from dataclasses import dataclass
from typing import List, Dict, Tuple
from datetime import datetime
from pathlib import Path
import math
import json

# ============================
# Núcleo MG360 (24 ítems)
# ============================

@dataclass(frozen=True)
class Item:
    code: str
    text: str
    dimension: str  # "COG", "EMO", "REL", "EJE"
    reverse: bool

# 24 ítems: 6 por eje (3 directos + 3 inversos)
ITEMS: List[Item] = [
    # Cognitiva (COG)
    Item("COG1", "Antes de decidir, evalúo cómo una acción afecta a otras áreas.", "COG", False),
    Item("COG2", "Anticipo escenarios y consecuencias más allá del corto plazo.", "COG", False),
    Item("COG3", "Identifico patrones y relaciones entre procesos aparentemente aislados.", "COG", False),
    Item("COG4", "Prefiero concentrarme solo en mi área aunque desconozca las demás.", "COG", True),
    Item("COG5", "Decido principalmente según urgencias del día a día.", "COG", True),
    Item("COG6", "Me cuesta ver el impacto sistémico de mis decisiones.", "COG", True),
    # Emocional (EMO)
    Item("EMO1", "Identifico emociones que influyen en mi trato con otros.", "EMO", False),
    Item("EMO2", "Regulo mi respuesta emocional aun bajo presión.", "EMO", False),
    Item("EMO3", "Practico la empatía para comprender perspectivas distintas.", "EMO", False),
    Item("EMO4", "Suelo reprimir emociones para no mostrar debilidad.", "EMO", True),
    Item("EMO5", "Cuando me frustro, reacciono de forma impulsiva.", "EMO", True),
    Item("EMO6", "Evito hablar de emociones en el trabajo.", "EMO", True),
    # Relacional (REL)
    Item("REL1", "Busco acuerdos que integren intereses distintos.", "REL", False),
    Item("REL2", "Comunico expectativas de forma clara y verifico entendimiento.", "REL", False),
    Item("REL3", "Fomento colaboración efectiva entre áreas y niveles.", "REL", False),
    Item("REL4", "Evito confrontar para no generar conflicto.", "REL", True),
    Item("REL5", "Prefiero trabajar de forma individual para avanzar más rápido.", "REL", True),
    Item("REL6", "Me cuesta adaptar mi comunicación según el interlocutor.", "REL", True),
    # Ejecucional (EJE)
    Item("EJE1", "Transformo errores en oportunidades de aprendizaje.", "EJE", False),
    Item("EJE2", "Cumplo compromisos en tiempo forma de manera consistente.", "EJE", False),
    Item("EJE3", "Itero procesos para mejorar resultados de forma continua.", "EJE", False),
    Item("EJE4", "Cumplir metas es más importante que desarrollar a las personas.", "EJE", True),
    Item("EJE5", "Me desanimo fácilmente cuando surgen obstáculos.", "EJE", True),
    Item("EJE6", "Evito revisar resultados para no encontrar fallas.", "EJE", True),
]

DIMENSIONS = ["COG", "EMO", "REL", "EJE"]
DIMENSION_LABELS = {
    "COG": "Cognitiva",
    "EMO": "Emocional",
    "REL": "Relacional",
    "EJE": "Ejecucional",
}

def invert_if_needed(value: float, reverse: bool) -> float:
    """Invierte Likert 1–5 cuando el ítem es inverso (6 - v)."""
    return 6 - value if reverse else value

def score_responses(responses: Dict[str, float]) -> Dict[str, float]:
    """Calcula promedios por dimensión y BALANCE_360."""
    dim_values = {d: [] for d in DIMENSIONS}
    for it in ITEMS:
        if it.code not in responses:
            raise ValueError(f"Falta respuesta para {it.code}")
        v = float(responses[it.code])
        if not (1 <= v <= 5):
            raise ValueError(f"Respuesta fuera de rango 1-5 en {it.code}: {v}")
        dim_values[it.dimension].append(invert_if_needed(v, it.reverse))

    dim_avg = {d: sum(vals)/len(vals) for d, vals in dim_values.items()}
    vals = list(dim_avg.values())
    avg = sum(vals)/len(vals)
    var = sum((x-avg)**2 for x in vals) / len(vals)
    stdev = math.sqrt(var)
    balance_360 = 1 - (stdev / avg) if avg > 0 else 0.0
    return {**dim_avg, "BALANCE_360": balance_360}

def dominant_axis(dim_scores: Dict[str, float]) -> Tuple[str, float]:
    best_dim = max(DIMENSIONS, key=lambda d: dim_scores[d])
    return best_dim, dim_scores[best_dim]

def interpret(dim_scores: Dict[str, float]) -> Dict[str, str]:
    """Interpretación de equilibrio y eje dominante."""
    bal = dim_scores["BALANCE_360"]
    if bal > 0.85:
        eq = "Mentalidad 360 desarrollada"
    elif bal >= 0.70:
        eq = "Parcialmente equilibrada"
    else:
        eq = "Tendencia a sesgo gerencial (un eje domina)"
    best, val = dominant_axis(dim_scores)
    perfiles = {
        "COG": "Estratega analítico (Cognitivo)",
        "EMO": "Líder empático (Emocional)",
        "REL": "Conector colaborativo (Relacional)",
        "EJE": "Gestor ejecutor (Ejecucional)",
    }
    return {
        "equilibrio": eq,
        "eje_dominante": f"{perfiles[best]} — {DIMENSION_LABELS[best]} ({val:.2f}/5)"
    }

# ============================
# Radar PRO (matplotlib)
# ============================

def radar_plot(dim_scores: Dict[str, float], title: str, out_png: str) -> str:
    """
    Radar 4D limpio y simétrico (patrón estable):
    - Círculo completo (0..2π)
    - Cognitiva arriba, sentido horario
    - Aros 1..5, etiquetas claras
    - Valor numérico en cada eje
    """
    import numpy as np
    import matplotlib.pyplot as plt

    # Orden fijo de dimensiones (coincidirá con tus promedios)
    DIM_ORDER = ["COG", "EMO", "REL", "EJE"]
    labels = [DIMENSION_LABELS[d] for d in DIM_ORDER]
    vals   = [float(dim_scores[d]) for d in DIM_ORDER]

    # Cerrar polígono (repetimos primer punto al final)
    angles = np.linspace(0, 2*np.pi, len(labels), endpoint=False)
    angles = np.roll(angles, -0)  # no rotamos el orden base
    angles_cycle = np.concatenate([angles, [angles[0]]])
    vals_cycle   = np.concatenate([vals,   [vals[0]]])

    # Lienzo polar
    fig = plt.figure(figsize=(8, 8))
    ax = plt.subplot(111, polar=True)
    ax.set_facecolor("white")

    # Cognitiva arriba (90°) y sentido horario
    ax.set_theta_offset(np.pi / 2)
    ax.set_theta_direction(-1)

    # Ticks de categorías
    ax.set_xticks(angles)
    ax.set_xticklabels(labels, fontsize=14, fontweight="bold")

    # Radial 0–5 con aros visibles
    ax.set_ylim(0, 5)
    ax.set_yticks([1, 2, 3, 4, 5])
    ax.set_yticklabels(["1", "2", "3", "4", "5"], fontsize=11)
    ax.yaxis.grid(True, linewidth=0.8, alpha=0.6)
    ax.xaxis.grid(True, linewidth=0.8, alpha=0.6)

    # Polígono (borde + relleno suave) — sin especificar colores
    ax.plot(angles_cycle, vals_cycle, linewidth=2.2)
    ax.fill(angles_cycle, vals_cycle, alpha=0.18)

    # Marcadores + etiqueta de valor en cada eje
    for ang, v in zip(angles, vals):
        ax.plot([ang], [v], marker="o", markersize=6)
        ax.text(ang, min(5, v + 0.22), f"{v:.2f}",
                ha="center", va="center", fontsize=11, fontweight="bold")

    # Títulos
    ax.set_title(title, fontsize=22, fontweight="bold", pad=18)
    bal = float(dim_scores.get("BALANCE_360", 0.0))
    dom = max(DIM_ORDER, key=lambda d: dim_scores[d])
    subtitle = f"Balance 360: {bal:.3f} · Eje dominante: {DIMENSION_LABELS[dom]} ({dim_scores[dom]:.2f}/5)"
    fig.text(0.5, 0.03, subtitle, ha="center", va="center", fontsize=11)

    fig.tight_layout()
    fig.savefig(out_png, dpi=240, bbox_inches="tight")
    plt.close(fig)
    return out_png


# ============================
# Gradio App
# ============================
def items_schema() -> List[Dict[str, str]]:
    return [{"code": it.code, "text": it.text, "dimension": DIMENSION_LABELS[it.dimension], "reverse": it.reverse} for it in ITEMS]

def _ensure_outdir() -> Path:
    out_dir = Path("mg360_resultados")
    out_dir.mkdir(parents=True, exist_ok=True)
    return out_dir

def _evaluate_internal(res_vals: List[int]):
    schema = items_schema()
    responses = { schema[i]["code"]: int(res_vals[i]) for i in range(len(schema)) }
    scores = score_responses(responses)
    inter  = interpret(scores)

    ts = datetime.now().strftime("%Y%m%d_%H%M%S")
    out_dir = _ensure_outdir()
    out_json = out_dir / f"mg360_reporte_{ts}.json"
    out_png  = out_dir / f"mg360_radar_{ts}.png"
    radar_plot(scores, "Perfil MG360 (1–5)", str(out_png))

    with open(out_json, "w", encoding="utf-8") as f:
        json.dump({"responses": responses, "scores": scores, "interpretation": inter}, f, ensure_ascii=False, indent=2)

    # Markdown de resultados
    md = [
        "**Resultados**",
        *(f"- {DIMENSION_LABELS[d]}: {scores[d]:.2f}/5" for d in ["COG","EMO","REL","EJE"]),
        f"- **BALANCE 360**: {scores['BALANCE_360']:.3f}",
        "",
        "**Interpretación**",
        f"- Equilibrio: {inter['equilibrio']}",
        f"- Eje dominante: {inter['eje_dominante']}",
    ]
    return str(out_png), "\n".join(md), json.dumps({"responses": responses, "scores": scores, "interpretation": inter}, ensure_ascii=False, indent=2)

# ============ Lanzador Gradio ============
def main_gradio():
    import gradio as gr
    schema = items_schema()

    with gr.Blocks() as demo:
        gr.Markdown("# Test MG360 (24 ítems) — Versión Avanzada")
        gr.Markdown("**Escala 1–5:** 1=**Nunca**, 2=**Rara vez**, 3=**A veces**, 4=**Frecuente**, 5=**Siempre**.")

        with gr.Accordion("Cuestionario (24 ítems)", open=True):
            gr.Markdown("### Guía de escala: 1=**Nunca** · 2=**Rara vez** · 3=**A veces** · 4=**Frecuente** · 5=**Siempre**")
            sliders = [
                gr.Slider(1, 5, step=1, value=3,
                          label=f"{it['code']} — {it['text']} (1 Nunca · 2 Rara vez · 3 A veces · 4 Frecuente · 5 Siempre)")
                for it in schema
            ]

        btn = gr.Button("Evaluar")
        img = gr.Image(type="filepath", label="Radar 4D (1–5)")
        md  = gr.Markdown()
        js  = gr.Code(language="json", label="Reporte (JSON)")

        # Importante: la función acepta múltiples parámetros (uno por slider)
        def evaluate(*vals):
            return _evaluate_internal(list(vals))

        btn.click(fn=evaluate, inputs=sliders, outputs=[img, md, js])

    demo.launch()

if __name__ == "__main__":
    main_gradio()