import streamlit as st
import pandas as pd
import plotly.express as px
import plotly.graph_objs as go
import numpy as np
from datetime import datetime
from dataclasses import dataclass, field
from typing import Dict, List, 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

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

    def __init__(self):
        # 滿意度欄位名稱
        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'
        ]
        
        # 對應的簡短名稱
        self.satisfaction_short_names = [
            '多元課程與活動',
            '生活應用幫助',
            '服務人員親切',
            '空間設備友善',
            '獲得需要協助',
            '整體服務滿意'
        ]

    def plot_satisfaction_scores(self, df: pd.DataFrame):
        """📊 示範場域滿意度平均分數圖表"""
        # 確保所有滿意度欄位都存在
        existing_columns = [col for col in self.satisfaction_columns if col in df.columns]
        
        # 計算平均分數和標準差
        satisfaction_means = [df[col].mean() for col in existing_columns]
        satisfaction_stds = [df[col].std() for col in existing_columns]
        
        # 創建數據框
        satisfaction_df = pd.DataFrame({
            '滿意度項目': [self.satisfaction_short_names[self.satisfaction_columns.index(col)] for col in existing_columns],
            '平均分數': satisfaction_means,
            '標準差': satisfaction_stds
        })
        
        # 排序結果（由高到低）
        satisfaction_df = satisfaction_df.sort_values(by='平均分數', ascending=False)
        
        # 建立顏色漸變映射
        color_scale = [
            [0, '#90CAF9'],  # 淺藍色
            [0.5, '#2196F3'],  # 中藍色
            [1, '#1565C0']  # 深藍色
        ]
        
        # 繪製條形圖
        fig = px.bar(
            satisfaction_df, 
            x='滿意度項目', 
            y='平均分數',
            error_y='標準差',
            title='📊 示範場域各項滿意度分析',
            color='平均分數',
            color_continuous_scale=color_scale,
            text='平均分數',
            hover_data={
                '滿意度項目': True, 
                '平均分數': ':.2f', 
                '標準差': ':.2f'
            }
        )
        
        # 調整圖表佈局
        fig.update_layout(
            font=dict(family="Arial", size=16),
            title_font=dict(family="Arial Black", size=24),
            title_x=0.5,  # 標題置中
            xaxis_title="滿意度項目",
            yaxis_title="平均分數",
            yaxis_range=[0, 5],  # 評分範圍從0開始，視覺上更明顯
            plot_bgcolor='rgba(240,240,240,0.8)',  # 淺灰色背景
            paper_bgcolor='white',
            xaxis_tickangle=-25,  # 斜角標籤，避免重疊
            margin=dict(l=40, r=40, t=80, b=60),
            legend_title_text="平均分數",
            shapes=[
                # 添加參考線 - 4分線
                dict(
                    type='line',
                    yref='y', y0=4, y1=4,
                    xref='paper', x0=0, x1=1,
                    line=dict(color='rgba(220,20,60,0.5)', width=2, dash='dash')
                )
            ],
            annotations=[
                # 參考線標籤
                dict(
                    x=0.02, y=4.1,
                    xref='paper', yref='y',
                    text='優良標準 (4分)',
                    showarrow=False,
                    font=dict(size=14, color='rgba(220,20,60,0.8)')
                )
            ]
        )
        
        # 調整文字格式
        fig.update_traces(
            texttemplate='%{y:.2f}', 
            textposition='outside',
            marker_line_color='rgb(8,48,107)',
            marker_line_width=1.5,
            opacity=0.85
        )
        
        # 計算整體平均滿意度（只計算存在的欄位）
        overall_satisfaction = df[existing_columns].mean().mean()
        
        # 返回圖表和整體滿意度
        return fig, overall_satisfaction, len(df)

    def analyze_demographic_data(self, df: pd.DataFrame):
        """分析性別和教育程度"""
        # 性別分佈
        if '性別' in df.columns:
            gender_counts = df['性別'].value_counts()
            gender_pie = go.Figure(data=[go.Pie(
                labels=gender_counts.index, 
                values=gender_counts.values, 
                hole=.3,
                title='性別分佈'
            )])
            gender_pie.update_layout(title='📊 性別分佈')
        else:
            gender_pie = None
            st.warning("資料中缺少性別欄位")

        # 教育程度分佈
        if '教育程度' in df.columns:
            education_counts = df['教育程度'].value_counts()
            education_bar = go.Figure(data=[go.Bar(
                x=education_counts.index, 
                y=education_counts.values,
                text=education_counts.values,
                textposition='auto'
            )])
            education_bar.update_layout(
                title='📊 教育程度分佈',
                xaxis_title='教育程度',
                yaxis_title='人數'
            )
        else:
            education_bar = None
            st.warning("資料中缺少教育程度欄位")

        return gender_pie, education_bar

def main():
    st.set_page_config(page_title="示範場域滿意度調查", layout="wide")
    
    # 讀取 Google Sheet 數據
    sheet_id = "1Wc15DZWq48MxL7nXAsROJ6sRvH5njSa1ea0aaOGUOVk"
    gid = "1168424766"
    df = read_google_sheet(sheet_id, gid)
    
    if df is not None:
        # 創建分析器
        analyzer = SurveyAnalyzer()
        
        # 顯示標題
        st.title("📊 示範場域滿意度調查分析")
        
        # 提示缺少的滿意度欄位
        missing_columns = [col for col in analyzer.satisfaction_columns if col not in df.columns]
        if missing_columns:
            st.warning(f"⚠️ 缺少以下滿意度欄位: {missing_columns}")
        
        # 繪製滿意度圖表
        satisfaction_fig, overall_satisfaction, num_respondents = analyzer.plot_satisfaction_scores(df)
        
        # 顯示滿意度圖表
        st.plotly_chart(satisfaction_fig, use_container_width=True)
        
        # 顯示整體滿意度
        st.markdown(f"""
        ### 📈 整體滿意度分析
        - **受訪人數**: {num_respondents} 人
        - **整體平均滿意度**: {overall_satisfaction:.2f} 分
        
        #### 🔍 滿意度解讀
        - 0-1分: 非常不滿意
        - 1-2分: 不滿意
        - 2-3分: 普通
        - 3-4分: 滿意
        - 4-5分: 非常滿意
        
        根據調查結果，整體滿意度為 {overall_satisfaction:.2f} 分，
        """, unsafe_allow_html=True)
        
        # 根據整體滿意度提供文字解讀
        if overall_satisfaction < 2:
            st.warning("⚠️ 整體滿意度較低，建議深入檢討服務品質")
        elif overall_satisfaction < 3:
            st.info("ℹ️ 整體滿意度處於普通水平，可以進一步改善服務")
        elif overall_satisfaction < 4:
            st.success("✅ 整體滿意度良好，但仍有提升空間")
        else:
            st.balloons()
            st.success("🎉 整體滿意度非常高，表現優異！")
        
        # 人口統計分析
        st.header("👥 人口統計分析")
        
        # 創建兩列顯示
        col1, col2 = st.columns(2)
        
        # 性別分佈
        with col1:
            gender_pie, _ = analyzer.analyze_demographic_data(df)
            if gender_pie:
                st.plotly_chart(gender_pie, use_container_width=True)
        
        # 教育程度分佈
        with col2:
            _, education_bar = analyzer.analyze_demographic_data(df)
            if education_bar:
                st.plotly_chart(education_bar, use_container_width=True)

if __name__ == "__main__":
    main()