"""
خدمة التسعير غير المتزن
"""

import pandas as pd
import numpy as np
from datetime import datetime
import os
import config


class UnbalancedPricing:
    """خدمة التسعير غير المتزن للبنود"""
    
    def __init__(self):
        """تهيئة خدمة التسعير غير المتزن"""
        self.strategies = {
            'front_loading': self.apply_front_loading,
            'back_loading': self.apply_back_loading,
            'confirmed_items': self.apply_confirmed_items_loading,
            'variable_items': self.apply_variable_items_discount
        }
    
    def apply_strategy(self, items_df, strategy, params=None):
        """تطبيق استراتيجية تسعير غير متزن على البنود"""
        # نسخة من البيانات المدخلة للعمل عليها
        df = items_df.copy()
        
        # إضافة عمود إستراتيجية التسعير إذا لم يكن موجوداً
        if 'إستراتيجية التسعير' not in df.columns:
            df['إستراتيجية التسعير'] = 'متوازن'
        
        # تطبيق الإستراتيجية المطلوبة
        if strategy in self.strategies:
            df = self.strategies[strategy](df, params)
        else:
            # إذا كانت الإستراتيجية غير معروفة، أعد البيانات بدون تغيير
            pass
        
        # حساب الإجمالي بعد التعديل
        df['الإجمالي'] = df['الكمية'] * df['سعر الوحدة']
        
        return df
    
    def apply_front_loading(self, items_df, params=None):
        """تطبيق استراتيجية التحميل الأمامي (Front Loading)"""
        df = items_df.copy()
        
        # استخراج المعلمات الافتراضية إذا لم يتم تحديدها
        if params is None:
            params = {
                'early_increase': 1.3,    # زيادة 30% للبنود المبكرة
                'late_decrease': 0.7,     # تخفيض 30% للبنود المتأخرة
                'early_percentage': 0.33,  # نسبة البنود المبكرة 33%
                'late_percentage': 0.33    # نسبة البنود المتأخرة 33%
            }
        
        # تحديد البنود المبكرة والمتأخرة والمتوسطة
        items_count = len(df)
        early_count = int(items_count * params['early_percentage'])
        late_count = int(items_count * params['late_percentage'])
        
        early_items = df.iloc[:early_count].index
        middle_items = df.iloc[early_count:items_count-late_count].index
        late_items = df.iloc[items_count-late_count:].index
        
        # تطبيق الزيادة والنقصان
        for idx in early_items:
            df.at[idx, 'سعر الوحدة'] = df.at[idx, 'سعر الوحدة'] * params['early_increase']
            df.at[idx, 'إستراتيجية التسعير'] = 'زيادة'
        
        for idx in middle_items:
            df.at[idx, 'إستراتيجية التسعير'] = 'متوازن'
        
        for idx in late_items:
            df.at[idx, 'سعر الوحدة'] = df.at[idx, 'سعر الوحدة'] * params['late_decrease']
            df.at[idx, 'إستراتيجية التسعير'] = 'نقص'
        
        return df
    
    def apply_back_loading(self, items_df, params=None):
        """تطبيق استراتيجية التحميل الخلفي (Back Loading)"""
        df = items_df.copy()
        
        # استخراج المعلمات الافتراضية إذا لم يتم تحديدها
        if params is None:
            params = {
                'early_decrease': 0.7,    # تخفيض 30% للبنود المبكرة
                'late_increase': 1.3,     # زيادة 30% للبنود المتأخرة
                'early_percentage': 0.33,  # نسبة البنود المبكرة 33%
                'late_percentage': 0.33    # نسبة البنود المتأخرة 33%
            }
        
        # تحديد البنود المبكرة والمتأخرة والمتوسطة
        items_count = len(df)
        early_count = int(items_count * params['early_percentage'])
        late_count = int(items_count * params['late_percentage'])
        
        early_items = df.iloc[:early_count].index
        middle_items = df.iloc[early_count:items_count-late_count].index
        late_items = df.iloc[items_count-late_count:].index
        
        # تطبيق الزيادة والنقصان
        for idx in early_items:
            df.at[idx, 'سعر الوحدة'] = df.at[idx, 'سعر الوحدة'] * params['early_decrease']
            df.at[idx, 'إستراتيجية التسعير'] = 'نقص'
        
        for idx in middle_items:
            df.at[idx, 'إستراتيجية التسعير'] = 'متوازن'
        
        for idx in late_items:
            df.at[idx, 'سعر الوحدة'] = df.at[idx, 'سعر الوحدة'] * params['late_increase']
            df.at[idx, 'إستراتيجية التسعير'] = 'زيادة'
        
        return df
    
    def apply_confirmed_items_loading(self, items_df, params=None):
        """تطبيق استراتيجية تحميل البنود المؤكدة"""
        df = items_df.copy()
        
        # استخراج المعلمات الافتراضية إذا لم يتم تحديدها
        if params is None:
            params = {
                'confirmed_increase': 1.25,   # زيادة 25% للبنود المؤكدة
                'others_decrease': 0.85,      # تخفيض 15% للبنود الأخرى
                'confirmed_items_indices': []  # قائمة مؤشرات البنود المؤكدة
            }
        
        # إذا لم يتم تحديد البنود المؤكدة، استخدم قواعد اختيار افتراضية
        if not params['confirmed_items_indices']:
            # البنود التي تحتوي على كلمات مثل "أساسات" أو "هيكل" عادة ما تكون مؤكدة
            confirmed_items = []
            for idx, row in df.iterrows():
                description = row['وصف البند'].lower()
                if any(term in description for term in ['أساس', 'خرسان', 'هيكل', 'إنشائي']):
                    confirmed_items.append(idx)
        else:
            confirmed_items = params['confirmed_items_indices']
        
        # تحديد البنود غير المؤكدة
        all_indices = set(range(len(df)))
        confirmed_indices = set(confirmed_items)
        variable_indices = list(all_indices - confirmed_indices)
        
        # تطبيق الزيادة والنقصان
        for idx in confirmed_items:
            df.at[idx, 'سعر الوحدة'] = df.at[idx, 'سعر الوحدة'] * params['confirmed_increase']
            df.at[idx, 'إستراتيجية التسعير'] = 'زيادة'
        
        for idx in variable_indices:
            df.at[idx, 'سعر الوحدة'] = df.at[idx, 'سعر الوحدة'] * params['others_decrease']
            df.at[idx, 'إستراتيجية التسعير'] = 'نقص'
        
        return df
    
    def apply_variable_items_discount(self, items_df, params=None):
        """تطبيق استراتيجية تخفيض البنود المحتمل زيادتها"""
        df = items_df.copy()
        
        # استخراج المعلمات الافتراضية إذا لم يتم تحديدها
        if params is None:
            params = {
                'variable_decrease': 0.7,    # تخفيض 30% للبنود المحتمل زيادتها
                'others_increase': 1.15,     # زيادة 15% للبنود الأخرى
                'variable_items_indices': []  # قائمة مؤشرات البنود المحتمل زيادتها
            }
        
        # إذا لم يتم تحديد البنود المحتمل زيادتها، استخدم قواعد اختيار افتراضية
        if not params['variable_items_indices']:
            # البنود التي تحتوي على كلمات مثل "حفر" أو "ردم" عادة ما تكون محتمل زيادتها
            variable_items = []
            for idx, row in df.iterrows():
                description = row['وصف البند'].lower()
                if any(term in description for term in ['حفر', 'ردم', 'تمديد', 'صرف', 'مياه']):
                    variable_items.append(idx)
        else:
            variable_items = params['variable_items_indices']
        
        # تحديد البنود الأخرى
        all_indices = set(range(len(df)))
        variable_indices = set(variable_items)
        other_indices = list(all_indices - variable_indices)
        
        # تطبيق الزيادة والنقصان
        for idx in variable_items:
            df.at[idx, 'سعر الوحدة'] = df.at[idx, 'سعر الوحدة'] * params['variable_decrease']
            df.at[idx, 'إستراتيجية التسعير'] = 'نقص'
        
        for idx in other_indices:
            df.at[idx, 'سعر الوحدة'] = df.at[idx, 'سعر الوحدة'] * params['others_increase']
            df.at[idx, 'إستراتيجية التسعير'] = 'زيادة'
        
        return df
    
    def calibrate_prices(self, original_df, unbalanced_df):
        """معايرة الأسعار للحفاظ على إجمالي التسعير الأصلي"""
        # حساب الإجماليات
        original_total = original_df['الإجمالي'].sum()
        unbalanced_total = unbalanced_df['الإجمالي'].sum()
        
        # نسخة من البيانات المدخلة للعمل عليها
        df = unbalanced_df.copy()
        
        # حساب معامل التعديل
        adjustment_factor = original_total / unbalanced_total if unbalanced_total > 0 else 1.0
        
        # تعديل الأسعار
        df['سعر الوحدة'] = df['سعر الوحدة'] * adjustment_factor
        
        # حساب الإجمالي بعد التعديل
        df['الإجمالي'] = df['الكمية'] * df['سعر الوحدة']
        
        return df