import streamlit as st
import pandas as pd
import plotly.express as px
from dataclasses import dataclass, field
from typing import Dict, Tuple, Any

# 📥 讀取 Google 試算表函數
def read_google_sheet(sheet_id, sheet_number=0):
    """📥 從 Google Sheets 讀取數據"""
    url = f'https://docs.google.com/spreadsheets/d/{sheet_id}/export?format=csv&gid={sheet_number}'
    try:
        df = pd.read_csv(url)
        return df
    except Exception as e:
        st.error(f"❌ 讀取失敗：{str(e)}")
        return None

# 📊 Google Sheets ID
sheet_id = "1Wc15DZWq48MxL7nXAsROJ6sRvH5njSa1ea0aaOGUOVk"
gid = "1168424766"

@dataclass
class SurveyMappings:
    """📋 問卷數據對應"""
    gender: Dict[str, int] = field(default_factory=lambda: {'男性': 1, '女性': 2})
    education: Dict[str, int] = field(default_factory=lambda: {
        '國小(含)以下': 1, '國/初中': 2, '高中/職': 3, '專科': 4, '大學': 5, '研究所(含)以上': 6})
    frequency: Dict[str, int] = field(default_factory=lambda: {
        '第1次': 1, '2-3次': 2, '4-6次': 3, '6次以上': 4, '經常來學習，忘記次數了': 5})

class SurveyAnalyzer:
    """📊 問卷分析類"""

    def __init__(self):
        self.mappings = SurveyMappings()
        self.satisfaction_columns = [
            '１． 示範場域提供多元的數位課程與活動',
            '２．示範場域的數位課程與活動對我的生活應用有幫助',
            '３． 示範場域的服務人員親切有禮貌',
            '４．示範場域的服務空間與數位設備友善方便',
            '５．在示範場域可以獲得需要的協助',
            '６．對於示範場域的服務感到滿意'
        ]

    def generate_report(self, df: pd.DataFrame) -> Dict[str, Any]:
        """📝 生成問卷調查報告"""
        return {
            '基本統計': {
                '總受訪人數': len(df),
                '性別分布': df['1.   性別'].value_counts().to_dict(),
                '教育程度分布': df['３．教育程度'].value_counts().to_dict(),
                '平均年齡': f"{pd.to_numeric(df['２．出生年（民國__年）'], errors='coerce').mean():.1f}歲"
            },
            '滿意度統計': {
                '整體平均滿意度': f"{df['６．對於示範場域的服務感到滿意'].mean():.2f}",
                '最高分項目': df[self.satisfaction_columns].mean().idxmax(),
                '最低分項目': df[self.satisfaction_columns].mean().idxmin()
            }
        }

    def plot_satisfaction_correlation(self, df: pd.DataFrame):
        """🔥 滿意度相關性熱力圖"""
        correlation_matrix = df[self.satisfaction_columns].corr()
        fig = px.imshow(correlation_matrix, text_auto=True, color_continuous_scale='viridis',
                        title='🔥 滿意度項目相關性熱力圖')

        # ✅ 放大圖表
        fig.update_layout(
            font=dict(size=20),
            title_font=dict(size=26, family="Arial Black"),
            width=1000,
            height=800,
            coloraxis_colorbar=dict(title="相關性"),
        )

        st.plotly_chart(fig, use_container_width=True)

    def plot_gender_distribution(self, df: pd.DataFrame):
        """🟠 性別分佈圓餅圖"""
        gender_counts = df['1.   性別'].value_counts().reset_index()
        gender_counts.columns = ['性別', '人數']
        fig = px.pie(gender_counts, names='性別', values='人數', title='🟠 受訪者性別分布',
                     color_discrete_sequence=px.colors.sequential.Sunset)
        st.plotly_chart(fig, use_container_width=True)

# 🎨 Streamlit UI
def main():
    st.set_page_config(page_title="問卷調查分析", layout="wide")

    st.title("📊 問卷調查分析報告")
    st.write("本頁面展示問卷調查數據的分析結果，包括統計信息與視覺化圖表。")

    # 讀取數據
    df = read_google_sheet(sheet_id, gid)

    if df is not None:
        analyzer = SurveyAnalyzer()

        # 📌 基本統計數據
        st.sidebar.header("📌 選擇數據分析")
        selected_analysis = st.sidebar.radio("選擇要查看的分析", 
                                             ["📋 問卷統計報告", "🔥 滿意度相關性熱力圖", "🟠 性別分佈"])

        if selected_analysis == "📋 問卷統計報告":
            st.header("📋 問卷統計報告")
            report = analyzer.generate_report(df)
            for category, stats in report.items():
                with st.expander(f"🔍 {category}"):
                    for key, value in stats.items():
                        st.write(f"**{key}**: {value}")

        elif selected_analysis == "🔥 滿意度相關性熱力圖":
            st.header("🔥 滿意度相關性熱力圖")
            analyzer.plot_satisfaction_correlation(df)

        elif selected_analysis == "🟠 性別分佈":
            st.header("🟠 性別分佈")
            analyzer.plot_gender_distribution(df)

if __name__ == "__main__":
    main()