import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import sklearn as sk
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, mean_absolute_error

# dfRatingsTropGrand = pd.read_csv("processedData/actorsRatingsPerMovie.tsv",sep='\t')
# tconst	ratings	actorNames	averageRatingMovie

# dfRatings = dfRatingsTropGrand[dfRatingsTropGrand['ratings'].apply(lambda x: len(eval(x)) >= 4)]

# dfRatings.to_csv("processedData/actorsRatingsPerMovieGoodToUse.tsv", index=False, sep="\t")
dfRatings = pd.read_csv("processedData/actorsRatingsPerMovieGoodToUse.tsv", sep="\t")
dfActeurs = pd.read_csv("processedData/actorsRatingsGroupedWithName.tsv", sep="\t")
print("Veuillez entrer un entier positif inférieur ou égal à ",len(dfRatings))
print("(Plus le nombre est petit, le temps de préparation sera moins long, mais la précision du modèle sera plus petite)")
val = input(": ")
val = int(val)
listMovies = dfRatings.sample(val)['tconst'].values
# listMovies = dfRatings['tconst'].values

listRatingsA = []
listRatingsM = []
datas = []
nbDiese = 0
for i in range(len(listMovies)):
    valPrct = i / len(listMovies) * 100
    print("{:.2f}".format(valPrct), "%", end="\r")
    film = listMovies[i]
    bob = (dfRatings.averageRatingMovie.loc[dfRatings.tconst == film].values[0],
           eval(dfRatings.ratings.loc[dfRatings.tconst == film].values[0]))
    listRatingsA.append(bob[1][:4])
    listRatingsM.append(bob[0])
print("")

x = listRatingsA
y = listRatingsM

xtrain, xtest, ytrain, ytest = train_test_split(x, y, test_size=0.3)

lnrg = LinearRegression()

# clf = lnrg.fit(xtrain,ytrain)
xtrain = np.array(xtrain)
clf = lnrg.fit(x, y)
predictions = lnrg.predict(xtest)
print("\nPréparation du modèle de regréssion linéaire terminée\n")

print('Erreur quadratique : ', mean_squared_error(ytest, predictions))
print('Écart moyen : ', mean_absolute_error(ytest, predictions),"\n")

def calculPrevision(listNomsActeurs):
    if len(listNomsActeurs) == 4:
        print('\nPrédiction en cours...\n')
        notesActeurs = []
        for nom in listNomsActeurs:
            note = dfActeurs.loc[dfActeurs.primaryName == nom].averageRatingMean.values[0]
            print(nom, " a pour note moyenne : ", note)
            notesActeurs.append(note)
        prediction = clf.predict([notesActeurs])[0]
        print("\nNote prédite : ", "{:.2f}".format(prediction), "\n")
    else:
        print("La liste d'acteurs n'est pas de la bonne taille")