"""Равномерно по стране или там, где живут люди? Упрощённый дазиметрический подход.

Население России, 1 точка = 100 тыс. чел., равновеликая проекция Альберса.
Вверху — точки разбросаны равномерно по всей стране (так делает простейший
алгоритм). Внизу — условное, но более правдоподобное размещение:
  1) жители городов — точками вокруг своих городов;
  2) остальные — только в пределах 100 км от городов и не на озёрах.
Это учебное упрощение (seed зафиксирован): настоящие дазиметрические карты
строят по данным о землепользовании или сеточным данным о населении.
"""
import sys
from pathlib import Path

import geopandas as gpd
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

sys.path.insert(0, str(Path(__file__).resolve().parents[1]))
from maptools import fmt

DATA = Path(__file__).resolve().parents[2] / "data"
CRS = "+proj=aea +lat_1=52 +lat_2=64 +lon_0=105 +datum=WGS84 +units=m"  # Альберс для России
DOT_VALUE = 100_000

world = gpd.read_file(DATA / "countries.geojson")
rus = world[world["iso_a3"] == "RUS"].to_crs(CRS).geometry
cities = gpd.read_file(DATA / "cities.geojson")
cities = cities[(cities["iso_a3"] == "RUS") & (cities["pop_max"] > 0)].to_crs(CRS)
lakes = gpd.read_file(DATA / "lakes.geojson").to_crs(CRS).union_all()
total_dots = round(world.loc[world["iso_a3"] == "RUS", "pop_est"].iloc[0] / DOT_VALUE)

# Вверху: все точки равномерно по территории страны
uniform = rus.sample_points(total_dots, rng=7).explode(index_parts=False)

# Внизу, шаг 1: горожане — вокруг своего города (радиус растёт с числом точек)
n_city = (cities["pop_max"] / DOT_VALUE).round().astype(int)
big = cities[n_city > 0]
discs = big.buffer(15_000 * np.sqrt(n_city[n_city > 0]))
urban = discs.sample_points(size=n_city[n_city > 0].to_numpy(), rng=7).explode(index_parts=False)

# Шаг 2: остальные жители — в «обжитой зоне»: до 100 км от любого города, без озёр
zone = cities.buffer(100_000).union_all().intersection(rus.iloc[0]).difference(lakes)
rest = total_dots - len(urban)
rural = gpd.GeoSeries([zone], crs=CRS).sample_points(rest, rng=7).explode(index_parts=False)
dasy = pd.concat([urban, rural])
print(f"Всего точек: {fmt(total_dots)}; вокруг городов: {fmt(len(urban))}, "
      f"в обжитой зоне: {fmt(len(rural))}")

fig, axes = plt.subplots(2, 1, figsize=(11, 12), gridspec_kw={"hspace": 0.08})
titles = ["Равномерно по всей территории", "Города + остальные жители не дальше 100 км от городов"]
for ax, pts, title in zip(axes, [uniform, dasy], titles):
    rus.plot(ax=ax, color="#f4f2ec", edgecolor="#8c8c8c", linewidth=0.5)
    ax.scatter(pts.x, pts.y, s=3, color="#1b1b1b", linewidths=0)
    ax.set_title(title, fontsize=12)
    ax.set_axis_off()
fig.suptitle(f"Население России: 1 точка = {fmt(DOT_VALUE)} чел. (размещение условное)", fontsize=14, y=0.93)
plt.savefig("04_dasymetric.png", dpi=110, bbox_inches="tight")
