#!/usr/bin/env python
# -*- coding: utf-8 -*-

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import scipy.stats as stats
import sklearn
from sklearn import linear_model


def wczytaj_dane():
    """Napisz funkcje, która wczyta zestaw danych z pliku *mieszkania.csv* i zwróci obiekt typu *DataFrame*.
    Jeżeli wszystko zostało zrobione poprawnie,powinno się wyśtwietlić 5 pierwszych wierszy."""

    flat_data = pd.read_csv('mieszkania.csv', sep = ',', encoding = 'utf-8')
    flat_data = pd.DataFrame(flat_data)

    return flat_data

def most_common_room_number(dane):
    """Uzupełnij funkcję ``most_common_room_number``, która zwróci jaka jest najpopularniejsza liczba pokoi w ogłoszeniach.
 Funkcji powinna zwrócić liczbę całkowitą."""

    pokoje = dane['Rooms']
    return(pokoje.value_counts(sort=True).index[0])

def cheapest_flats(dane, n):
    """Uzupełnij kod w funkcji ``cheapest_flats(dane, n)``, która wzróci *n* najtańszych ofert mieszkań.
 Wzrócony obiekt typu ``DataFrame``"""

    posortowane = dane.sort_values(by='Expected')
    ceny = posortowane['Expected']
    return(ceny.head(n).to_frame())


def find_borough(desc):
    """Napisz funkcje ``find_borough(desc)``, która przyjmuje 1 argument typu *string*
 i zwróci jedną z dzielnic zdefiniowaną w liście ``dzielnice``.
 Funkcja ma zwrócić pierwszą (wzgledem kolejności) nazwę dzielnicy, która jest zawarta w ``desc``.
 Jeżeli żadna nazwa nie została odnaleziona, zwróć *Inne*."""

    dzielnice = ['Stare Miasto',
                 'Wilda',
                 'Jeżyce',
                 'Rataje',
                 'Piątkowo',
                 'Winogrady',
                 'Miłostowo',
                 'Dębiec']
    for i in dzielnice:
        if i in desc:
            return(i)

    return 'Inne'


def add_borough(dane):
    """Dodaj kolumnę ``Borough``, która będzie zawierać informacje o dzielnicach i powstanie z kolumny ``Localization``.
 Wykorzystaj do tego funkcję ``find_borough``"""

    lokacja= dane['Location']
    dzielnice = []
    for rekord in dane['Location']:
        new_col = find_borough(rekord)
        dzielnice.append(new_col)

    dane['Borough'] = dzielnice


def write_plot(dane, filename):
    """Uzupełnił funkcje ``write_plot``, która zapisze do pliku ``filename`` wykres słupkowy przedstawiający liczbę ogłoszeń
 mieszkań z podziałem na dzielnice."""

    add_borough(dane)
    hist_data = dane['Borough'].value_counts()
    #plt.figure()

    wyplot = hist_data.plot(kind='bar',alpha=0.5, title="Liczba ogłoszeń mieszkań z podziałem na dzielnice", fontsize=5, figsize=(7, 5))
    wyplot.set_xlabel("Dzielnice")
    wyplot.set_ylabel("Liczba ogłoszeń")

    #plt.show()

    fig = wyplot.get_figure()
    fig.savefig(filename)


def mean_price(dane, room_number):
    """Napisz funkcje ``mean_price``, która zwróci średnią cenę mieszkania ``room_numer``-pokojowego."""

    pokoj = dane.loc[dane['Rooms'] == room_number]
    return(pokoj['Expected'].agg('mean'))


def find_13(dane):
    """Uzupełnij funkcje ``find_13``, która zwróci listę dzielnic, które zawierają ofertę mieszkanie na 13 piętrze."""

    add_borough(dane)
    lista13pietra = []
    finded = dane['Borough'].loc[dane['Floor'] == 13]
    for j in finded:
        lista13pietra.append(j)
    return lista13pietra

def find_best_flats(dane):
    """Napisz funkcje ``find_best_flats``, która zwróci wszystkie ogłoszenia mieszkań, które znajdują się na Winogradach,
  mają 3 pokoje i są położone na 1 piętrze."""

    add_borough(dane)
    finded_best = dane.loc[(dane['Floor'] == 1) & (dane['Rooms'] == 3) & (dane['Borough'] == 'Winogrady')]
    return finded_best


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

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

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

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

    find_borough("Grunwald i Jeżyce")

    print(cheapest_flats(dane, 5))

    print(add_borough(dane))

    write_plot(dane, 'liczbaogloszen.png')

    print(mean_price(dane, 7))

    print(find_13(dane))

    print(find_best_flats(dane))



if __name__ == "__main__":
    main()