"""
컬럼 데이터 추출 + 운전모드 1차 특성 분석.

field_hist DB(shinam 실데이터, WIDE 포맷)에서 ptlist/mapping/tblist로 태그를 디코드해
tidy DataFrame을 만든다. 재사용 가능한 tag_frame() 추출기 포함.

근거: docs/학습형제어-오퍼레이터모방-플랜.md §15(디코드), §16(C-6111 토폴로지).

형제 컬럼 확장: roles_for(prefix, asset)로 파라미터화.
  - 6-1: prefix=61, asset=/ASSETS/P6 (기본)
  - 6-2: prefix=62, asset=/ASSETS/P6
  - 8:   prefix=81, asset=/ASSETS/P8
  - 9:   prefix=91, asset=/ASSETS/P9 (또는 92)
  - 10:  prefix=101, asset=/ASSETS/P10 (또는 102)
"""
import sys
import psycopg
import pandas as pd

DSN = "host=localhost port=5432 dbname=field_hist user=postgres password=postgres"
ASSET = "/ASSETS/P6"

# --- 형제 컬럼 역할 생성기 ---
# DB 검증 결과(2026-06-05) 기반 예외 오버라이드:
#   P8(81): TICA에 A/B/C/D 접미사 없음, PICA-8111A (with A suffix)
#   P9(91): PICA-9111A (with A suffix). 92xx 2차 컬럼 존재
#   P10(101): FICQ-10114A (not 10114), PICA-10111A, LIA-10111 (not LICA). 102xx 2차 컬럼 존재
COLUMN_EXCEPTIONS = {
    "51": {
        # P5: 민감단 TI-5111C 센서 없음(A/B/D만 존재) → T_C를 TI-5111B로 대체 (사용자 확정 2026-06-05).
        #     startup 트리거는 reb-A·ΔT(A-D) 사용이라 영향 없음.
        "T_C": "TI-5111B.PV",
    },
    "81": {
        "steam_op": "TICA-8111.OP",
        "reb_temp": "TICA-8111.PV",
        "vacuum":   "PICA-8111A.PV",
    },
    "91": {
        "vacuum":   "PICA-9111A.PV",
    },
    "92": {
        "vacuum":   "PICA-9211A.PV",
    },
    "101": {
        "light":     "FICQ-10114A.PV",
        "vacuum":    "PICA-10111A.PV",
        "reb_level": "LIA-10111.PV",   # 10-1차 리보일러 레벨 (LI-10111 없음, 사용자 확정)
        # reflux_drum은 base 규칙 LICA-10113.PV 사용(실존). 기존 LIA-10111 매핑은 오류(=리보일러레벨)였음.
    },
    "102": {
        "light":     "FICQ-10214.PV",
        "vacuum":    "PICA-10211A.PV",
        "reb_level": "LIA-10211.PV",   # 10-2차 리보일러 레벨
    },
}


def roles_for(prefix, asset=ASSET):
    """{role: shorttag} dict 생성. prefix 예: '61', '62', '81', '91', '101'.

    Base 규칙(6-1 기준, docs/작업지시서-학습형제어-다음단계.md 작업1):
      feed=FICQ-{p}01, reflux=FICQ-{p}13, light(D)=FICQ-{p}14,
      heavy(B)=FICQ-{p}16, product(P)=FICQ-{p}18,
      steam_op=TICA-{p}11A.OP, reb_temp=TICA-{p}11A.PV,
      steam_flow=FIQ-{p}15, T_B=TI-{p}11B, T_C=TI-{p}11C, T_D=TI-{p}11D,
      vacuum=PICA-{p}11.PV, dp=PI-{p}11B.PV,
      reb_level=LI-{p}11.PV, reflux_drum=LICA-{p}13.PV,
      feed_preheat=TI-{p}03.PV

    COLUMN_EXCEPTIONS에 등록된 prefix는 자동 오버라이드.
    """
    p = prefix
    roles = {
        "feed":         f"FICQ-{p}01.PV",
        "steam_op":     f"TICA-{p}11A.OP",
        "steam_flow":   f"FIQ-{p}15.PV",
        "reb_temp":     f"TICA-{p}11A.PV",
        "T_B":          f"TI-{p}11B.PV",
        "T_C":          f"TI-{p}11C.PV",
        "T_D":          f"TI-{p}11D.PV",
        "feed_preheat": f"TI-{p}03.PV",
        "vacuum":       f"PICA-{p}11.PV",
        "dp":           f"PI-{p}11B.PV",
        "product":      f"FICQ-{p}18.PV",
        "reflux":       f"FICQ-{p}13.PV",
        "light":        f"FICQ-{p}14.PV",
        "heavy":        f"FICQ-{p}16.PV",
        "reb_level":    f"LI-{p}11.PV",
        "reflux_drum":  f"LICA-{p}13.PV",
    }
    ov = COLUMN_EXCEPTIONS.get(prefix, {})
    roles.update(ov)
    return roles


# C-6111 (6-1) 역할별 태그 — legacy 직접 참조 호환용
ROLES = roles_for("61", ASSET)


def resolve(conn, shorttags, asset=ASSET):
    """shortptname 목록 -> {tag: (tblname, colnum)}"""
    with conn.cursor() as cur:
        cur.execute("""
            SELECT p.shortptname, t.tblname, m.oit
            FROM ptlist p JOIN mapping m ON m.pid=p.pid JOIN tblist t ON t.tid=m.tid
            WHERE p.asset=%s AND p.shortptname = ANY(%s)
        """, (asset, list(shorttags)))
        out = {}
        for short, tbl, oit in cur.fetchall():
            out[short] = (tbl, int(oit))
    return out


def tag_frame(conn, role_map, asset=ASSET):
    """{role: shorttag} -> dtat 인덱스 DataFrame(컬럼=role). 테이블별 1쿼리 후 merge."""
    loc = resolve(conn, role_map.values(), asset)
    missing = [r for r, t in role_map.items() if t not in loc]
    if missing:
        print(f"[warn] 미해결 태그: {[(r, role_map[r]) for r in missing]}", file=sys.stderr)
    # 테이블별 그룹
    by_tbl = {}
    for role, short in role_map.items():
        if short not in loc:
            continue
        tbl, col = loc[short]
        by_tbl.setdefault(tbl, []).append((role, col))
    df = None
    for tbl, cols in by_tbl.items():
        sel = ", ".join([f'col{c:02d} AS "{role}"' for role, c in cols])
        q = f"SELECT dtat, {sel} FROM {tbl}"
        part = pd.read_sql(q, conn)
        df = part if df is None else df.merge(part, on="dtat", how="outer")
    return df.sort_values("dtat").reset_index(drop=True)


_RANGES = None


def load_ranges():
    """instrument_ranges.json (gen_instrument_ranges.py 산출) 로드. 없으면 빈 dict."""
    global _RANGES
    if _RANGES is None:
        import json, os
        p = os.path.join(os.path.dirname(os.path.abspath(__file__)), "instrument_ranges.json")
        _RANGES = json.load(open(p)) if os.path.exists(p) else {}
        if not _RANGES:
            print("[warn] instrument_ranges.json 없음 — 계기범위 클린징 건너뜀 "
                  "(gen_instrument_ranges.py 먼저 실행)", file=sys.stderr)
    return _RANGES


def clip_to_ranges(df, role_map):
    """role 컬럼값이 계기 EU range[lo,hi] 밖이면 NaN(센서 스파이크 제거).

    range는 instrument_ranges.json(realtime 실측 우선, 9·10차는 xlsx)에서 태그별 조회.
    OP(밸브%)는 0-100 고정이라 스킵. range 미등록 태그(FIQ/TI signal)도 스킵.
    NaN 처리(행 제거 아님) → 다른 role은 유효값 보존, 다운스트림 notna() 필터가 흡수.
    """
    import numpy as np
    ranges = load_ranges()
    if not ranges:
        return df
    total = 0
    for role, short in role_map.items():
        if role not in df.columns or short.endswith(".OP"):
            continue
        r = ranges.get(short.split(".")[0])
        if not r:
            continue
        mask = (df[role] < r["lo"]) | (df[role] > r["hi"])
        n = int(mask.sum())
        if n:
            df.loc[mask, role] = np.nan
            total += n
            print(f"  [clip] {role:12s}({short.split('.')[0]}) "
                  f"range[{r['lo']:.0f},{r['hi']:.0f}] 밖 {n}개 → NaN")
    if total:
        print(f"  [clip] 계기범위 밖 총 {total}개 값 제거")
    return df


def classify_phases(df):
    """1차 운전모드 분류 (임계 기반, §16.3-2). 추후 정교화."""
    import numpy as np
    reb, vac, steam, prod = df["reb_temp"], df["vacuum"], df["steam_op"], df["product"]
    hot_vac = (reb > 60) & (vac < 200) & (steam > 5)   # 컬럼 가동(hot+진공)
    # 온도 추세(60분=120샘플 기울기)로 startup/shutdown 구분
    slope = reb.diff().rolling(120, min_periods=10, center=True).mean()
    mode = np.where(
        hot_vac,
        np.where(prod < 80, "LINEOUT", "PROD"),       # 제품≈0 → 전환류/라인아웃
        np.where(slope > 0.02, "STARTUP",
                 np.where(slope < -0.02, "SHUTDOWN", "STOPPED")))
    return pd.Series(mode, index=df.index, name="mode")


def plot_timeline(df, png):
    import matplotlib
    matplotlib.use("Agg")
    import matplotlib.pyplot as plt
    d = df.iloc[::30].copy()      # 15분 다운샘플
    colors = {"PROD": "#2ca02c", "LINEOUT": "#ff7f0e", "STARTUP": "#1f77b4",
              "SHUTDOWN": "#d62728", "STOPPED": "#7f7f7f"}
    fig, ax = plt.subplots(5, 1, figsize=(16, 12), sharex=True)
    ax[0].plot(d.dtat, d.reb_temp, lw=.5, label="reb_temp(A)")
    ax[0].plot(d.dtat, d.T_C, lw=.5, label="T_C(민감단)")
    ax[0].plot(d.dtat, d.T_D, lw=.5, label="T_D(탑상)")
    ax[0].set_ylabel("온도"); ax[0].legend(loc="upper right", fontsize=7)
    ax[1].plot(d.dtat, d.feed, lw=.5, color="purple"); ax[1].set_ylabel("feed FICQ-6101")
    ax[2].plot(d.dtat, d["product"], lw=.5, color="orange"); ax[2].set_ylabel("측류제품 6118")
    ax[3].plot(d.dtat, d.steam_flow, lw=.5, color="red")
    ax[3].plot(d.dtat, d.steam_op * 10, lw=.5, color="brown", alpha=.5, label="OP×10")
    ax[3].set_ylabel("스팀유량/OP"); ax[3].legend(loc="upper right", fontsize=7)
    ax[4].plot(d.dtat, d.vacuum, lw=.5, color="teal"); ax[4].set_ylabel("진공 PICA-6111")
    ax[4].set_ylim(100, 130)
    # 모드 배경 음영
    for a in ax:
        for m, c in colors.items():
            seg = d[d["mode"] == m]
            a.scatter(seg.dtat, [a.get_ylim()[0]] * len(seg), c=c, s=2, marker="|")
    fig.suptitle("C-6111 (6-1차) 전체기간 — 운전모드별 (하단 컬러바)")
    fig.tight_layout()
    fig.savefig(png, dpi=90)
    print(f"플롯 저장: {png}")


def main():
    with psycopg.connect(DSN) as conn:
        df = tag_frame(conn, ROLES)
    print(f"행수={len(df)}  기간={df.dtat.min()} ~ {df.dtat.max()}")
    print("\n=== 핵심 신호 분포 (운전모드 임계 설정용) ===")
    show = ["feed", "reb_temp", "vacuum", "product", "reflux", "steam_op",
            "steam_flow", "T_C", "T_D", "dp"]
    desc = df[show].describe(percentiles=[.01, .05, .25, .5, .75, .95, .99]).T
    print(desc[["min", "1%", "5%", "50%", "95%", "99%", "max"]].round(2).to_string())

    df["mode"] = classify_phases(df)
    print("\n=== 운전모드 분포 (30초 샘플 기준) ===")
    vc = df["mode"].value_counts()
    for m, n in vc.items():
        print(f"  {m:9s} {n:7d}  {100*n/len(df):5.1f}%  ≈ {n*30/3600:7.1f} h")

    out = "/home/windpacer/projects/hc900_ax/scripts/analysis/C-6111_data.pkl"
    df.to_pickle(out)
    plot_timeline(df, "/home/windpacer/projects/hc900_ax/scripts/analysis/c6111_timeline.png")
    print(f"저장: {out}")


if __name__ == "__main__":
    main()