"""Гистограмма плотности населения и границы классов четырёх методов.

Прежде чем выбирать метод классификации, посмотрите на распределение.
Здесь оно резко асимметрично: большинство стран — меньше 150 чел./км²,
а несколько выбросов доходят до 1200.
"""
from pathlib import Path

import geopandas as gpd
import mapclassify
import matplotlib.pyplot as plt

DATA = Path(__file__).resolve().parents[2] / "data"
world = gpd.read_file(DATA / "countries.geojson")
y = world.loc[world["iso_a3"] != "ATA", "pop_density"]

methods = [
    ("Равные интервалы", mapclassify.EqualInterval(y, k=5)),
    ("Квантили", mapclassify.Quantiles(y, k=5)),
    ("Естественные границы (Дженкс)", mapclassify.FisherJenks(y, k=5)),
    ("Стандартное отклонение (среднее ± σ)", mapclassify.StdMean(y)),
]
colors = ["#fef0d9", "#fdcc8a", "#fc8d59", "#e34a33", "#b30000"]  # YlOrRd/OrRd, 5 классов

fig, axes = plt.subplots(2, 2, figsize=(11, 6.4), sharex=True, sharey=True)
for ax, (title, c) in zip(axes.flat, methods):
    # раскрашиваем столбики гистограммы в цвет класса, в который попадает их середина
    n, edges, patches = ax.hist(y, bins=60, range=(0, 1220), edgecolor="#777", linewidth=0.3)
    for left, right, p in zip(edges[:-1], edges[1:], patches):
        cls = min(int((c.bins < (left + right) / 2).sum()), len(colors) - 1)
        p.set_facecolor(colors[cls])
    for b in c.bins[:-1]:
        if b > 0:  # у StdMean нижние границы отрицательны — их не рисуем
            ax.axvline(b, color="#333", linestyle="--", linewidth=1)
    ax.set_title(f"{title}\nстран в классах: {', '.join(map(str, c.counts))}", fontsize=10.5)
    ax.grid(axis="y", alpha=0.3)
for ax in axes[1]:
    ax.set_xlabel("Плотность населения, чел./км²")
for ax in axes[:, 0]:
    ax.set_ylabel("Число стран")
fig.suptitle("Одни и те же данные — четыре разбиения на классы", fontsize=13, fontweight="bold")
fig.tight_layout()
plt.savefig("02_histograms.png", dpi=110, bbox_inches="tight")
