# screenshot: 1000x600
"""Ступенчатые значки (graduated symbols): несколько фиксированных размеров.

Города делим на классы по численности (группы, принятые в статистике
городов, плюс отдельный класс для двух самых больших). Размер значка
задаёт КЛАСС, а не точное значение: Уфа (1,0 млн) и Новосибирск (1,4 млн)
получают одинаковый круг. Детальность теряется, зато значки легко
различать и сопоставлять с легендой.
"""
import sys
from pathlib import Path

import folium
import geopandas as gpd
import numpy as np

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

DATA = Path(__file__).resolve().parents[2] / "data"
cities = gpd.read_file(DATA / "cities.geojson")
ru = cities[(cities["iso_a3"] == "RUS") & (cities["pop_max"] >= 100_000)].copy()

breaks = [100e3, 250e3, 500e3, 1e6, 3e6]  # нижние границы классов
labels = ["100–250 тыс.", "250–500 тыс.", "500 тыс. – 1 млн", "1–3 млн", "более 3 млн"]
radii = [3, 5, 8, 12, 18]                  # px: каждый следующий заметно больше

ru["cls"] = np.digitize(ru["pop_max"], breaks) - 1  # номер класса 0…4
ru = ru.sort_values("pop_max", ascending=False)      # большие — снизу

m = folium.Map(location=[63, 100], zoom_start=3, tiles="Esri.WorldGrayCanvas")
for _, c in ru.iterrows():
    folium.CircleMarker(
        [c["latitude"], c["longitude"]], radius=radii[c["cls"]],
        color="#08306b", weight=1, fill_color="#4292c6", fill_opacity=0.6,
        tooltip=f"{c['name_ru']}: {c['pop_max'] / 1000:.0f} тыс. чел. ({labels[c['cls']]})",
    ).add_to(m)

# Легенда: по кругу на класс, сверху — самый большой
rows = ""
for r, lab in zip(radii[::-1], labels[::-1]):
    rows += (f'<div style="display:flex;align-items:center;gap:6px;margin:2px 0">'
             f'<svg width="40" height="{2 * r + 2}"><circle cx="20" cy="{r + 1}" r="{r}" '
             f'fill="#4292c6" fill-opacity="0.6" stroke="#08306b"/></svg>{lab}</div>')
add_html(m, f"<b>Население города, чел.</b>{rows}", position="bottomright")
add_title(m, "Крупные города России", "ступенчатые значки: 5 классов")
plain_attribution(m)
m.save("02_graduated.html")

print("Класс              Городов")
for i, lab in enumerate(labels):
    print(f"{lab:18s} {(ru['cls'] == i).sum():5d}")
