import pandas as pd
import matplotlib.pyplot as plt
import urllib.request
import os
import matplotlib.colors as mcolors # Para trabalhar com cores e colormaps
import matplotlib.ticker as mtick # Para formatar eixos como percentual
import locale # Para formatar como moeda

def configurar_locale():
    """
    Configura o 'locale' global para Português do Brasil (pt_BR).
    
    Tenta múltiplos padrões (UTF-8, Windows) para garantir a 
    correta formatação de valores como moeda (ex: R$ 1.000,00).
    """
    print("Configurando locale para pt_BR (formatação de moeda)...")
    try:
        # Tenta o padrão mais comum para UTF-8
        locale.setlocale(locale.LC_ALL, 'pt_BR.UTF-8')
    except locale.Error:
        try:
            # Tenta um padrão alternativo (comum no Windows)
            locale.setlocale(locale.LC_ALL, 'Portuguese_Brazil.1252')
        except locale.Error:
            try:
                 # Tenta um padrão mais genérico
                locale.setlocale(locale.LC_ALL, 'pt_BR')
            except locale.Error:
                # Fallback se tudo falhar
                print("Aviso: Não foi possível configurar o locale para pt_BR. A formatação de moeda pode não funcionar (R$).")

def baixar_dados(url, arquivo_local):
    """
    Verifica a existência de um arquivo local e, se ausente, baixa os dados da URL.

    Args:
        url (str): A URL completa para o download do arquivo.
        arquivo_local (str): O nome do arquivo para salvar localmente.

    Returns:
        bool: True se o arquivo estiver pronto para uso, False se o download falhar.
    """
    print(f"Verificando arquivo de dados: {arquivo_local}")
    if not os.path.exists(arquivo_local):
        print("Arquivo não encontrado. Baixando dados...")
        try:
            urllib.request.urlretrieve(url, arquivo_local)
            print(f"Arquivo '{arquivo_local}' baixado com sucesso.")
        except Exception as e:
            print(f"Erro crítico ao baixar o arquivo: {e}")
            return False
    else:
        print(f"Arquivo '{arquivo_local}' já existe.")
    return True

def carregar_dados(arquivo_local):
    """
    Carrega os dados do arquivo CSV local e realiza o pré-processamento.

    Converte a coluna 'data_pedido' para datetime e extrai o 'ano'
    para possibilitar análises temporais.

    Args:
        arquivo_local (str): O caminho para o arquivo CSV.

    Returns:
        pd.DataFrame | None: Um DataFrame processado ou None se a carga falhar.
    """
    print("Carregando e processando dados...")
    try:
        df = pd.read_csv(arquivo_local)
        print("\nDataFrame carregado com sucesso.")
        print("Nomes das colunas no DataFrame:")
        print(df.columns.tolist())

        # --- Pré-processamento Comum ---
        if 'data_pedido' in df.columns:
            df['data_pedido'] = pd.to_datetime(df['data_pedido'])
            df['ano'] = df['data_pedido'].dt.year
            print("Coluna 'ano' extraída da 'data_pedido'.")
        else:
            print("Aviso: Coluna 'data_pedido' não encontrada. A análise de Vendas por Ano pode falhar.")
        
        return df

    except pd.errors.EmptyDataError:
        print(f"Erro: O arquivo '{arquivo_local}' está vazio.")
        return None
    except Exception as e:
        print(f"Erro ao carregar ou processar o CSV: {e}")
        return None

def plotar_vendas_centro_oeste(df):
    """
    Gera e exibe a análise de vendas por estado na Região Centro-Oeste.

    Cria um gráfico de barras empilhadas (2017 vs 2018) com estilo minimalista,
    removendo eixos e destacando os valores de vendas diretamente nas barras.
    Também imprime uma análise textual da liderança de vendas no console.

    Args:
        df (pd.DataFrame): DataFrame processado contendo os dados de vendas.
    """
    print("\n--- Iniciando Análise de Vendas por Estado (Centro-Oeste) ---")
    
    colunas_necessarias = ['regiao', 'ano', 'estado', 'vendas']
    if not all(col in df.columns for col in colunas_necessarias):
        print("Erro: Colunas necessárias para esta análise não estão no DataFrame.")
        return

    # --- Filtrar e Agregar Dados ---
    df_co = df[
        (df['regiao'] == 'Centro-Oeste') &
        (df['ano'].isin([2017, 2018]))
    ].copy()

    if df_co.empty:
        print("Não foram encontrados dados para a Região Centro-Oeste nos anos 2017 e 2018.")
        return

    vendas_co_por_estado = df_co.groupby(['ano', 'estado'])['vendas'].sum().unstack()

    # --- Plotar Gráfico ---
    fig1, ax1 = plt.subplots(figsize=(10, 7))
    vendas_co_por_estado.plot(
        kind='bar',
        stacked=True,
        ax=ax1,
        rot=0,
        colormap='viridis' # Paleta Sequencial
    )
    
    # --- Estilização do Gráfico (Design Minimalista) ---
    ax1.set_title('Vendas por Estado na Região Centro-Oeste (2017-2018)', fontsize=20, pad=20, loc='left')
    ax1.legend(title='Estado', 
               bbox_to_anchor=(1.05, 1), 
               loc='upper left', 
               fontsize=12, 
               title_fontsize=14)
    ax1.set_xlabel('') # Remove o rótulo do eixo X
    ax1.set_yticks([]) # Remove o eixo Y
    ax1.tick_params(axis='x', length=0, labelsize=16) # Aumenta o "ano" e remove "tiques"
    
    # Remove as bordas do gráfico
    ax1.spines['top'].set_visible(False)
    ax1.spines['right'].set_visible(False)
    ax1.spines['left'].set_visible(False)
    ax1.spines['bottom'].set_visible(False)
    
    # --- Adicionar Rótulos de Dados (Valores) ---
    print("Adicionando rótulos ao Gráfico 1...")
    for container in ax1.containers:
        state_name = container.get_label()
        # Formata o rótulo como "SIGLA - R$ VALOR"
        fmt_func = lambda v, s=state_name: f"{s} - {locale.currency(v, grouping=True)}" if v > 0 else ''

        ax1.bar_label(
            container,
            fmt=fmt_func,
            label_type='center',
            fontsize=8,
            color='black', # Cor PRETA para melhor contraste com 'viridis'
            weight='bold'
        )
    
    plt.tight_layout()

    # --- Análise Textual (Console) ---
    top_2017 = vendas_co_por_estado.loc[2017].idxmax()
    top_2017_vendas = vendas_co_por_estado.loc[2017].max()
    top_2018 = vendas_co_por_estado.loc[2018].idxmax()
    top_2018_vendas = vendas_co_por_estado.loc[2018].max()

    print("\nAnálise - Vendas Centro-Oeste:")
    print(f"  Estado com mais vendas em 2017: {top_2017} (R$ {top_2017_vendas:,.2f})")
    print(f"  Estado com mais vendas em 2018: {top_2018} (R$ {top_2018_vendas:,.2f})")
    if top_2017 == top_2018:
        print(f"  Conclusão: {top_2017} permaneceu como o estado com maior volume de vendas na região.")
    else:
        print("  Conclusão: O estado com maior volume de vendas mudou de 2017 para 2018.")

def plotar_modos_envio_departamento(df):
    """
    Gera e exibe a análise percentual dos modos de envio por departamento.

    Cria um gráfico de barras horizontais empilhadas com estilo minimalista,
    destacando os percentuais dentro das barras e mostrando apenas o
    marcador de 100% como referência de escala.

    Args:
        df (pd.DataFrame): DataFrame processado contendo os dados de vendas.
    """
    print("\n--- Iniciando Análise Percentual de Modos de Envio por Departamento ---")

    colunas_necessarias = ['departamento', 'modo_envio']
    if not all(col in df.columns for col in colunas_necessarias):
        print("Erro: Colunas necessárias para esta análise não estão no DataFrame.")
        return

    # --- Calcular Distribuição Percentual ---
    dist_modo_envio_pct = pd.crosstab(
        df['departamento'],
        df['modo_envio'],
        normalize='index' # Calcula o percentual por linha (departamento)
    )

    # --- Plotar Gráfico ---
    fig2, ax2 = plt.subplots(figsize=(12, 8))
    (dist_modo_envio_pct * 100).plot(
        kind='barh',
        stacked=True,
        ax=ax2,
        colormap='tab20' # Paleta Qualitativa (para categorias)
    )
    
    # --- Estilização do Gráfico (Design Minimalista) ---
    ax2.set_title('Distribuição Percentual do Modo de Envio por Departamento', fontsize=24, pad=20, loc='left')
    ax2.legend(title='Modo de Envio', bbox_to_anchor=(1.05, 1), loc='upper left', fontsize=12, title_fontsize=14)

    ax2.set_xlabel('') # Remove rótulo do eixo X
    ax2.set_ylabel('') # Remove rótulo do eixo Y
    
    # Define o eixo X para mostrar APENAS o 100%
    ax2.set_xticks([100])
    ax2.xaxis.set_major_formatter(mtick.PercentFormatter())
    
    # Estiliza eixos X e Y
    ax2.tick_params(axis='y', length=0, labelsize=12) # Remove "tiques" do Y e aumenta fonte
    ax2.tick_params(axis='x', length=0, labelsize=12) # Remove "tiques" do X e aumenta fonte
    
    # Remove as bordas do gráfico
    ax2.spines['top'].set_visible(False)
    ax2.spines['right'].set_visible(False)
    ax2.spines['left'].set_visible(False)
    ax2.spines['bottom'].set_visible(False)
    
    # --- Adicionar Rótulos de Dados (Percentuais) ---
    print("Adicionando rótulos ao Gráfico 2...")
    # Formata como 'X.Y%' e só mostra se for > 1% (evita poluição visual)
    fmt_func = lambda v: f'{v:.1f}%' if v > 1 else ''

    for container in ax2.containers:
        ax2.bar_label(
            container,
            fmt=fmt_func,
            label_type='center',
            fontsize=8,
            color='white', # Cor 'white' para contraste em cores escuras
            weight='bold'
        )

    plt.tight_layout()

def main():
    """
    Função principal (orquestradora) do script.

    Define as constantes, configura o ambiente, carrega os dados e
    chama as funções de plotagem. Por fim, exibe todos os gráficos.
    """
    # --- Configurações Iniciais ---
    URL_DADOS = 'https://github.com/alura-cursos/dataviz-graficos/raw/refs/heads/master/dados/relatorio_vendas.csv'
    ARQUIVO_LOCAL = 'relatorio_temp.csv'
    
    configurar_locale()
    
    # --- Carga de Dados ---
    if not baixar_dados(URL_DADOS, ARQUIVO_LOCAL):
        print("Não foi possível obter os dados. Encerrando o script.")
        return

    df = carregar_dados(ARQUIVO_LOCAL)
    
    if df is None:
        print("Não foi possível carregar o DataFrame. Encerrando o script.")
        return

    # --- Geração das Análises ---
    plotar_vendas_centro_oeste(df)
    plotar_modos_envio_departamento(df)
    
    print("\nProcessamento concluído.")
    
    # Exibe todos os gráficos criados de uma vez.
    print("Exibindo todos os gráficos gerados...")
    plt.show()

# --- Ponto de Entrada do Script ---
if __name__ == "__main__":
    main()