analysis.choices is not None and len(initial_analysis.choices) == 0):
        return "An error occurred: no response from the analysis API."

    output = (
        initial_analysis.choices[0].message.content 
        if initial_analysis and initial_analysis.choices 
        else None
    )
    return output

# Carregar arquivo de dados do usuário
if uploaded_file is not None and st.button("Gerar Resumo"):
    spinner = st.empty()
    spinner.text("Gerando resumo...")
    try:
        # Gera o resumo do DataFrame e a análise inicial
        st.session_state.resumo_rci = gerar_resumo_df()
        st.session_state.initial_analysis = generate_initial_analysis(
            st.session_state.resumo_rci)
    finally:
        spinner.empty()
    st.success("Resumo gerado com sucesso!")

col1, col2 = st.columns(2)

with col1, st.expander("Resumo Inicial", expanded=True):
        if "initial_analysis" in st.session_state and st.session_state.initial_analysis:
            st.write("**Panorama Geral dos Dados:**")
            markdown_content = st.session_state.initial_analysis

            if markdown_content and markdown_content.strip():
                html_content = f'''
                <div style="height:600px; overflow-y: auto; padding: 10px;
                border: 1px solid #CCC;">
                    {markdown_content}
                </div>
                '''

                st.markdown(html_content, unsafe_allow_html=True)

                # Botão para baixar o documento em formato Word
                docx_file = create_word_doc(markdown_content)
                st.download_button(
                    label="Baixar em formato Word",
                    data=docx_file.getvalue(),
                    file_name="analise_inicial.docx",
                    mime=
                    "application/vnd.openxmlformats-officedocument.wordprocessingml.document"
                )
            else:
                st.warning(
                    "Não há conteúdo disponível para gerar o documento.")
        else:
            st.write("**Clique em 'Gerar Resumo' para analisar os dados.**")

with col2, st.expander("Converse com o 🤖 Zé Flamengo", expanded=True):
        # Inicialização do histórico do chat
        if "groq_chat_history" not in st.session_state:
            st.session_state.groq_chat_history = []

        # Criar um container para o histórico do chat
        chat_container = st.container()

        # Exibição do histórico do chat dentro do container
        with chat_container:
            for message in st.session_state.groq_chat_history:
                with st.chat_message(message["role"]):
                    st.markdown(message["content"])

        # Input do usuário (colocado fora e abaixo do container do histórico)
        user_message = st.chat_input("Digite sua pergunta sobre saúde na microárea:")

        # Processamento da mensagem do usuário
        if user_message:
            # Adiciona a mensagem do usuário ao histórico
            st.session_state.groq_chat_history.append({
                "role": "user",
                "content": user_message
            })

            try:
                # Usar o resumo já gerado
                if "resumo_rci" not in st.session_state:
                    st.warning("Por favor, gere o resumo antes de fazer perguntas.")
                else:
                    resumo_rci = st.session_state.resumo_rci

                    # Preparação do contexto para a API
                    context = f"""
                    Seu nome é Zé Flamengo, você é um assistente virtual especializado
                    em análise de dados médicos epidemiológicos. Você tem 20 anos de
                    experiência em análise de dados de saúde de microáreas de um PSF
                    (Programa Saúde da Família).
                    Sua função é:
                    1. Analisar dados de uma unidade básica de saúde.
                    2. Os dados que irá analisar são provenientes do Relatório de 
                    Cadastro Individual, advindos do PEC SUS.
                    3. Suas respostas devem ser sempre em português.
                    4. Seja conciso e evite conversar sobre outros temas.
                    5. Sempre retome o tema da conversa.
                    6. Realize sempre os cálculos novamente para garantir que os 
                    resultados fornecidos sejam precisos e atualizados.
                    Os dataframes que irá analisar são do Relatório de cadastro 
                    individual.
                    Ele foi transformado em texto aqui disponível:
                    {resumo_rci}
                    As faixas etárias recomendadas para exames preventivos são:
                    - **Papanicolau (Preventivo):** Mulheres entre 25 e 64 anos, com
                    frequência anual nos primeiros dois exames
                    consecutivos com resultados normais, depois a cada três anos.
                    - **Mamografia:** Mulheres entre 50 e 69 anos, com frequência 
                    bienal.
                    Informações sobre o Relatório de Cadastro Individual:
                    - **Objetivo:** Coletar dados sociodemográficos e de saúde dos 
                    indivíduos cadastrados em uma unidade básica de saúde.
                    - **Principais Indicadores:** Idade, sexo, condições de saúde 
                    (doenças crônicas, gestantes, etc.), status de vacinação, hábitos
                    de vida (tabagismo, alcoolismo, atividade física), entre outros.
                    Exemplos de perguntas esperadas:
                    - Qual a porcentagem de mulheres na faixa etária de preventivo?
                    - Qual a porcentagem de mulheres na faixa etária de mamografia?
                    - Quantas mulheres estão nas faixas etárias de preventivo e
                    mamografia?
                    - Qual a relação masculino/feminino?
                    - Qual a porcentagem das doenças em relação à população total?
                    - Use essas informações para responder às perguntas do usuário.
                    Regras:
                    1. Seja sempre cortês.
                    2. Responda somente assuntos referentes ao resumo.
                    3. Caso seja feita alguma pergunta a você diferente de resumos,
                    responda: "Vamos voltar ao trabalho que interessa?"
                    4. Responda sempre em português.
                    5. Se não souber a resposta, responda: "Desculpe, mas não tenho
                    esta informação."
                    6. Nas suas respostas, não forneça os nomes dos dataframes, apenas
                    responda às perguntas.
                    7. Destaque os principais achados e tendências nos dados sempre
                    que possível.
                    8. Se aplicável, sugira possíveis ações ou recomendações baseadas
                    nos dados analisados.
                    """

                    # Chamada à API Groq
                    chat_rci = client.chat.completions.create(
                        messages=[
                            {
                                "role": "system",
                                "content": context
                            },
                            *st.session_state.groq_chat_history,
                        ],
                        model="llama3-70b-8192",
                        temperature=0.3,
                        max_tokens=2500,
                    )

                    # Processamento da resposta
                    if chat_rci.choices and len(chat_rci.choices) > 0:
                        response_message = chat_rci.choices[0].message.content
                    else:
                        response_message = "Não foi possível gerar uma resposta."

                    # Adição da resposta ao histórico
                    st.session_state.groq_chat_history.append({
                        "role": "assistant",
                        "content": response_message
                    })

                    # Exibição da nova resposta
                    with chat_container, st.chat_message("assistant"):
                        st.markdown(response_message)

            except Exception as e:
                st.error(f"Ocorreu um erro: {str(e)}")

            # Rolar para o final do chat após uma nova mensagem
            st.rerun()



# Botão para limpar o histórico do chat
if st.sidebar.button("Limpar histórico do chat"):
    st.session_state.groq_chat_history = []
    st.rerun()

st.sidebar.markdown("""
#### - Iniciativa - Ubs Flamengo

### Links:
##
##### - [PEC SUS](https://sape.pecsus.com.br/) 📝

##### - [GitHub - Dr Guilherme](http://dr-guilhermeapolinario.com) 🌎
""")

add_vertical_space(5)

st.divider()