# ascent.py
"""
Крутое восхождение (градиентный метод) для поиска оптимума.
"""
import numpy as np
from core.table_io import handle_table_output
from core.statistics import compute_regression, compute_gradient_points

def ascent_menu(mixture, design, responses):
    if not design.plan or not responses:
        print("Нет данных для крутого восхождения: план или отклики пусты.")
        input("Нажмите Enter для продолжения...")
        return

    active_indices = design._active_indices()
    k = len(active_indices)
    if k < 2:
        print("Для крутого восхождения необходимо минимум 2 активных фактора.")
        input("Нажмите Enter для продолжения...")
        return

    if not mixture.ings or len(mixture.ings) < 2:
        print("В смеси нет изменяемых ингредиентов.")
        return

    base_levels = []
    factor_names = []
    for idx in active_indices:
        ing_index = idx + 1
        if ing_index >= len(mixture.ings):
            print(f"Ошибка: индекс ингредиента {ing_index} выходит за пределы списка.")
            return
        factor_names.append(mixture.ings[ing_index].name)
        base_levels.append(mixture.ings[ing_index].value)
    print(f"\nБазовые уровни факторов: {dict(zip(factor_names, base_levels))}")

    print("\nДоступные отклики:")
    for i, resp in enumerate(responses, start=1):
        print(f"{i}. {resp['name']}")
    try:
        resp_idx = int(input("Выберите номер отклика для оптимизации: ")) - 1
        if resp_idx < 0 or resp_idx >= len(responses):
            print("Неверный номер.")
            return
        response = responses[resp_idx]
    except ValueError:
        print("Введите число.")
        return

    plan_matrix = np.array([[row[j] for j in active_indices] for row in design.plan])
    N = plan_matrix.shape[0]
    X = np.hstack([np.ones((N, 1)), plan_matrix])
    y = np.array(response["values"])
    if len(y) != N:
        print("Ошибка: число значений отклика не совпадает с числом опытов.")
        return

    reg = compute_regression(X, y)
    beta = reg["beta"]
    if np.isnan(beta).any():
        print("Ошибка расчёта коэффициентов регрессии.")
        return

    print("\n=== Коэффициенты модели (МНК) ===")
    headers = ["Фактор", "Коэффициент"]
    rows = [["Свободный член", f"{beta[0]:.6f}"]]
    for i, name in enumerate(factor_names):
        rows.append([name, f"{beta[i+1]:.6f}"])
    handle_table_output(headers, rows, title="", ask_each_time=True)

    print("\nВведите шаг движения (в % для первого фактора).")
    print("Шаг для остальных факторов будет пропорционален их коэффициентам.")
    try:
        step = float(input("Шаг (положительное число): "))
        if step <= 0:
            print("Шаг должен быть положительным.")
            return
    except ValueError:
        print("Введите число.")
        return

    try:
        num_steps = int(input("Количество шагов (например, 5): "))
        if num_steps <= 0:
            print("Количество шагов должно быть положительным.")
            return
    except ValueError:
        print("Введите целое число.")
        return

    direction = input("Максимизировать отклик? (y/n, по умолчанию y): ").strip().lower()
    maximize = direction != 'n'

    try:
        points = compute_gradient_points(
            beta, base_levels, step, num_steps,
            factor_names=factor_names,
            maximize=maximize
        )
    except Exception as e:
        print(f"Ошибка: {e}")
        return

    headers = ["Шаг"] + factor_names + ["Предсказанный отклик"]
    rows = []
    for pt in points:
        row = [str(pt["Шаг"])] + [f"{pt[name]:.4f}" for name in factor_names] + [f"{pt['Предсказанный отклик']:.4f}"]
        rows.append(row)
    handle_table_output(
        headers, rows,
        title=f"Точки крутого восхождения (направление: {'максимизация' if maximize else 'минимизация'})"
    )

    print("\nВы можете выбрать одну из точек и установить её как новый состав.")
    choice = input("Установить состав из точки? (введите номер шага или Enter для пропуска): ").strip()
    if choice:
        try:
            step_num = int(choice) - 1
            if 0 <= step_num < len(points):
                pt = points[step_num]
                for name in factor_names:
                    for idx, info in enumerate(mixture.ings):
                        if info.name == name:
                            mixture.ings[idx].value = pt[name]
                            break
                mixture.comp_solvent_percent()
                print("Состав обновлён. Текущие проценты:")
                for info in mixture.ings:
                    print(f"  {info.name}: {info.value:.2f}%")
            else:
                print("Неверный номер.")
        except ValueError:
            print("Ошибка ввода.")

    input("Нажмите Enter для продолжения...")