#!/usr/bin/env python
# -*- coding: utf-8 -*-
import pandas as pd
from statistics import mode
import matplotlib.pyplot as plt

def wczytaj_dane():
    r = pd.read_csv("mieszkania.csv")
    dane = r.dropna(axis='columns')
    return dane

def most_common_room_number(dane):
    return mode(dane.Rooms)

def cheapest_flats(dane, n):
    return dane.sort_values(by="Expected").head(n)

def find_borough(desc):
    dzielnice = ['Stare Miasto',
                 'Wilda',
                 'Jeżyce',
                 'Rataje',
                 'Piątkowo',
                 'Winogrady',
                 'Miłostowo',
                 'Dębiec']

    indeks = len(desc)
    nazwa_dzielnicy = "Inne"
    for dzielnica in dzielnice:
        indeks_dzielnica = desc.find(dzielnica)
        if indeks_dzielnica < indeks and indeks_dzielnica != -1:
            indeks = indeks_dzielnica
            nazwa_dzielnicy = dzielnica
    return nazwa_dzielnicy

def add_borough(dane):
    dane['Borough'] = dane['Location'].apply(find_borough)
    return dane

def write_plot(dane, filename):
    add_borough(dane)
    dane_wykres = pd.Series(dane.Borough.value_counts())
    dane_wykres.plot(x='Borough', y='Liczba ogłoszeń', kind = 'bar')
    plt.savefig(filename, pad_inches=1, bbox_inches='tight')

def mean_price(dane, room_number):
    return dane.Expected[(dane['Rooms'] == room_number)].mean()

def find_13(dane):
    add_borough(dane)
    return dane.Borough[(dane['Floor'] == 13)].unique()

def find_best_flats(dane):
    add_borough(dane)
    return dane[(dane['Borough'] == 'Winogrady') & (dane['Rooms'] == 3) & (dane['Floor'] == 1)]

def main():
    dane = wczytaj_dane()
    print(dane[:5])

    print("Najpopularniejsza liczba pokoi w mieszkaniu to: {}"
          .format(most_common_room_number(dane)))

    print("{} to najładniejsza dzielnica w Poznaniu."
          .format(find_borough("Grunwald i Jeżyce")))

    print("Średnia cena mieszkania 3-pokojowego, to: {}"
          .format(mean_price(dane, 3)))

if __name__ == "__main__":
     main()