"""
Script para visualização de dados de vendas mensais de múltiplas lojas.

Este script utiliza as bibliotecas pandas e matplotlib para gerar um painel (dashboard)
com quatro gráficos de linha, um para cada loja, mostrando o desempenho de vendas
ao longo de 2022. O objetivo é permitir uma análise visual individual de cada loja,
mantendo uma escala de vendas consistente e um layout limpo para facilitar a comparação.
"""
import pandas as pd
import matplotlib.pyplot as plt

def plot_sales_dashboard(lojas_data: list, vendas_data: dict):
    """
    Cria e exibe um dashboard 2x2 com o desempenho de vendas de cada loja.

    Args:
        lojas_data (list): Uma lista com os nomes das lojas que servirão de índice.
        vendas_data (dict): Um dicionário com os dados de vendas, onde as chaves
                            são os meses e os valores são listas de vendas por loja.
    """
    # --- 1. Processamento e Estruturação dos Dados ---
    # Cria um DataFrame do pandas para facilitar a manipulação dos dados.
    df_vendas = pd.DataFrame(vendas_data, index=lojas_data)

    # --- 2. Configuração da Visualização ---
    # Define um estilo visual para tornar os gráficos mais agradáveis.
    plt.style.use('seaborn-v0_8-darkgrid')

    # Cria uma figura e uma grade de subplots 2x2.
    fig, axs = plt.subplots(2, 2, figsize=(14, 10))
    fig.suptitle('Desempenho Individual de Vendas por Loja - 2022', fontsize=18)

    # --- 3. Geração dos Gráficos ---
    # Itera sobre a lista de lojas para criar um gráfico para cada uma.
    for i, loja in enumerate(df_vendas.index):
        ax = axs[i // 2, i % 2]
        ax.plot(df_vendas.columns, df_vendas.loc[loja], marker='o', linestyle='-')

        # --- 4. Customização de Cada Gráfico ---
        ax.set_title(f'Loja {loja}', fontsize=12)
        ax.set_xlabel('Meses')
        ax.set_ylabel('Volume de Vendas')
        ax.tick_params(axis='x', rotation=45)
        ax.grid(True)
        ax.set_ylim(0, 500)

    # --- 5. Finalização e Exibição ---
    # Ajusta o espaçamento entre os subplots para garantir que não haja sobreposição
    # de títulos e rótulos. 'hspace' controla o espaço vertical e 'wspace' o horizontal.
    fig.subplots_adjust(hspace=0.5, wspace=0.3)

    # Exibe a figura final com todos os gráficos.
    plt.show()

# Bloco de execução principal: só roda quando o script é executado diretamente.
if __name__ == "__main__":
    
    lojas_lista = ['A', 'B', 'C', 'D']
    vendas_dict = {
        'Jan': [100, 80, 150, 50], 'Fev': [120, 90, 170, 60],
        'Mar': [150, 100, 200, 80], 'Abr': [180, 110, 230, 90],
        'Mai': [220, 190, 350, 200], 'Jun': [230, 150, 280, 120],
        'Jul': [250, 170, 300, 140], 'Ago': [260, 180, 310, 150],
        'Set': [240, 160, 290, 130], 'Out': [220, 140, 270, 110],
        'Nov': [400, 220, 350, 190], 'Dez': [300, 350, 400, 250]
    }
    
    plot_sales_dashboard(lojas_lista, vendas_dict)