import geopandas as gpd
import pandas as pd
import requests
import zipfile
import io
import os

# Descargar y descomprimir el archivo
url = "https://geoportal.madrid.es/fsdescargas/IDEAM_WBGEOPORTAL/CALLEJERO/VIALES/VIALES_SHP.zip"

print("Descargando datos...")
response = requests.get(url)
zip_file = zipfile.ZipFile(io.BytesIO(response.content))
zip_file.extractall("viales_madrid")
print("Datos descargados y descomprimidos")

# Cargamos el shapefile
shp_file = None
for file in os.listdir("viales_madrid"):
    if file.endswith(".shp"):
        shp_file = os.path.join("viales_madrid", file)
        break

if shp_file is None:
    raise FileNotFoundError("No se encontró el archivo .shp en el zip")

print(f"Cargando shapefile: {shp_file}")
gdf = gpd.read_file(shp_file)

# Información básica del fichero
print(f"Número de viales cargados: {len(gdf)}")
print(f"Columnas disponibles: {gdf.columns.tolist()}")

# Inspeccionar las primeras filas para entender los datos
print("\nPrimeras 5 filas del dataset:")
print(gdf[['CV_TX_DENO', 'DEN_TX_NOM', 'DEN_TX_PAR']].head())

# Calcular la longitud de cada vial en metros
print("\nCalculando longitudes...")
gdf = gdf.to_crs(epsg=25830)  # CRS proyectado para España (metros)
gdf['longitud_metros'] = gdf.geometry.length

# Calcular las estadísticas que nos interesan
estadisticas = {
    'Media': gdf['longitud_metros'].mean(),
    'Mediana': gdf['longitud_metros'].median(),
    'Mínimo': gdf['longitud_metros'].min(),
    'Máximo': gdf['longitud_metros'].max(),
    'Total': gdf['longitud_metros'].sum(),
    'Cantidad de viales': len(gdf)
}

# Mostrar resultados de forma básica
print("\n" + "="*50)
print("ESTADÍSTICAS DE LONGITUD DE VIALES DE MADRID")
print("="*50)
for stat, value in estadisticas.items():
    if stat in ['Total', 'Media', 'Mediana', 'Mínimo', 'Máximo']:
        print(f"{stat}: {value:,.2f} metros")
    else:
        print(f"{stat}: {value:,}")

# Estadísticas más concretas
print(f"\nLongitud promedio por vial: {estadisticas['Media']:,.2f} metros")
print(f"Longitud total de calles: {estadisticas['Total']/1000:,.2f} kilómetros")

# Mostrar algunos ejemplos para las explicaciones
# Viales más largos, tienen que corresponder a autopistas
print(f"\n--- Top 10 viales más largos ---")
# Usar DEN_TX_NOM para el nombre y CV_TX_DENO para tipo de vía
top_largas = gdf.nlargest(10, 'longitud_metros')[['CV_TX_DENO', 'DEN_TX_NOM', 'longitud_metros']]
for idx, row in top_largas.iterrows():
    nombre = f"{row['CV_TX_DENO']} {row['DEN_TX_NOM']}" if pd.notna(row['DEN_TX_NOM']) else "Sin nombre"
    print(f"{nombre}: {row['longitud_metros']:,.2f} metros")

# Viales más cortos, corresponden a pasajes y plazas
print(f"\n--- Top 10 viales más cortos ---")
top_cortas = gdf.nsmallest(10, 'longitud_metros')[['CV_TX_DENO', 'DEN_TX_NOM', 'longitud_metros']]
for idx, row in top_cortas.iterrows():
    nombre = f"{row['CV_TX_DENO']} {row['DEN_TX_NOM']}" if pd.notna(row['DEN_TX_NOM']) else "Sin nombre"
    print(f"{nombre}: {row['longitud_metros']:,.2f} metros")

# Análisis adicional por tipo de vía por si fuera necesario posteriormente
print(f"\n--- Estadísticas por tipo de vía ---")
if 'CV_TX_DENO' in gdf.columns:
    stats_por_tipo = gdf.groupby('CV_TX_DENO')['longitud_metros'].agg([
        ('count', 'count'),
        ('longitud_total', 'sum'),
        ('longitud_promedio', 'mean'),
        ('longitud_maxima', 'max')
    ]).round(2)
    print(stats_por_tipo.sort_values('longitud_total', ascending=False))