import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sb
import pingouin as pg
from scipy import stats

# Датасет "Рост-Вес-Возраст-Позиция"
columns = ['Position', 'Height(inches)', 'Weight(pounds)', 'Age']

df = pd.read_csv('SOCR_Data_MLB_HeightsWeights.txt', sep='\t', nrows=115, usecols=columns)

# Построение диаграммы Тьюки только для числовых признаков
fig1, axes = plt.subplots(2, 2, figsize=(10, 10))
fig1.suptitle('Диаграммы Тьюки по признакам')

# Используем только числовые столбцы для boxplot
numeric_columns = ['Height(inches)', 'Weight(pounds)', 'Age']

# Первый subplot оставляем пустым или убираем
axes[0,0].remove()  # убираем первый subplot
axes[0,1].boxplot(df['Height(inches)'])
axes[0,1].set_xticklabels(['Height(inches)'])
axes[0,1].set_title('Рост (дюймы)')

axes[1,0].boxplot(df['Weight(pounds)'])
axes[1,0].set_xticklabels(['Weight(pounds)'])
axes[1,0].set_title('Вес (фунты)')

axes[1,1].boxplot(df['Age'])
axes[1,1].set_xticklabels(['Age'])
axes[1,1].set_title('Возраст')

# Альтернативный вариант: построить boxplot для Position как категориального признака
fig1_pos, ax_pos = plt.subplots(figsize=(8, 6))
position_counts = df['Position'].value_counts()
ax_pos.bar(position_counts.index, position_counts.values)
ax_pos.set_title('Распределение по позициям')
ax_pos.set_xlabel('Позиция')
ax_pos.set_ylabel('Количество')
plt.xticks(rotation=45)

fig2, axes = plt.subplots(1, 2, figsize=(12, 5))
fig2.suptitle('Тепловые карты')

# Для корреляции преобразуем Position в числовой формат
df_numeric = df.copy()
# Создаем числовое представление позиций для корреляции
position_mapping = {pos: i for i, pos in enumerate(df['Position'].unique())}
df_numeric['Position_num'] = df['Position'].map(position_mapping)

# Построение тепловой карты парных коэффициентов корреляции
corrMatrix = df_numeric[['Position_num', 'Height(inches)', 'Weight(pounds)', 'Age']].corr()
axes[0].set_title('Тепловая карта парных коэфф. корреляции')
sb.heatmap(corrMatrix, annot=True, linewidths=0.5, ax=axes[0])


# Построение тепловой карты частных коэффициентов корреляции
try:
    pCorrMatrix = df_numeric[['Position_num', 'Height(inches)', 'Weight(pounds)', 'Age']].pcorr()
    axes[1].set_title('Тепловая карта частных коэфф. корреляции')
    sb.heatmap(pCorrMatrix, annot=True, linewidths=0.5, ax=axes[1])
except:
    axes[1].set_title('Частная корреляция недоступна')
    print("Метод pcorr() недоступен")


print('Тест Колмогорова-Смирнова. Уровень значимости a = 0.05')

# Тест только для числовых признаков
for col in numeric_columns:
    x = df[col]
    x_mean, std = np.mean(x), np.std(x, ddof=1)
    x_std = (x - x_mean)/std
    pvalue = stats.kstest(x_std, "norm", alternative='two-sided').pvalue
    if pvalue > 0.05:
        result = 'H0 не должна быть отвергнута'
    else:
        result = 'H0 должна быть отвергнута'
    print('Для {}: p-value: {:.4f}, так что {}'.format(col, pvalue, result))

# Построение гистограмм
fig3, axes = plt.subplots(2, 2, figsize=(10, 7))

# Гистограмма для Position (как категориальный признак)
position_counts = df['Position'].value_counts()
axes[0,0].bar(position_counts.index, position_counts.values)
axes[0,0].set_title('Распределение по позициям')
axes[0,0].tick_params(axis='x', rotation=45)

axes[0,1].hist(df['Height(inches)'], bins=15, alpha=0.7, edgecolor='black')
axes[0,1].set_title('Гистограмма роста')

axes[1,0].hist(df['Weight(pounds)'], bins=15, alpha=0.7, edgecolor='black')
axes[1,0].set_title('Гистограмма веса')

axes[1,1].hist(df['Age'], bins=15, alpha=0.7, edgecolor='black')
axes[1,1].set_title('Гистограмма возраста')

plt.tight_layout()
plt.show()

# Дополнительная информация о данных
print("\nИнформация о данных:")
print(df.info())
print("\nПервые 5 строк:")
print(df.head())