# --- Imports Nécessaires pour la Préparation et le Modeling ---
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler, OneHotEncoder
from sklearn.compose import ColumnTransformer
from sklearn.pipeline import Pipeline
from sklearn.base import BaseEstimator, TransformerMixin
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_absolute_percentage_error
from sklearn.metrics import r2_score


# --- 1. Définition des Features et de la cible ---
features = ['surface_reelle', 'code_postal', 'code_type_local', 'date_mutation']
target = 'valeur_fonciere'
X = df[features]
y = df[target]

# --- 2. Séparation Temporelle avec Cut-off ---
print("Séparation des données avec une césure temporelle...")
date_cesure = pd.Timestamp('2021-01-01')

# Données d'entraînement = tout ce qui est AVANT 2021
X_train = X[X['date_mutation'] < date_cesure]
y_train = y[X['date_mutation'] < date_cesure]

# Données de test = tout ce qui est PENDANT et APRÈS 2021
X_test = X[X['date_mutation'] >= date_cesure]
y_test = y[X['date_mutation'] >= date_cesure]

print(f"Entraînement sur {len(X_train)} transactions (jusqu'à fin 2020).")
print(f"Test sur {len(X_test)} transactions (à partir de 2021).")

# ===================================================================
# Étape 3: Définition du Pipeline de Prétraitement
# ===================================================================

# Classe personnalisée pour transformer la date
class DateTransformer(BaseEstimator, TransformerMixin):
    def fit(self, X, y=None):
        return self
    def transform(self, X, y=None):
        X_transformed = X.copy()
        # On utilise la date la plus ancienne de l'ensemble d'entraînement comme référence
        start_date = X_train['date_mutation'].min()
        X_transformed['days_since_start'] = (X_transformed['date_mutation'] - start_date).dt.days
        return X_transformed[['days_since_start']]

# Définition des transformateurs pour chaque type de colonne
numeric_features = ['surface_reelle']
categorical_features = ['code_postal', 'code_type_local']
date_features = ['date_mutation']

# Création du préprocesseur qui appliquera la bonne transformation à la bonne colonne
preprocessor = ColumnTransformer(
    transformers=[
        ('num', StandardScaler(), numeric_features),
        ('cat', OneHotEncoder(handle_unknown='ignore'), categorical_features),
        ('date', DateTransformer(), date_features)
    ])

# ===================================================================
# Étape 4: Création du Pipeline Final (Préprocesseur + Modèle)
# ===================================================================
# Instanciation du modèle de régression linéaire
regressor = LinearRegression()

# Création du pipeline complet
model_pipeline = Pipeline(steps=[
    ('preprocessor', preprocessor),
    ('regressor', regressor)
])

print("\nEntraînement du pipeline sur les données de 2017-2020...")
model_pipeline.fit(X_train, y_train)

print("Évaluation du pipeline sur les données de 2021...")
predictions = model_pipeline.predict(X_test)
mape = mean_absolute_percentage_error(y_test, predictions)

print(f"\nPERFORMANCE (Split Temporel) : MAPE = {mape:.2%}")