import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from scipy import stats
import os

def generate_validation_plot(csv_path):
    # 1. Carga de datos
    if not os.path.exists(csv_path):
        print(f"Error: No se encuentra el archivo {csv_path}")
        return

    df = pd.read_csv(csv_path)
    
    # 2. Limpieza de datos (Asegurar que existan VTI y Ds)
    # Nota: Si en tu CSV la columna se llama 'hue_std', el script la toma como VTI
    x_col = 'hue_std' if 'hue_std' in df.columns else 'VTI'
    y_col = 'Ds'
    
    df_clean = df.dropna(subset=[x_col, y_col])

    # 3. Configuración estética (Estilo Paper Científico)
    plt.style.use('seaborn-v0_8-whitegrid')
    fig, ax = plt.subplots(figsize=(10, 7))
    
    # 4. Cálculo estadístico
    slope, intercept, r_value, p_value, std_err = stats.linregress(df_clean[x_col], df_clean[y_col])
    r_squared = r_value**2

    # 5. Renderizado del Gráfico
    sns.regplot(
        x=x_col, 
        y=y_col, 
        data=df_clean,
        scatter_kws={'alpha': 0.5, 'color': '#1a3a5c', 's': 70},
        line_kws={'color': '#8b3a2a', 'linewidth': 2, 'label': f'Linear Fit (R²={r_squared:.4f})'},
        ax=ax
    )

    # 6. Anotaciones técnicas (Asepsia de datos)
    stats_text = (
        f"N = {len(df_clean)}\n"
        f"r = {r_value:.4f}\n"
        f"R² = {r_squared:.4f}\n"
        f"p-value < 0.001"
    )
    
    plt.text(
        0.05, 0.95, stats_text, 
        transform=ax.transAxes, 
        fontsize=11, 
        verticalalignment='top',
        bbox=dict(boxstyle='round,pad=0.5', facecolor='white', alpha=0.8, edgecolor='#ccc')
    )

    # 7. Etiquetas y Títulos
    plt.title('Argira Station: Structural Correspondence Validation', fontsize=14, fontweight='bold', pad=20)
    plt.xlabel('Visual Texture Irregularity (VTI / Pixel Variability)', fontsize=12)
    plt.ylabel('Spectral Fractal Dimension (Ds)', fontsize=12)
    plt.legend(loc='lower right')

    # 8. Guardado en alta resolución
    output_filename = "Figure1_Correlation_Validation.png"
    plt.tight_layout()
    plt.savefig(output_filename, dpi=300)
    print(f"Éxito: Gráfico guardado como {output_filename}")
    plt.show()

if __name__ == "__main__":
    # Ejecuta el script asumiendo que el csv está en el mismo directorio
    generate_validation_plot('results_v3.3.csv')
