# scripts/check_missing_values.py
from __future__ import annotations

from pathlib import Path

from meteo.dataset import load_raw_csv
from meteo.quality import summarize_missing_values


CSV_PATH = Path("data/weather_minutely.csv")


def main() -> None:
    if not CSV_PATH.exists():
        print(f"⚠ Fichier introuvable : {CSV_PATH}")
        print("   Assurez-vous d'avoir généré le dataset minuté.")
        return

    df = load_raw_csv(CSV_PATH)
    print(f"Dataset chargé : {CSV_PATH}")
    print(f"  Lignes   : {len(df)}")
    print(f"  Colonnes : {list(df.columns)}")

    summary = summarize_missing_values(df)

    print()
    print("=== Synthèse des valeurs manquantes ===")
    print(f"Total de cellules      : {summary.total_cells}")
    print(f"Cellules manquantes    : {summary.missing_cells}")
    print(f"Fraction manquante     : {summary.fraction_missing:.6f}")
    print(f"Lignes complètes       : {summary.rows_fully_complete}")
    print(f"Lignes avec des trous  : {summary.rows_with_missing}")
    print(f"Fraction lignes complètes : {summary.fraction_rows_complete:.6f}")

    print()
    print("Valeurs manquantes par colonne :")
    for col, n_missing in summary.missing_by_column.items():
        print(f"  - {col:13s} : {n_missing}")

    if summary.missing_cells == 0:
        print()
        print("✔ Aucune valeur manquante dans le dataset minuté.")
    else:
        print()
        print("⚠ Il reste des valeurs manquantes.")
        print("  Exemple de lignes concernées :")
        rows_with_missing = df[df.isna().any(axis=1)]
        print(rows_with_missing.head(10))


if __name__ == "__main__":
    main()