import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 1) DataFrame auf die gewünschten Gebietskörperschaften filtern
df_filtered = df_pivot[df_pivot['Gebietskoerperschaft'].isin([
    "Nordrhein-Westfalen",
    "Düsseldorf, Kreisfreie Stadt"
])]

# 2) Zwei Teil-DataFrames für unsere beiden Diagramme anlegen:
#    Diagramm 1: z. B. Düsseldorf, Kreisfreie Stadt
df_plot1 = df_filtered[
    (df_filtered['Ganztagsform'] == "Schüler/-innen im gebundenen Ganztagesbetrieb") &
    (df_filtered['Schulform'] == "Gesamtschulen") &
    (df_filtered['Traegerschaft'] == "Öffentlich") &
    (df_filtered['Gebietskoerperschaft'] == "Düsseldorf, Kreisfreie Stadt")
].copy()

#    Diagramm 2: Nordrhein-Westfalen
df_plot2 = df_filtered[
    (df_filtered['Ganztagsform'] == "Schüler/-innen im gebundenen Ganztagesbetrieb") &
    (df_filtered['Schulform'] == "Gesamtschulen") &
    (df_filtered['Traegerschaft'] == "Öffentlich") &
    (df_filtered['Gebietskoerperschaft'] == "Nordrhein-Westfalen")
].copy()

# 3) Summiere Männlich + Weiblich zu einer neuen Spalte "Summe"
df_plot1['Summe'] = df_plot1['Männlich'] + df_plot1['Weiblich']
df_plot2['Summe'] = df_plot2['Männlich'] + df_plot2['Weiblich']

# 4) Sortiere nach Schuljahr (falls nicht chronologisch sortiert)
df_plot1 = df_plot1.sort_values(by='Schuljahr')
df_plot2 = df_plot2.sort_values(by='Schuljahr')

# ---------------------------
# Dynamische Analyse vorbereiten
# ---------------------------

def berechne_entwicklung(df_plot):
    """Gibt zu einem gefilterten DataFrame (für genau 1 Gebietskörperschaft)
    die früheste und späteste Summe zurück sowie relative Veränderung."""
    if df_plot.empty:
        return None

    # Name der Gebietskörperschaft (alle Zeilen enthalten denselben Wert)
    region = df_plot['Gebietskoerperschaft'].iloc[0]

    # Erster und letzter Wert
    earliest_year = df_plot['Schuljahr'].iloc[0]
    latest_year = df_plot['Schuljahr'].iloc[-1]
    earliest_val = df_plot['Summe'].iloc[0]
    latest_val = df_plot['Summe'].iloc[-1]

    # Absolute und relative Veränderung
    diff_val = latest_val - earliest_val
    # Um Division durch 0 zu vermeiden
    if earliest_val == 0:
        rel_diff_pct = None
    else:
        rel_diff_pct = (diff_val / earliest_val) * 100

    return {
        'region': region,
        'earliest_year': earliest_year,
        'latest_year': latest_year,
        'earliest_val': earliest_val,
        'latest_val': latest_val,
        'diff_val': diff_val,
        'rel_diff_pct': rel_diff_pct
    }

# Entwicklung für beide Teil-DataFrames berechnen
entwicklung1 = berechne_entwicklung(df_plot1)
entwicklung2 = berechne_entwicklung(df_plot2)

def generate_analysis_text(entw1, entw2):
    """Erzeugt einen dynamischen Analyse- und Erläuterungstext
       basierend auf den Daten der beiden Gebietskörperschaften."""

    if not entw1 or not entw2:
        return "Für mindestens eine Gebietskörperschaft liegen keine Daten vor."

    # Kurze Erklärung zum gebundenen Ganztag
    intro_text = ("Unter gebundenem Ganztag versteht man eine Organisationsform von Schule, "
    "in der der Unterricht und zusätzliche Angebote (z. B. Arbeitsgemeinschaften, "
    "Förderstunden, Projekte) über den ganzen Tag hinweg verpflichtend für alle "
    "Schüler/-innen stattfinden. Ziel ist meist eine engere Verzahnung von "
    "Unterricht und Freizeitangeboten sowie eine intensivere pädagogische Betreuung."
    )

    # Hilfsfunktionen für "gestiegen/gesunken" etc. (Verb und passendes Substantiv)
    def get_trend_verb(diff):
        """Gibt das Verb zurück: 'gestiegen', 'gesunken' oder 'konstant geblieben'."""
        if diff > 0:
            return "gestiegen"
        elif diff < 0:
            return "gesunken"
        else:
            return "konstant geblieben"

    def get_trend_noun(diff):
        """Gibt das passende Substantiv zurück: 'Anstieg', 'Rückgang' oder 'keine Veränderung'."""
        if diff > 0:
            return "Anstieg"
        elif diff < 0:
            return "Rückgang"
        else:
            return "keine Veränderung"

    # Prozentangaben schön formatieren
    def fmt_rel_diff(entw):
        if entw['rel_diff_pct'] is None:
            # Wenn earliest_val = 0 oder wir keine Zahlen haben
            return "nicht prozentual vergleichbar"
        else:
            return f'{abs(entw["rel_diff_pct"]):.1f}%'

    # Ermitteltes Verb und Substantiv für beide Gebietskörperschaften
    trend_verb_1 = get_trend_verb(entw1['diff_val'])
    trend_verb_2 = get_trend_verb(entw2['diff_val'])
    trend_noun_1 = get_trend_noun(entw1['diff_val'])
    trend_noun_2 = get_trend_noun(entw2['diff_val'])

    pct1 = fmt_rel_diff(entw1)
    pct2 = fmt_rel_diff(entw2)

    # Dynamischer Text:
    #   - Erwähnt den jeweiligen Start- und Endwert (abgerundet),
    #   - nennt das Verb (gestiegen/gesunken usw.) + prozentuale Veränderung.
    text_1 = (
        f'An den öffentlichen Gesamtschulen in {entw1["region"]} ist die Zahl der Schüler/-innen im gebundenen Ganztag von {int(entw1["earliest_val"])} im Schuljahr {entw1["earliest_year"]} auf {int(entw1["latest_val"])} im Schuljahr {entw1["latest_year"]} {trend_verb_1} (um ca. {pct1}). Zum Vergleich: An den öffentlichen Gesamtschulen in {entw2["region"]} ist die Zahl der Schüler/-innen im gebundenen Ganztag von {int(entw2["earliest_val"])} im Schuljahr {entw2["earliest_year"]} auf {int(entw2["latest_val"])} im Schuljahr {entw2["latest_year"]} {trend_verb_2} (um ca. {pct2}).'
    )

    # Vergleich, welche Gebietskörperschaft stärker oder schwächer gestiegen/gesunken ist
    # Wir vergleichen den Betrag der relativen Veränderung
    if (entw1['rel_diff_pct'] is None) or (entw2['rel_diff_pct'] is None):
        comparison_text = (
            "Ein direkter Vergleich der relativen Veränderung ist nicht möglich, "
            "da für mindestens eine Gebietskörperschaft zu wenige Daten vorliegen "
            "oder der Startwert 0 war."
        )
    else:
        abs_diff1 = abs(entw1['rel_diff_pct'])
        abs_diff2 = abs(entw2['rel_diff_pct'])

        if abs_diff1 > abs_diff2:
            comparison_text = (
                f'Damit war der {trend_noun_1} in {entw1["region"]} '
                f'stärker als der {trend_noun_2} in {entw2["region"]}.'
            )
        elif abs_diff1 < abs_diff2:
            comparison_text = (
                f'Damit war der {trend_noun_2} in {entw2["region"]} '
                f'stärker als der {trend_noun_1} in {entw1["region"]}.'
            )
        else:
            if trend_verb_1 == trend_verb_2:
                comparison_text = (
                    f'Beide Gebietskörperschaften haben sich in ähnlichem Umfang {trend_verb_1}.'
                )
            else:
                comparison_text = (
                    "Beide Gebietskörperschaften haben eine ähnliche Veränderung erfahren."
                )

    # Gesamter Analyse-Text
    analysis_text = (
        f'{intro_text}\n\n{text_1}\n\n{comparison_text}'
    )

    return analysis_text

analysis_text = generate_analysis_text(entwicklung1, entwicklung2)

# ---------------------------
# Erstelle die Plots
# ---------------------------

fig, (ax1, ax2) = plt.subplots(nrows=1, ncols=2, figsize=(14, 6))

# Diagramm 1
ax1.plot(df_plot1['Schuljahr'], df_plot1['Summe'], color="#2EA8D9", marker='o')
ax1.set_title(df_plot1['Gebietskoerperschaft'].iloc[0], fontsize=11)
ax1.set_ylim(0, df_plot1['Summe'].max() * 1.1 if not df_plot1.empty else 1)

# Diagramm 2
ax2.plot(df_plot2['Schuljahr'], df_plot2['Summe'], color="#9AB688", marker='o')
ax2.set_title(df_plot2['Gebietskoerperschaft'].iloc[0], fontsize=11)
ax2.set_ylim(0, df_plot2['Summe'].max() * 1.1 if not df_plot2.empty else 1)

# Übergeordneter Titel
fig.suptitle(
    "Entwicklung der Schüler/-innenzahlen im gebundenen Ganztagsbetrieb an öffentlichen Gesamtschulen\n"
    "in Düsseldorf, Kreisfreie Stadt und Nordrhein-Westfalen (Schuljahre 2005/06 - 2022/23)",
    fontsize=13
)

# Achsenbeschriftungen und X-Achsen drehen
for ax in (ax1, ax2):
    ax.set_xlabel("Schuljahr")
    ax.set_ylabel("Anzahl Schüler*innen")
    ax.tick_params(axis='x', rotation=45)

# ---------------------------
# Text-Elemente hinzufügen
# ---------------------------

# Quellenverweis (bereits bestehend)
plt.figtext(
    0.5,
    0.11,
    ("Quelle: Statistische Ämter des Bundes und der Länder, 2024: Kommunale Bildungsdatenbank, "
     "online abrufbar unter https://www.bildungsmonitoring.de/"),
    ha="center",
    fontsize=8
)

# Dynamischer Erläuterungstext (Analyse)
# Wir setzen ihn etwas höher als die Quelle, damit sich beide Texte nicht überlagern.
plt.figtext(
    0.05,  # x auf 0.05 setzen für linksbündig
    -0.14,  # höher als 0.01, damit kein Überlapp
    analysis_text,
    ha="left",  # ha auf "left" setzen
    wrap=True,  # Zeilenumbruch
    fontsize=10
)

# Layout anpassen
plt.tight_layout(rect=[0, 0.12, 1, 0.90])
# rect-Anpassung:
#  - 0.12 für unten, damit wir für figtext etwas mehr Platz haben
#  - 0.90 für oben, damit der suptitle gut zu sehen ist

plt.show()

import pandas as pd
import plotly.graph_objects as go

# 1) DataFrame auf gewünschte Gebietskörperschaften filtern
df_filtered = df_pivot[df_pivot['Gebietskoerperschaft'].isin([
    "Nordrhein-Westfalen",
    "Düsseldorf, Kreisfreie Stadt"
])]

# 2) Nur die benötigten Zeilen (Ganztagsform, Schulform) ausfiltern
df_filtered = df_filtered[
    (df_filtered['Ganztagsform'] == "Schüler/-innen im gebundenen Ganztagesbetrieb") &
    (df_filtered['Schulform'] == "Gesamtschulen")
].copy()

# 3) Neue Spalte "Summe" = Männlich + Weiblich
df_filtered['Summe'] = df_filtered['Männlich'] + df_filtered['Weiblich']

# 4) Sortierung nach Schuljahr
df_filtered = df_filtered.sort_values(by='Schuljahr')

# Farben wie im ursprünglichen Code
farbschema = {
    "Düsseldorf, Kreisfreie Stadt": "#2EA8D9",
    "Nordrhein-Westfalen": "#9AB688"
}

# Wir wollen zwischen zwei Traegerschaften "Öffentlich" und "Privat" umschalten.
traegerschaften_zum_umschalten = ["Öffentlich", "Privat"]

# Plotly-Figure anlegen
fig = go.Figure()

# Für jeden Wert in traegerschaften_zum_umschalten legen wir zwei Linien an:
# (1) Düsseldorf, (2) NRW.
for traeger in traegerschaften_zum_umschalten:
    # Teil-DataFrame
    df_t = df_filtered[df_filtered['Traegerschaft'] == traeger]

    # Düsseldorf
    df_dus = df_t[df_t['Gebietskoerperschaft'] == "Düsseldorf, Kreisfreie Stadt"]
    fig.add_trace(
        go.Scatter(
            x=df_dus['Schuljahr'],
            y=df_dus['Summe'],
            mode='lines+markers',
            line={color:farbschema["Düsseldorf, Kreisfreie Stadt"]},
            name=f'Düsseldorf, {traeger}',
            visible=(traeger == "Öffentlich")  # nur Öffentlich beim Start an
        )
    )

    # Nordrhein-Westfalen
    df_nrw = df_t[df_t['Gebietskoerperschaft'] == "Nordrhein-Westfalen"]
    fig.add_trace(
        go.Scatter(
            x=df_nrw['Schuljahr'],
            y=df_nrw['Summe'],
            mode='lines+markers',
            line={color:farbschema["Nordrhein-Westfalen"]},
            name=f'NRW, {traeger}',
            visible=(traeger == "Öffentlich")
        )
    )

# ---------------------------------------------------------
# Zwei dynamische Titelvarianten für die Buttons:
# Öffentlich vs. Privat
# ---------------------------------------------------------
titel_oeffentlich = (
    "Entwicklung der Schüler/-innenzahlen im gebundenen Ganztagsbetrieb an öffentlichen Gesamtschulen<br>"
    "in Düsseldorf, Kreisfreie Stadt und Nordrhein-Westfalen (Schuljahre 2005/06 - 2022/23)"
)
titel_privat = (
    "Entwicklung der Schüler/-innenzahlen im gebundenen Ganztagsbetrieb an privaten Gesamtschulen<br>"
    "in Düsseldorf, Kreisfreie Stadt und Nordrhein-Westfalen (Schuljahre 2005/06 - 2022/23)"
)

# ---------------------------------------------------------
# UpdateMenus: Buttons zum Umschalten
# ---------------------------------------------------------
updatemenus = [
    {
        type:"buttons",
        direction:"down",
        buttons:[
            {
                label:"Öffentlich",
                method:"update",
                args:[
                    {visible:[True, True, False, False]},   # Düsseldorf/NRW Öffentlich AN, Privat AUS
                    {
                        title:{
                            text:titel_oeffentlich,
                            x:0.5,
                            xanchor:"center"
                        }
                    }
                ]
            },
            {
                label:"Privat",
                method:"update",
                args:[
                    {visible:[False, False, True, True]},   # Düsseldorf/NRW Öffentlich AUS, Privat AN
                    {
                        title:{
                            text:titel_privat,
                            x:0.5,
                            xanchor:"center"
                        }
                    }
                ]
            }
        ],
        showactive:True,
        # Positionierung der Buttons knapp unterhalb der Legende
        x:1.02,
        y:0.9,
        xanchor:"left",
        yanchor:"top"
    }
]

# ---------------------------------------------------------
# Start-Layout: Weißer Hintergrund, Titel zentriert, Legende oben rechts
# ---------------------------------------------------------
fig.update_layout(
    template="plotly_white",   # sorgt für weißen Default-Hintergrund
    # damit wir sicher keinen andersfarbigen BG haben:
    paper_bgcolor='white',
    plot_bgcolor='white',

    # Initialer Titel (wenn Buttons noch nicht geklickt wurden)
    title={
        text:titel_oeffentlich,
        x:0.5,
        xanchor:'center'
    },

    xaxis_title="Schuljahr",
    yaxis_title="Anzahl Schüler*innen",

    legend={
        x:1.02,
        y:1,
        xanchor:"left",
        yanchor:"top"
    },

    updatemenus=updatemenus,

    margin={
        t:80,   # oben Platz für Titel
        r:150,  # rechts Platz für Legende & Buttons
        b:80    # unten genug Platz für Annotation
    }
)

# ---------------------------------------------------------
# Quellenangabe als Annotation am unteren Rand
# ---------------------------------------------------------
fig.add_annotation(
    x=0.5,
    y=-0.15,  # so, dass sie ungefähr unterhalb des Diagramms erscheint
    showarrow=False,
    text=(
        "Quelle: Statistische Ämter des Bundes und der Länder, 2024: Kommunale Bildungsdatenbank, "
        "online abrufbar unter https://www.bildungsmonitoring.de/"
    ),
    xref="paper",
    yref="paper",
    xanchor="center",
    yanchor="top",
    font={size:10}
)

# ---------------------------------------------------------
# Ausgabe in eine HTML-Datei (inkl. Plotly-JS)
# ---------------------------------------------------------
fig.write_html(
    "mein_interaktives_diagramm.html",
    include_plotlyjs='cdn',  # Lädt plotly.js aus dem CDN
    full_html=True
)

print("Interaktives Diagramm wurde als 'mein_interaktives_diagramm.html' gespeichert.")

import textwrap
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.backends.backend_pdf import PdfPages

###############################################################################
# 1) Hilfsfunktionen
###############################################################################
def parse_schuljahr(s):
    try:
        parts = s.split("/")
        first_year = int(parts[0])
        second_year = int(parts[1])
        return first_year * 100 + second_year
    except:
        return None

def entwicklung_text(df_sub, region, schulform, traegerschaft):
    if df_sub.empty:
        return f"Keine Daten für Trägerschaft '{traegerschaft}' verfügbar."
    df_sub['sort_key'] = df_sub['Schuljahr'].apply(parse_schuljahr)
    df_sub = df_sub.dropna(subset=['sort_key']).sort_values('sort_key')
    if df_sub.empty:
        return f"Keine Daten für Trägerschaft '{traegerschaft}' verfügbar."

    first_year = df_sub["Schuljahr"].iloc[0]
    last_year  = df_sub["Schuljahr"].iloc[-1]
    first_val  = df_sub["Summe"].iloc[0]
    last_val   = df_sub["Summe"].iloc[-1]
    diff = last_val - first_val
    if diff > 0:
        trend_phrase = "gestiegen"
    elif diff < 0:
        trend_phrase = "gesunken"
    else:
        trend_phrase = "konstant geblieben"
    if first_val == 0:
        diff_pct_str = "(keine prozentuale Angabe möglich, da Startwert=0)"
    else:
        diff_pct = diff / first_val * 100
        diff_pct_str = f"{diff_pct:+.1f}%"
    diff_abs_str = f"{diff:+.0f}"

    return (
        f"Für die Trägerschaft '{traegerschaft}' ist die Zahl der Schüler/-innen "
        f"im gebundenen Ganztag an {schulform} von {int(first_val)} im Schuljahr {first_year} "
        f"auf {int(last_val)} im Schuljahr {last_year} {trend_phrase} "
        f"(Diff.: {diff_abs_str} bzw. {diff_pct_str})."
    )

###############################################################################
# 2) Ausgangsdaten (DataFrame df_pivot)
###############################################################################
# Beispielhaft: df_pivot existiert bereits
df_filtered = df_pivot[
    (df_pivot["Gebietskoerperschaft"] == "Düsseldorf, Kreisfreie Stadt") &
    (df_pivot["Ganztagsform"] == "Schüler/-innen im gebundenen Ganztagesbetrieb")
].copy()

df_filtered["Summe"] = df_filtered["Männlich"] + df_filtered["Weiblich"]

###############################################################################
# 3) PDF-Erstellung
###############################################################################
pdf_filename = "auswertung_gebundener_ganztag_duesseldorf.pdf"
pp = PdfPages(pdf_filename)

colors_for_traeger = {
    "Öffentlich": "#9AB688",
    "Privat": "#2EA8D9"
}

alle_schulformen = df_filtered["Schulform"].unique()

for schulform in alle_schulformen:
    df_schulform = df_filtered[df_filtered["Schulform"] == schulform].copy()
    if df_schulform.empty:
        continue

    df_schulform["sort_key"] = df_schulform["Schuljahr"].apply(parse_schuljahr)
    df_schulform = df_schulform.dropna(subset=["sort_key"]).sort_values("sort_key")
    region = df_schulform["Gebietskoerperschaft"].iloc[0]
    min_schuljahr = df_schulform["Schuljahr"].iloc[0]
    max_schuljahr = df_schulform["Schuljahr"].iloc[-1]

    # Figure erzeugen (A4 hoch)
    fig = plt.figure(figsize=(8.27, 11.69))

    # Haupt-Achse für das Diagramm
    ax = fig.add_subplot(111)

    # Titel
    ax.set_title(
        f"Anzahl der Schüler*innen im gebundenen Ganztag an {schulform}\n"
        f"in {region} nach Trägerschaft (Schuljahr {min_schuljahr} bis {max_schuljahr})",
        fontsize=11, pad=20
    )

    # Liniendiagramm
    for traeger in ["Öffentlich", "Privat"]:
        df_traeger = df_schulform[df_schulform["Traegerschaft"] == traeger]
        if df_traeger.empty:
            continue
        x = df_traeger["sort_key"]
        y = df_traeger["Summe"]
        color = colors_for_traeger.get(traeger, "#FAC240")
        ax.plot(x, y, label=traeger, marker="o", color=color)

    ax.set_xlabel("Schuljahr")
    ax.set_ylabel("Anzahl Schüler*innen")
    ax.set_ylim(0)

    # X-Ticks
    unique_pairs = df_schulform[["sort_key", "Schuljahr"]].drop_duplicates()
    unique_pairs = unique_pairs.sort_values("sort_key")
    ax.set_xticks(unique_pairs["sort_key"])
    ax.set_xticklabels(unique_pairs["Schuljahr"], rotation=45)
    ax.legend(loc="upper left")

    # Entwicklungstexte zusammensetzen
    text_liste = []
    for traeger in ["Öffentlich", "Privat"]:
        df_traeger = df_schulform[df_schulform["Traegerschaft"] == traeger]
        text_liste.append(entwicklung_text(df_traeger, region, schulform, traeger))
    erlaeuterung_text = "\n".join(text_liste)

    quellen_text = (
        "Quelle: Statistische Ämter des Bundes und der Länder, 2024: Kommunale Bildungsdatenbank, "
        "online abrufbar unter https://www.bildungsmonitoring.de/"
    )

    # --------------------------------------------------
    # 3.7) Layout: Diagramm oben, separater Bereich unten
    # --------------------------------------------------
    # Reserviere den oberen Teil für das Diagramm:
    fig.subplots_adjust(left=0.10, right=0.90, bottom=0.40, top=0.9)

    # Eine zweite Achse am unteren Rand, unsichtbar:
    # left=0.10, width=0.80 => gleicher linker+rechter Rand wie Diagramm
    text_ax = fig.add_axes([0.10, 0.00, 0.80, 0.28])
    text_ax.set_axis_off()  # Keine sichtbare Achse

    # --------------------------------------------------
    # 3.8) Manueller Zeilenumbruch mittels textwrap
    # --------------------------------------------------
    # z.B. Zeilenbreite 70 Zeichen (kann man anpassen)
    wrapped_erlaeuterung = "\n".join(textwrap.wrap(erlaeuterung_text, width=90))
    wrapped_quellen      = "\n".join(textwrap.wrap(quellen_text,      width=90))# Wir platzieren erst den Erläuterungstext am oberen Rand dieser Achse
    text_ax.text(
        0,          # x=0 => linker Rand
        1.0,        # y=1.0 => oberer Rand in Achsen-Koord.
        wrapped_erlaeuterung,
        transform=text_ax.transAxes,
        va="top", ha="left",
        fontsize=10
    )

    # Quellenangabe etwas tiefer:
    text_ax.text(
        0,
        0.5,  # z.B. 0.5 => in der Mitte
        wrapped_quellen,
        transform=text_ax.transAxes,
        va="top", ha="left",
        fontsize=9
    )

    # --------------------------------------------------
    # 3.9) Speichern
    # --------------------------------------------------
    pp.savefig(fig)
    plt.close(fig)

pp.close()
print(f"Fertig! PDF gespeichert als: '{pdf_filename}'")