import sympy as sp
import numpy as np
from dataclasses import dataclass, field
from typing import Dict, Tuple, Iterable
from Export import Export
from Datenbank import Datenbankzugriff

@dataclass
class StochastischesModell:
    n_beob: int
    sigma_beob: Iterable[float] =None           #σ a priori der einzelnen Beobachtung
    gruppe_beob: Iterable[int]   =None           #Gruppenzugehörigkeit jeder Beobachtung (Distanz, Richtung, GNSS, Nivellement,...,)
    sigma0_gruppe: Dict[int, float] = field(default_factory=dict)  #σ0² für jede Gruppe


    def __post_init__(self):
        # Defaults setzen
        if self.sigma_beob is None:
            self.sigma_beob = [1.0] * int(self.n_beob)

        if self.gruppe_beob is None:
            self.gruppe_beob = [1] * int(self.n_beob)

        # In SymPy-Spaltenvektoren umwandeln
        #self.sigma_beob = sp.Matrix(list(self.sigma_beob))
        #self.gruppe_beob = sp.Matrix(list(self.gruppe_beob))

        # Dimension prüfen
        #if self.sigma_beob.rows != self.gruppe_beob.rows:
        #    raise ValueError("sigma_beob und gruppe_beob müssen gleich viele Einträge haben.")

        #if self.sigma_beob.rows != int(self.n_beob):
        #    raise ValueError("n_beob passt nicht zur Länge von sigma_beob / gruppe_beob.")

        # Fehlende Gruppen mit sigma0_sq = 1.0 ergänzen
        #unique_groups = sorted({int(g) for g in self.gruppe_beob})
        #for g in unique_groups:
        #    if g not in self.sigma0_gruppe:
        #        self.sigma0_gruppe[g] = 1.0

        # In NumPy-Spaltenvektoren umwandeln
        self.sigma_beob = np.asarray(list(self.sigma_beob), dtype=float).reshape(-1, 1)
        self.gruppe_beob = np.asarray(list(self.gruppe_beob), dtype=int).reshape(-1, 1)

        # Dimension prüfen
        if self.sigma_beob.shape[0] != self.gruppe_beob.shape[0]:
            raise ValueError("sigma_beob und gruppe_beob müssen gleich viele Einträge haben.")

        if self.sigma_beob.shape[0] != int(self.n_beob):
            raise ValueError("n_beob passt nicht zur Länge von sigma_beob / gruppe_beob.")

        # Fehlende Gruppen mit sigma0_sq = 1.0 ergänzen
        unique_groups = sorted({int(g) for g in self.gruppe_beob.flatten()})
        for g in unique_groups:
            if g not in self.sigma0_gruppe:
                self.sigma0_gruppe[g] = 1.0

        self.func_Qll_numerisch = None
        self.liste_symbole_lambdify = None


    #def berechne_Qll(self) -> Tuple[sp.Matrix, sp.Matrix]:
    #    n = self.n_beob
    #    Q_ll = sp.zeros(n, n)
    #    P = sp.zeros(n, n)
    #    for i in range(self.n_beob):
    #        sigma_i = self.sigma_beob[i, 0]         #σ-Wert der i-ten Beobachtung holen
    #        g = int(self.gruppe_beob[i, 0])         #Gruppenzugehörigkeit der Beobachtung bestimmen
    #        sigma0_sq = self.sigma0_gruppe[g]       #Den Varianzfaktor der Gruppe holen
    #        q_ii = sigma_i**2                       #σ² berechnen
    #        Q_ll[i, i] = q_ii                       #Diagonale
    #    return Q_ll

    def Qll_symbolisch(self, pfad_datenbank, liste_beobachtungen_symbolisch):
        liste_standardabweichungen_symbole = []
        liste_beobachtungen_symbolisch = [str(b) for b in liste_beobachtungen_symbolisch]
        liste_beobachtungen_symbolisch = [b for b in liste_beobachtungen_symbolisch if not b.startswith("lA_")]
        Qll = sp.zeros(len(liste_beobachtungen_symbolisch), len(liste_beobachtungen_symbolisch))

        db_zugriff = Datenbankzugriff(pfad_datenbank)
        dict_beobachtungenID_instrumenteID = db_zugriff.get_instrumenteID_beobachtungenID_dict()

        for i, beobachtung_symbolisch_i in enumerate(liste_beobachtungen_symbolisch):
            aufgeteilt_i = beobachtung_symbolisch_i.split("_")

            if aufgeteilt_i[1] == "SD" or aufgeteilt_i[1] == "R" or aufgeteilt_i[1] == "ZW":
                beobachtungenID_i = int(aufgeteilt_i[0])
                instrumenteID_i = dict_beobachtungenID_instrumenteID[beobachtungenID_i]
                beobachtungsart_i = str(aufgeteilt_i[1])

                if beobachtungsart_i == "SD":
                    stabw_apriori_konstant = sp.Symbol(f"stabw_apriori_konstant_{beobachtungsart_i}_{instrumenteID_i}")
                    stabw_apriori_streckenprop = sp.Symbol(f"stabw_apriori_streckenprop_{beobachtungsart_i}_{instrumenteID_i}")
                    tachymeter_distanz = sp.Symbol(f"SD_{beobachtungenID_i}")

                    sigma = sp.sqrt(stabw_apriori_konstant ** 2 + (stabw_apriori_streckenprop * tachymeter_distanz / 1000000) ** 2)
                    liste_standardabweichungen_symbole.append(sigma)

                    Qll[i, i] = sigma ** 2

                elif beobachtungsart_i == "R" or beobachtungsart_i == "ZW":
                    stabw_apriori_konstant = sp.Symbol(f"stabw_apriori_konstant_{beobachtungsart_i}_{instrumenteID_i}")

                    stabw_apriori_konstant_distanz = sp.Symbol(f"stabw_apriori_konstant_SD_{instrumenteID_i}")
                    tachymeter_distanz = sp.Symbol(f"SD_{beobachtungenID_i}")

                    sigma = sp.sqrt(
                        stabw_apriori_konstant ** 2 + (stabw_apriori_konstant_distanz / tachymeter_distanz) ** 2)
                    liste_standardabweichungen_symbole.append(sigma)

                    Qll[i, i] = sigma ** 2

                for j in range(i + 1, len(liste_beobachtungen_symbolisch)):
                    beobachtung_symbolisch_j = liste_beobachtungen_symbolisch[j]
                    aufgeteilt_j = beobachtung_symbolisch_j.split("_")
                    beobachtungsart_j = str(aufgeteilt_j[1])

                    if beobachtungsart_i == "SD" and beobachtungsart_j == "SD":
                        Qll[i, j] = 0
                        Qll[j, i] = 0
            if aufgeteilt_i [1] == "gnssbx" or aufgeteilt_i[1] == "gnssby" or aufgeteilt_i[1] == "gnssbz":
                beobachtungenID_i = int(aufgeteilt_i[0])
                beobachtungsart_i = str(aufgeteilt_i[1])

                if beobachtungsart_i == "gnssbx":
                    cxx = sp.symbols(f"cxx_{beobachtungenID_i}")
                    s0 = sp.symbols(f"s0_{beobachtungenID_i}")
                    liste_standardabweichungen_symbole.append(cxx)
                    Qll[i, i] = cxx * (s0 ** 2)

                    cxy = sp.Symbol(f"cxy_{beobachtungenID_i}")
                    s0 = sp.symbols(f"s0_{beobachtungenID_i}")
                    for j in range(i + 1, len(liste_beobachtungen_symbolisch)):
                        beobachtung_symbolisch_j = liste_beobachtungen_symbolisch[j]
                        aufgeteilt_j = beobachtung_symbolisch_j.split("_")

                        if int(aufgeteilt_j[0]) == beobachtungenID_i and aufgeteilt_j[1] == "gnssby":
                            Qll[i, j] = cxy * (s0 ** 2)
                            Qll[j, i] = cxy * (s0 ** 2)
                            break

                    cxz = sp.Symbol(f"cxz_{beobachtungenID_i}")
                    s0 = sp.symbols(f"s0_{beobachtungenID_i}")
                    for j in range(i + 1, len(liste_beobachtungen_symbolisch)):
                        beobachtung_symbolisch_j = liste_beobachtungen_symbolisch[j]
                        aufgeteilt_j = beobachtung_symbolisch_j.split("_")

                        if int(aufgeteilt_j[0]) == beobachtungenID_i and aufgeteilt_j[1] == "gnssbz":
                            Qll[i, j] = cxz * (s0 ** 2)
                            Qll[j, i] = cxz * (s0 ** 2)
                            break

                if beobachtungsart_i == "gnssby":
                    cyy = sp.symbols(f"cyy_{beobachtungenID_i}")
                    s0 = sp.symbols(f"s0_{beobachtungenID_i}")
                    liste_standardabweichungen_symbole.append(cyy)
                    Qll[i, i] = cyy * (s0 ** 2)

                    cyz = sp.Symbol(f"cyz_{beobachtungenID_i}")
                    s0 = sp.symbols(f"s0_{beobachtungenID_i}")
                    for j in range(i + 1, len(liste_beobachtungen_symbolisch)):
                        beobachtung_symbolisch_j = liste_beobachtungen_symbolisch[j]
                        aufgeteilt_j = beobachtung_symbolisch_j.split("_")

                        if int(aufgeteilt_j[0]) == beobachtungenID_i and aufgeteilt_j[1] == "gnssbz":
                            Qll[i, j] = cyz * (s0 ** 2)
                            Qll[j, i] = cyz * (s0 ** 2)
                            break

                if beobachtungsart_i == "gnssbz":
                    czz = sp.symbols(f"czz_{beobachtungenID_i}")
                    s0 = sp.symbols(f"s0_{beobachtungenID_i}")
                    liste_standardabweichungen_symbole.append(czz)
                    Qll[i, i] = czz * (s0 ** 2)

            if aufgeteilt_i[1] == "niv":
                beobachtungenID_i = int(aufgeteilt_i[0])
                instrumenteID_i = dict_beobachtungenID_instrumenteID[beobachtungenID_i]
                beobachtungsart_i = str(aufgeteilt_i[1])

                stabw_apriori_konstant = sp.Symbol(f"stabw_apriori_konstant_{beobachtungsart_i}_{instrumenteID_i}")
                stabw_apriori_streckenprop = sp.Symbol(f"stabw_apriori_streckenprop_{beobachtungsart_i}_{instrumenteID_i}")
                nivellement_distanz = sp.Symbol(f"niv_distanz_{beobachtungenID_i}")
                nivellement_anz_wechselpunkte = sp.Symbol(f"niv_anz_wechselpunkte_{beobachtungenID_i}")

                sigma = sp.sqrt(nivellement_anz_wechselpunkte * stabw_apriori_konstant ** 2 + stabw_apriori_streckenprop ** 2 * nivellement_distanz / 1000)
                liste_standardabweichungen_symbole.append(sigma)

                Qll[i, i] = sigma ** 2

        Export.matrix_to_csv(r"Zwischenergebnisse\Qll_Symbolisch.csv", liste_beobachtungen_symbolisch, liste_beobachtungen_symbolisch, Qll, "Qll")
        return Qll

    def Qll_numerisch(self, pfad_datenbank, Qll_Matrix_Symbolisch, liste_beobachtungen_symbolisch):
        liste_beobachtungen_symbolisch = [str(b).strip() for b in liste_beobachtungen_symbolisch]
        liste_beobachtungen_symbolisch = [b for b in liste_beobachtungen_symbolisch if not b.startswith("lA_")]

        db_zugriff = Datenbankzugriff(pfad_datenbank)
        dict_genauigkeiten = db_zugriff.get_genauigkeiten_dict()
        dict_beobachtungenID_instrumenteID = db_zugriff.get_instrumenteID_beobachtungenID_dict()

        liste_beobachtungen_tachymeter = db_zugriff.get_beobachtungen_from_beobachtungenid()
        liste_beobachtungen_gnss = db_zugriff.get_beobachtungen_gnssbasislinien()
        liste_beobachtungen_nivellement = db_zugriff.get_beobachtungen_nivellement()

        dict_beobachtungenID_distanz = {}
        for standpunkt, zielpunkt, beobachtungenID, beobachtungsgruppeID, tachymeter_richtung, tachymeter_zenitwinkel, tachymeter_distanz in liste_beobachtungen_tachymeter:
            dict_beobachtungenID_distanz[int(beobachtungenID)] = tachymeter_distanz

        dict_genauigkeiten_neu = {}
        for genauigkeitenID, eintrag in dict_genauigkeiten.items():
            instrumenteID = int(eintrag[0])
            beobachtungsart = str(eintrag[1])
            stabw_apriori_konstant = eintrag[2]
            stabw_apriori_streckenprop = eintrag[3]
            dict_genauigkeiten_neu[(instrumenteID, beobachtungsart)] = (stabw_apriori_konstant,
                                                                           stabw_apriori_streckenprop)

        substitutionen = {}

        dict_konstante_sd = {}
        for (instrumenteID, beobachtungsart), (stabw_apriori_konstant,
                                               stabw_apriori_streckenprop) in dict_genauigkeiten_neu.items():
            if beobachtungsart == "Tachymeter_Strecke":
                if stabw_apriori_konstant is not None:
                    dict_konstante_sd[instrumenteID] = float(stabw_apriori_konstant)

        for (instrumenteID, beobachtungsart), (stabw_apriori_konstant,
                                               stabw_apriori_streckenprop) in dict_genauigkeiten_neu.items():

            if beobachtungsart == "Tachymeter_Strecke":
                beobachtungsart_kurz = "SD"
            elif beobachtungsart == "Tachymeter_Richtung":
                beobachtungsart_kurz = "R"
            elif beobachtungsart == "Tachymeter_Zenitwinkel":
                beobachtungsart_kurz = "ZW"
            elif beobachtungsart == "Geometrisches_Nivellement":
                beobachtungsart_kurz = "niv"


            if stabw_apriori_konstant is not None:
                substitutionen[sp.Symbol(f"stabw_apriori_konstant_{beobachtungsart_kurz}_{instrumenteID}")] = float(stabw_apriori_konstant)
            if stabw_apriori_streckenprop is not None:
                wert = float(stabw_apriori_streckenprop)
                if beobachtungsart_kurz == "niv":
                    wert = wert / 1000.0
                substitutionen[sp.Symbol(f"stabw_apriori_streckenprop_{beobachtungsart_kurz}_{instrumenteID}")] = wert

            # --- DEBUG NIV Genauigkeiten (einmalig) ---
            for k, v in substitutionen.items():
                ks = str(k)
                if "stabw_apriori_streckenprop_niv_" in ks or "stabw_apriori_konstant_niv_" in ks:
                    print("DEBUG", ks, "=", v)

        for instrumenteID, wert in dict_konstante_sd.items():
            substitutionen[sp.Symbol(f"stabw_apriori_konstant_SD_{instrumenteID}")] = float(wert)

        liste_beobachtungen_symbolisch = [str(b) for b in liste_beobachtungen_symbolisch]

        for beobachtung_symbolisch in liste_beobachtungen_symbolisch:
            aufgeteilt = beobachtung_symbolisch.split("_")
            beobachtungenID = int(aufgeteilt[0])

            distanz = dict_beobachtungenID_distanz.get(beobachtungenID, None)
            if distanz is not None:
                substitutionen[sp.Symbol(f"SD_{beobachtungenID}")] = float(distanz)

        #GNSS Basislinien
        for gnss_beobachtungen in liste_beobachtungen_gnss:
            beobachtungenID = gnss_beobachtungen[0]
            gnss_s0 = gnss_beobachtungen[6]
            gnss_cxx = gnss_beobachtungen[7]
            gnss_cxy = gnss_beobachtungen[8]
            gnss_cxz = gnss_beobachtungen[9]
            gnss_cyy = gnss_beobachtungen[10]
            gnss_cyz = gnss_beobachtungen[11]
            gnss_czz = gnss_beobachtungen[12]

            substitutionen[sp.Symbol(f"cxx_{beobachtungenID}")] = float(gnss_cxx)
            substitutionen[sp.Symbol(f"cxy_{beobachtungenID}")] = float(gnss_cxy)
            substitutionen[sp.Symbol(f"cxz_{beobachtungenID}")] = float(gnss_cxz)
            substitutionen[sp.Symbol(f"cyy_{beobachtungenID}")] = float(gnss_cyy)
            substitutionen[sp.Symbol(f"cyz_{beobachtungenID}")] = float(gnss_cyz)
            substitutionen[sp.Symbol(f"czz_{beobachtungenID}")] = float(gnss_czz)
            substitutionen[sp.Symbol(f"s0_{beobachtungenID}")] = float(gnss_s0)

        # Geometrisches Nivellement
        for nivellement in liste_beobachtungen_nivellement:
            beobachtungenID = nivellement[0]
            niv_strecke = nivellement[4]
            niv_anz_standpkte = nivellement[5]

            substitutionen[sp.Symbol(f"niv_anz_wechselpunkte_{beobachtungenID}")] = float(niv_anz_standpkte)
            substitutionen[sp.Symbol(f"niv_distanz_{beobachtungenID}")] = float(niv_strecke)

        #Qll_numerisch = Qll_Matrix_Symbolisch.xreplace(substitutionen)
        if (self.func_Qll_numerisch is None) or (set(self.liste_symbole_lambdify) != set(substitutionen.keys())):
            self.liste_symbole_lambdify = sorted(substitutionen.keys(), key=lambda s: str(s))
            self.func_Qll_numerisch = sp.lambdify(
                self.liste_symbole_lambdify,
                Qll_Matrix_Symbolisch,
                modules="numpy",
                cse=True
            )

        fehlend = sorted(list(Qll_Matrix_Symbolisch.free_symbols - set(substitutionen.keys())), key=lambda s: str(s))
        if fehlend:
            raise ValueError(
                f"Qll_numerisch: Fehlende Substitutionen ({len(fehlend)}): {[str(s) for s in fehlend[:80]]}")

        liste_werte = [substitutionen[s] for s in self.liste_symbole_lambdify]
        Qll_numerisch = np.asarray(self.func_Qll_numerisch(*liste_werte), dtype=float)

        Export.matrix_to_csv(
            r"Zwischenergebnisse\Qll_Numerisch.csv",
            liste_beobachtungen_symbolisch,
            liste_beobachtungen_symbolisch,
            Qll_numerisch,
            "Qll"
        )

        return Qll_numerisch

    def QAA_symbolisch(self, liste_beobachtungen_symbolisch):
        liste_standardabweichungen_symbole = []
        liste_beobachtungen_symbolisch = [str(b) for b in liste_beobachtungen_symbolisch]
        liste_beobachtungen_symbolisch = [b for b in liste_beobachtungen_symbolisch if b.startswith("lA_")]
        Qll = sp.zeros(len(liste_beobachtungen_symbolisch), len(liste_beobachtungen_symbolisch))

        for i, beobachtung_symbolisch_i in enumerate(liste_beobachtungen_symbolisch):
            aufgeteilt_i = beobachtung_symbolisch_i.split("_")
            datumskoordinate = str(aufgeteilt_i[1])
            beobachtungsart_i = str(aufgeteilt_i[0])

            if beobachtungsart_i == "lA":
                sigma = sp.Symbol(f"StabwAA_{datumskoordinate}")
                liste_standardabweichungen_symbole.append(sigma)

                Qll[i, i] = sigma ** 2

        Export.matrix_to_csv(r"Zwischenergebnisse\QAA_Symbolisch.csv", liste_beobachtungen_symbolisch, liste_beobachtungen_symbolisch, Qll, "Qll")
        return Qll

    def QAA_numerisch(self, pfad_datenbank, QAA_Matrix_Symbolisch, liste_beobachtungen_symbolisch):
        liste_beobachtungen_symbolisch = [str(b).strip() for b in liste_beobachtungen_symbolisch]
        liste_beobachtungen_symbolisch = [b for b in liste_beobachtungen_symbolisch if b.startswith("lA_")]

        db_zugriff = Datenbankzugriff(pfad_datenbank)
        dict_stabwAA_vorinfo = db_zugriff.get_stabw_AA_Netzpunkte()

        substitutionen = {}

        for koordinate, stabwAA in dict_stabwAA_vorinfo.items():
            substitutionen[sp.Symbol(str(koordinate).strip())] = float(stabwAA)

        if not hasattr(self, "func_QAA_numerisch"):
            self.func_QAA_numerisch = None
        if not hasattr(self, "liste_symbole_lambdify_QAA"):
            self.liste_symbole_lambdify_QAA = []

        if (self.func_QAA_numerisch is None) or (set(self.liste_symbole_lambdify_QAA) != set(substitutionen.keys())):
            self.liste_symbole_lambdify_QAA = sorted(substitutionen.keys(), key=lambda s: str(s))
            self.func_QAA_numerisch = sp.lambdify(
                self.liste_symbole_lambdify_QAA,
                QAA_Matrix_Symbolisch,
                modules="numpy",
                cse=True
            )

        liste_werte = [substitutionen[s] for s in self.liste_symbole_lambdify_QAA]
        QAA_numerisch = np.asarray(self.func_QAA_numerisch(*liste_werte), dtype=float)

        Export.matrix_to_csv(
            r"Zwischenergebnisse\QAA_Numerisch.csv",
            liste_beobachtungen_symbolisch,
            liste_beobachtungen_symbolisch,
            QAA_numerisch,
            "QAA"
        )

        return QAA_numerisch

    @staticmethod
    def berechne_P(Q_ll):
        P = np.linalg.inv(Q_ll)
        return P

    @staticmethod
    def berechne_Q_xx(N):
        if N.shape[0] != N.shape[1]:
            raise ValueError("N muss eine quadratische Matrix sein")
        Qxx = np.linalg.inv(N)
        return Qxx

    def berechne_Q_ll_dach(A, Q_xx):
        Q_ll_dach = A @ Q_xx @ A.T
        return Q_ll_dach

    def berechne_Qvv(Q_ll, Q_ll_dach):
        Q_vv = Q_ll - Q_ll_dach
        return Q_vv