import os
import pandas as pd
# Pfad-Setup: expliziter Nutzerpfad + robuste Fallbacks
SCRIPT_DIR = os.path.dirname(os.path.abspath(__file__))
PROJECT_DIR = SCRIPT_DIR  # hier liegt die Datei selbst im Projektordner

# 1) Nutzerpfad (wie gewünscht)
USER_SPEC_PATHS = [
    "Research/Eigene Forschungsprojekte/Visible Learning/Thermometer.csv",
]

# 2) Lokale Projekt-Pfade
LOCAL_SPEC_PATHS = [
    os.path.join(PROJECT_DIR, "Thermometer.csv"),
]

# 3) Frühere Kandidaten für Abwärtskompatibilität
LEGACY_CANDIDATES = [
    "thermometer.csv",
    "thermometer_young_mapping.csv",
    "visible-learning_thermometer.csv",
]

EXPORT_PATH = "Research/Eigene Forschungsprojekte/Visible Learning/export"

def _resolve_path(p: str) -> str:
    """Erlaube relative Pfade (vom Script- oder Arbeitsverzeichnis) und absolute Pfade."""
    if os.path.isabs(p):
        return p
    # erst relativ zum Script-Verzeichnis
    p1 = os.path.join(SCRIPT_DIR, p)
    if os.path.exists(p1):
        return p1
    # dann relativ zum aktuellen Arbeitsverzeichnis
    p2 = os.path.abspath(p)
    return p2


def _load_csv():
    tried = []
    # 1) Nutzerpfad(e)
    for raw in USER_SPEC_PATHS:
        p = _resolve_path(raw)
        if os.path.exists(p):
            try:
                df = pd.read_csv(p)
                return df, p
            except Exception as e:
                tried.append((p, str(e)))
    # 2) Lokale Projektpfade
    for raw in LOCAL_SPEC_PATHS:
        p = _resolve_path(raw)
        if os.path.exists(p):
            try:
                df = pd.read_csv(p)
                return df, p
            except Exception as e:
                tried.append((p, str(e)))
    # 3) Legacy-Kandidaten
    for raw in LEGACY_CANDIDATES:
        p = _resolve_path(raw)
        if os.path.exists(p):
            try:
                df = pd.read_csv(p)
                return df, p
            except Exception as e:
                tried.append((p, str(e)))

    msg_lines = ["Keine CSV gefunden. Bitte stelle sicher, dass eine Thermometer-CSV existiert."]
    msg_lines.append("Versuchte Pfade:")
    for p,e in tried:
        msg_lines.append(f" - {p} (Fehler: {e})")
    msg_lines.append("Gesucht wurden u.a. (Rangfolge):")
    for raw in USER_SPEC_PATHS + LOCAL_SPEC_PATHS + LEGACY_CANDIDATES:
        msg_lines.append(f" - {_resolve_path(raw)}")
    raise FileNotFoundError("\n".join(msg_lines))

# --------------------------------------------
# WERTEDATEI (nur Zusatzfelder)
# --------------------------------------------
EXTRA_COLS = ["Effekt_abs", "Effekt_sign", "Effekt_norm01"]

def _build_extrafields(df: pd.DataFrame) -> pd.DataFrame:
    d = df.copy()
    d["Effekt_abs"] = d["Effektstärke"].abs()
    d["Effekt_sign"] = d["Effektstärke"].apply(lambda x: 1 if x > 0 else (-1 if x < 0 else 0))
    if d["Effekt_abs"].max() > 0:
        d["Effekt_norm01"] = d["Effekt_abs"] / d["Effekt_abs"].max()
    else:
        d["Effekt_norm01"] = 0.0
    return d[EXTRA_COLS]

# -----------------------------------------------------------
# Merge DataFrame with extras and export as CSV
# -----------------------------------------------------------
def _merge_and_export(df: pd.DataFrame, extras: pd.DataFrame):
    merged = pd.concat([df[["Thermometer_ID", "Stichwort", "Effektstärke", "Subkapitel", "Kapitelname", "Systemebene", "Young_Beduerfnis"]].reset_index(drop=True), extras.reset_index(drop=True)], axis=1)
    os.makedirs(EXPORT_PATH, exist_ok=True)
    out_path = os.path.join(EXPORT_PATH, "werte_mapping.csv")
    merged.to_csv(out_path, index=False, encoding="utf-8")
    print(f"✅ Mapping + Zusatzwerte exportiert: {out_path}")

def _export_csv(df: pd.DataFrame, filename: str):
    os.makedirs(EXPORT_PATH, exist_ok=True)
    out_path = os.path.join(EXPORT_PATH, filename)
    df.to_csv(out_path, index=False, encoding="utf-8")
    print(f"✅ Zusatz-Wertedatei exportiert: {out_path}")

if __name__ == "__main__":
    df, src = _load_csv()
    print(f"Eingelesen von: {src}")
    extras = _build_extrafields(df)
    _export_csv(extras, "werte_extras.csv")

    _merge_and_export(df, extras)