src/streamlit_app.py

import streamlit as st
import pandas as pd
import folium
from folium.plugins import MarkerCluster, Search
from streamlit_folium import st_folium
import html
import io
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# --- Configuración ---
st.set_page_config(page_title="Puntajes SIMCE 2024 - Centros Escolares", page_icon=":school:", layout="wide")
st.title(":school: Puntajes SIMCE 2024 - 2do Medio")
st.markdown("Explora los puntajes SIMCE de los establecimientos educacionales en Chile (Datos del MINEDUC)")

# --- Diccionarios para mapear valores a descripciones ---
dependencia_map = {
    1: 'Municipal Corporación',
    2: 'Municipal DAEM',
    3: 'Particular subvencionado',
    4: 'Particular pagado',
    5: 'Corporación de administración delegada',
    6: 'Servicio Local de Educación'
}

socioecon_map = {
    1: 'Bajo',
    2: 'Medio Bajo',
    3: 'Medio',
    4: 'Medio Alto',
    5: 'Alto'
}

rural_map = {
    1: 'Urbano',
    2: 'Rural'
}

# --- Cargar datos ---
@st.cache_data
def load_data():
    df = pd.read_csv(
        "src/Data/simce.csv",
        sep=";",
        decimal=",",
        encoding="ISO-8859-1",
        header=0,
        on_bad_lines="skip"
    )
    
    # Crear columnas con descripciones
    df['dependencia_desc'] = df['dependencia'].map(dependencia_map)
    df['grupo_socioecon_desc'] = df['grupo_socioecon'].map(socioecon_map)
    df['es_rural_desc'] = df['es_rural'].map(rural_map)
    
    return df

# Cargar datos
df = load_data()

# --- Filtros ---
st.subheader("Filtros de Búsqueda")
col1, col2, col3, col4 = st.columns(4)
regiones = ["(Todas)"] + sorted(df["nombre_region"].dropna().unique().tolist())
ruralidades = ["(Todas)"] + sorted(df["es_rural_desc"].dropna().unique().tolist())
dependencias = ["(Todas)"] + sorted(df["dependencia_desc"].dropna().unique().tolist())
socioecons = ["(Todas)"] + sorted(df["grupo_socioecon_desc"].dropna().unique().tolist())

with col1:
    sel_region = st.selectbox("Región", regiones, index=0, help="Selecciona una región para filtrar los establecimientos.")
with col2:
    sel_ruralidad = st.selectbox("Ruralidad", ruralidades, index=0, help="Filtra por tipo de área (urbana o rural).")
with col3:
    sel_dependencia = st.selectbox("Dependencia", dependencias, index=0, help="Filtra por tipo de establecimiento.")
with col4:
    sel_socioecon = st.selectbox("Grupo Socioeconómico", socioecons, index=0, help="Filtra por nivel socioeconómico.")

# Filtrar datos
df_f = df.copy()
if sel_region != "(Todas)":
    df_f = df_f[df_f["nombre_region"] == sel_region]
if sel_ruralidad != "(Todas)":
    df_f = df_f[df_f["es_rural_desc"] == sel_ruralidad]
if sel_dependencia != "(Todas)":
    df_f = df_f[df_f["dependencia_desc"] == sel_dependencia]
if sel_socioecon != "(Todas)":
    df_f = df_f[df_f["grupo_socioecon_desc"] == sel_socioecon]

# --- Nueva sección: Comparación de Colegios por Percentiles ---
st.subheader("Comparación de Colegio por Percentiles")
st.markdown("Selecciona un colegio para comparar sus puntajes en Matemáticas y Lenguaje con respecto a los demás colegios filtrados.")

# Función para calcular percentiles
def calcular_percentiles(colegio, df_filtrado):
    # Filtrar datos válidos (sin NaN)
    df_math = df_filtrado[df_filtrado['promedio_matematica'].notna()]
    df_lectura = df_filtrado[df_filtrado['promedio_lectura'].notna()]
    
    # Obtener puntajes del colegio seleccionado
    math_score = colegio['promedio_matematica'].values[0]
    lectura_score = colegio['promedio_lectura'].values[0]
    
    # Calcular percentiles
    if not df_math.empty and not pd.isna(math_score):
        percentil_math = (sum(df_math['promedio_matematica'] <= math_score) / len(df_math)) * 100
    else:
        percentil_math = None
        
    if not df_lectura.empty and not pd.isna(lectura_score):
        percentil_lectura = (sum(df_lectura['promedio_lectura'] <= lectura_score) / len(df_lectura)) * 100
    else:
        percentil_lectura = None
        
    return percentil_math, percentil_lectura

# Función para crear boxplot individual
def crear_boxplot_individual(datos, colegio_puntaje, titulo, color, nombre_colegio):
    if datos.empty:
        return None
    
    # Crear figura
    fig, ax = plt.subplots(figsize=(10, 6))
    
    # Crear boxplot
    boxplot = ax.boxplot(datos, patch_artist=True, widths=0.6)
    
    # Colorear el boxplot
    boxplot['boxes'][0].set_facecolor(color)
    
    # Marcar la posición del colegio seleccionado
    ax.plot(1, colegio_puntaje, 'ro', markersize=10, label=f'{nombre_colegio}: {colegio_puntaje:.1f}')
    
    # Personalizar
    ax.set_title(titulo, fontsize=16, fontweight='bold')
    ax.set_ylabel('Puntaje', fontsize=12)
    ax.set_xticklabels([''])  # Ocultar label del eje x
    ax.legend(loc='upper right')
    
    # Añadir líneas de referencia para percentiles
    q1, median, q3 = np.percentile(datos, [25, 50, 75])
    ax.axhline(y=median, color='green', linestyle='--', alpha=0.7, label=f'Mediana: {median:.1f}')
    
    # Añadir estadísticas descriptivas
    stats_text = f"""
    N: {len(datos)}
    Mín: {datos.min():.1f}
    Q1: {q1:.1f}
    Mediana: {median:.1f}
    Q3: {q3:.1f}
    Máx: {datos.max():.1f}
    """
    ax.text(0.02, 0.98, stats_text, transform=ax.transAxes, verticalalignment='top',
            bbox=dict(boxstyle='round', facecolor='wheat', alpha=0.5), fontsize=10)
    
    plt.tight_layout()
    return fig

# Función para generar texto comparativo
def generar_texto_comparativo(colegio_data, df_filtrados, df_lista_manual, materia):
    nombre_colegio = colegio_data['nombre_colegio'].values[0]
    puntaje_colegio = colegio_data[materia].values[0]
    
    texto = f"### Comparación de {materia.replace('promedio_', '').capitalize()} para {nombre_colegio}\n\n"
    
    # Comparación con todos los colegios filtrados
    datos_filtrados = df_filtrados[df_filtrados[materia].notna()][materia]
    if not datos_filtrados.empty:
        percentil_filtrados = (sum(datos_filtrados <= puntaje_colegio) / len(datos_filtrados)) * 100
        mediana_filtrados = np.median(datos_filtrados)
        diferencia_filtrados = puntaje_colegio - mediana_filtrados
        
        texto += f"**Comparación con todos los colegios filtrados ({len(datos_filtrados)} colegios):**\n"
        texto += f"- Puntaje: {puntaje_colegio:.1f}\n"
        texto += f"- Percentil: {percentil_filtrados:.1f}% (supera al {percentil_filtrados:.1f}% de los colegios)\n"
        texto += f"- Diferencia con la mediana: {diferencia_filtrados:+.1f} puntos\n"
        texto += f"- Mediana de todos los colegios: {mediana_filtrados:.1f}\n\n"
    
    # Comparación con la lista manual si existe
    if not df_lista_manual.empty:
        datos_lista = df_lista_manual[df_lista_manual[materia].notna()][materia]
        if not datos_lista.empty:
            percentil_lista = (sum(datos_lista <= puntaje_colegio) / len(datos_lista)) * 100
            mediana_lista = np.median(datos_lista)
            diferencia_lista = puntaje_colegio - mediana_lista
            
            texto += f"**Comparación con la lista de colegios seleccionados ({len(datos_lista)} colegios):**\n"
            texto += f"- Puntaje: {puntaje_colegio:.1f}\n"
            texto += f"- Percentil: {percentil_lista:.1f}% (supera al {percentil_lista:.1f}% de los colegios de la lista)\n"
            texto += f"- Diferencia con la mediana: {diferencia_lista:+.1f} puntos\n"
            texto += f"- Mediana de la lista: {mediana_lista:.1f}\n\n"
    
    return texto

# Seleccionar un colegio para comparar
colegios_filtrados = sorted(df_f['nombre_colegio'].unique().tolist())
colegio_seleccionado = st.selectbox(
    "Selecciona un colegio para analizar",
    ["(Selecciona un colegio)"] + colegios_filtrados,
    index=0,
    help="Selecciona un colegio para ver su posición percentil en Matemáticas y Lenguaje."
)

if colegio_seleccionado != "(Selecciona un colegio)":
    # Obtener datos del colegio seleccionado
    colegio_data = df_f[df_f['nombre_colegio'] == colegio_seleccionado]
    
    if not colegio_data.empty:
        # Calcular percentiles
        percentil_math, percentil_lectura = calcular_percentiles(colegio_data, df_f)
        
        # Mostrar resultados
        col1, col2 = st.columns(2)
        
        with col1:
            if percentil_math is not None:
                st.metric(
                    label=f"Percentil en Matemáticas",
                    value=f"{percentil_math:.1f}%",
                    help=f"Este colegio supera al {percentil_math:.1f}% de los colegios filtrados en Matemáticas."
                )
                st.progress(percentil_math/100)
            else:
                st.warning("No hay datos de Matemáticas para este colegio.")
                
        with col2:
            if percentil_lectura is not None:
                st.metric(
                    label=f"Percentil en Lenguaje",
                    value=f"{percentil_lectura:.1f}%",
                    help=f"Este colegio supera al {percentil_lectura:.1f}% de los colegios filtrados en Lenguaje."
                )
                st.progress(percentil_lectura/100)
            else:
                st.warning("No hay datos de Lenguaje para este colegio.")
        
        # Mostrar información detallada del colegio
        st.subheader(f"Información detallada de {colegio_seleccionado}")
        colegio_info = colegio_data.iloc[0]
        info_cols = st.columns(2)
        
        with info_cols[0]:
            st.write(f"**Región:** {colegio_info['nombre_region']}")
            st.write(f"**Comuna:** {colegio_info['nombre_comuna']}")
            st.write(f"**Dependencia:** {colegio_info['dependencia_desc']}")
            
        with info_cols[1]:
            st.write(f"**Grupo Socioeconómico:** {colegio_info['grupo_socioecon_desc']}")
            st.write(f"**Ruralidad:** {colegio_info['es_rural_desc']}")
            if percentil_math is not None and percentil_lectura is not None:
                st.write(f"**Puntaje promedio:** Matemáticas={colegio_info['promedio_matematica']:.1f}, Lenguaje={colegio_info['promedio_lectura']:.1f}")

# --- Nueva sección: Crear lista de colegios ---
st.subheader("Crear Lista de Colegios")
st.markdown("Busca colegios por palabra clave en el nombre y selecciona para crear tu lista personalizada.")

# Inicializar estado de sesión para los colegios seleccionados
if 'selected_colegios' not in st.session_state:
    st.session_state.selected_colegios = []

# Input para la palabra clave
keyword = st.text_input("Palabra clave en el nombre del colegio", help="Ingresa una palabra para filtrar los nombres de colegios que la contengan (insensible a mayúsculas/minúsculas).")

# Filtrar colegios basados en la palabra clave
if keyword:
    df_search = df_f[df_f['nombre_colegio'].str.contains(keyword, case=False, na=False)]
else:
    df_search = df_f

# Obtener lista única de nombres de colegios filtrados
colegios_disponibles = sorted(df_search['nombre_colegio'].unique().tolist())

# Combinar colegios seleccionados previamente con los disponibles en el filtro actual
# Solo incluir colegios que aún estén en df_f (después de aplicar filtros de región, ruralidad, etc.)
combined_colegios = sorted(set(colegios_disponibles + [c for c in st.session_state.selected_colegios if c in df_f['nombre_colegio'].values]))

# Multiselect para seleccionar colegios, con los previamente seleccionados como predeterminados
selected_colegios = st.multiselect(
    "Selecciona colegios para tu lista",
    combined_colegios,
    default=[c for c in st.session_state.selected_colegios if c in combined_colegios],
    help="Selecciona múltiples colegios de la lista filtrada. Los colegios seleccionados previamente se mantienen."
)

# Actualizar el estado de sesión con las nuevas selecciones
st.session_state.selected_colegios = selected_colegios

# Crear dataframe de colegios seleccionados
df_selected = df_f[df_f['nombre_colegio'].isin(st.session_state.selected_colegios)]

# --- Mostrar comparación detallada y boxplots separados ---
if colegio_seleccionado != "(Selecciona un colegio)":
    st.subheader("Análisis Comparativo Detallado")
    
    # Generar y mostrar texto comparativo para Matemáticas
    texto_math = generar_texto_comparativo(colegio_data, df_f, df_selected, 'promedio_matematica')
    st.markdown(texto_math)
    
    # Crear y mostrar boxplots individuales para Matemáticas
    math_filtrados = df_f[df_f['promedio_matematica'].notna()]['promedio_matematica']
    math_lista = df_selected[df_selected['promedio_matematica'].notna()]['promedio_matematica']
    math_puntaje = colegio_data['promedio_matematica'].values[0]
    
    col_math1, col_math2 = st.columns(2)
    
    with col_math1:
        if not math_filtrados.empty:
            math_boxplot_filtrados = crear_boxplot_individual(
                math_filtrados, math_puntaje, 
                'Distribución de Matemáticas - Todos los Colegios Filtrados',
                'lightblue', colegio_seleccionado
            )
            st.pyplot(math_boxplot_filtrados)
    
    with col_math2:
        if not df_selected.empty and not math_lista.empty:
            math_boxplot_lista = crear_boxplot_individual(
                math_lista, math_puntaje, 
                'Distribución de Matemáticas - Lista de Colegios Seleccionados',
                'lightgreen', colegio_seleccionado
            )
            st.pyplot(math_boxplot_lista)
    
    # Generar y mostrar texto comparativo para Lenguaje
    st.markdown("---")
    texto_lectura = generar_texto_comparativo(colegio_data, df_f, df_selected, 'promedio_lectura')
    st.markdown(texto_lectura)
    
    # Crear y mostrar boxplots individuales para Lenguaje
    lectura_filtrados = df_f[df_f['promedio_lectura'].notna()]['promedio_lectura']
    lectura_lista = df_selected[df_selected['promedio_lectura'].notna()]['promedio_lectura']
    lectura_puntaje = colegio_data['promedio_lectura'].values[0]
    
    col_lectura1, col_lectura2 = st.columns(2)
    
    with col_lectura1:
        if not lectura_filtrados.empty:
            lectura_boxplot_filtrados = crear_boxplot_individual(
                lectura_filtrados, lectura_puntaje, 
                'Distribución de Lenguaje - Todos los Colegios Filtrados',
                'lightblue', colegio_seleccionado
            )
            st.pyplot(lectura_boxplot_filtrados)
    
    with col_lectura2:
        if not df_selected.empty and not lectura_lista.empty:
            lectura_boxplot_lista = crear_boxplot_individual(
                lectura_lista, lectura_puntaje, 
                'Distribución de Lenguaje - Lista de Colegios Seleccionados',
                'lightgreen', colegio_seleccionado
            )
            st.pyplot(lectura_boxplot_lista)

# Usar df_selected si hay colegios seleccionados, de lo contrario usar df_f
df_map = df_selected if not df_selected.empty else df_f
# Filtrar filas con coordenadas válidas
df_map = df_map.dropna(subset=["latitud", "longitud"])

# --- Estadísticas resumidas ---
st.subheader("Estadísticas Resumidas")
if not df_map.empty:
    col_stats1, col_stats2 = st.columns(2)
    with col_stats1:
        st.metric("Número de Establecimientos", len(df_map))
        st.metric("Promedio Lenguaje", f"{df_map['promedio_lectura'].mean():.1f}")
    with col_stats2:
        st.metric("Promedio Matemáticas", f"{df_map['promedio_matematica'].mean():.1f}")
        st.metric("Regiones Cubiertas", df_map["nombre_region"].nunique())
else:
    st.warning("No hay datos disponibles con los filtros seleccionados o no se han seleccionado colegios.")

# --- Mapeo de colores por tipo ---
color_map = {
    'Municipal Corporación': 'blue',
    'Municipal DAEM': 'green',
    'Particular subvencionado': 'orange',
    'Particular pagado': 'purple',
    'Corporación de administración delegada': 'red',
    'Servicio Local de Educación': 'cadetblue'
}

# Función para asignar color según tipo
def tipo_color(tipo: str) -> str:
    return color_map.get(tipo, "gray")

# --- Crear mapa centrado en Chile ---
m = folium.Map(location=[-33.45, -70.65], zoom_start=6, tiles="CartoDB positron")

# Cluster
cluster = MarkerCluster().add_to(m)

# --- Agregar búsqueda por nombre de colegio ---
school_search = Search(
    layer=cluster,
    search_label="nombre_colegio",
    placeholder="Buscar por nombre del colegio...",
    collapsed=False,
).add_to(m)

# --- Agregar marcadores ---
for _, r in df_map.iterrows():
    lat, lon = float(r["latitud"]), float(r["longitud"])
    nombre = html.escape(str(r.get("nombre_colegio", "")))
    comuna = html.escape(str(r.get("nombre_comuna", "")))
    tipo = html.escape(str(r.get("dependencia_desc", "")))
    lenguaje = html.escape(str(r.get("promedio_lectura", "")))
    matematica = html.escape(str(r.get("promedio_matematica", "")))
    rural = html.escape(str(r.get("es_rural_desc", "")))
    grupoeconomico = html.escape(str(r.get("grupo_socioecon_desc", "")))
    popup_html = f"""
    <b>{nombre}</b><br>
    <b>Tipo:</b> {tipo}<br>
    <b>Comuna:</b> {comuna}<br>
    <b>Promedio Lenguaje:</b> {lenguaje}<br>
    <b>Promedio Matemáticas:</b> {matematica}<br>
    <b>Es Rural:</b> {rural}<br>
    <b>Grupo Socioeconómico:</b> {grupoeconomico}
    """
    marker = folium.Marker(
        location=[lat, lon],
        popup=folium.Popup(popup_html, max_width=350),
        icon=folium.Icon(color=tipo_color(r.get("dependencia_desc")), icon="plus", prefix="fa"),
    )
    marker.add_to(cluster)
    marker.properties = {"nombre_colegio": nombre}  # Para búsqueda

# --- Leyenda mejorada ---
legend_html = """
<div style="
 position: fixed; 
 bottom: 30px; left: 30px; z-index: 9999; 
 background: white; padding: 12px; border: 2px solid #ccc; border-radius: 10px;
 box-shadow: 0 4px 8px rgba(0,0,0,0.1); font-family: Arial, sans-serif; font-size: 14px;">
<b style="color:black; font-size: 16px;">Leyenda</b><br>
<span style="display:inline-block;width:14px;height:14px;border-radius:50%;background:blue;margin-right:8px;"></span><span style="color:black;">Municipal Corporación</span><br>
<span style="display:inline-block;width:14px;height:14px;border-radius:50%;background:green;margin-right:8px;"></span><span style="color:black;">Municipal DAEM</span><br>
<span style="display:inline-block;width:14px;height:14px;border-radius:50%;background:orange;margin-right:8px;"></span><span style="color:black;">Particular subvencionado</span><br>
<span style="display:inline-block;width:14px;height:14px;border-radius:50%;background:purple;margin-right:8px;"></span><span style="color:black;">Particular pagado</span><br>
<span style="display:inline-block;width:14px;height:14px;border-radius:50%;background:red;margin-right:8px;"></span><span style="color:black;">Corporación de administración delegada</span><br>
<span style="display:inline-block;width:14px;height:14px;border-radius:50%;background:cadetblue;margin-right:8px;"></span><span style="color:black;">Servicio Local de Educación</span><br>
<span style="display:inline-block;width:14px;height:14px;border-radius:50%;background:gray;margin-right:8px;"></span><span style="color:black;">Otros</span>
</div>
"""
m.get_root().html.add_child(folium.Element(legend_html))

# --- Botón para reiniciar mapa ---
if st.button("Reiniciar Mapa"):
    m = folium.Map(location=[-33.45, -70.65], zoom_start=6, tiles="CartoDB positron")
    st.experimental_rerun()

# --- Mostrar el mapa ---
st_folium(m, width=1200, height=650)

# --- Vista de tabla y exportación ---
with st.expander("Ver tabla filtrada"):
    columns_to_display = ['nombre_region', 'nombre_comuna', 'nombre_colegio', 'dependencia_desc', 'grupo_socioecon_desc', 'es_rural_desc', 'promedio_lectura', 'promedio_matematica']
    st.dataframe(df_map[columns_to_display])
    
    # Exportar datos filtrados
    csv = df_map[columns_to_display].to_csv(index=False)
    st.download_button(
        label="Descargar datos filtrados como CSV",
        data=csv,
        file_name="simce_filtrado.csv",
        mime="text/csv",
    )

# Mostrar la lista seleccionada
if st.session_state.selected_colegios:
    st.dataframe(df_selected[columns_to_display])
    
    # Exportar lista seleccionada
    csv_selected = df_selected[columns_to_display].to_csv(index=False)
    st.download_button(
        label="Descargar lista seleccionada como CSV",
        data=csv_selected,
        file_name="lista_colegios_seleccionados.csv",
        mime="text/csv",
    )
else:
    st.info("No hay colegios seleccionados aún.")