df = client.indicateurs.prix(codes="59646", echelle="communes")

fig = make_subplots(specs=[[{"secondary_y": True}]])

palette = ["indianred", "lightsalmon"]

# Ajout des barres de nombre de transaction
fig.add_trace(
    go.Bar(
        x=df["annee"],
        y=df["nbtrans_cod1113"],
        name="Maisons anciennes",
        marker_color=palette[0],
        opacity=0.7,
    ),
    secondary_y=False,
)
fig.add_trace(
    go.Bar(
        x=df["annee"],
        y=df["nbtrans_cod1213"],
        name="Appartements anciens",
        marker_color=palette[1],
        opacity=0.7,
    ),
    secondary_y=False,
)

# Ajout des courbes de prix médian
fig.add_trace(
    go.Scatter(
        x=df["annee"],
        y=df["pxm2_median_cod1113"],
        mode="lines",
        name="Maisons anciennes",
        line=dict(color=palette[0]),
    ),
    secondary_y=True,
)
fig.add_trace(
    go.Scatter(
        x=df["annee"],
        y=df["pxm2_median_cod1213"],
        mode="lines",
        name="Appartements anciens",
        line=dict(color=palette[1]),
    ),
    secondary_y=True,
)

# Mise à jour de la mise en page du graphique
fig.update_layout(
    title="Évolution annuelle des prix médian et du nombre de transaction (Wasquehal)",
    xaxis_title="Année",
    yaxis_title="Nombre de ventes",
    yaxis2=dict(title="Prix médian au m2", overlaying="y", side="right"),
)
fig.show()

# On définit l'EPCI et on récupère les contours des communes qui la compose
EPCI = "243500139"
communes = requests.get(
    f"https://geo.api.gouv.fr/epcis/{EPCI}/communes/?format=geojson&geometry=contour"
).json()

# On choisit un indicateur de prix
indicateur, titre = "valeurfonc_median_mmx", "Maisons - surface entre 90 et 130 m2 "
mini, maxi = 99999999, 0

# Ajout de l'indicateur pour chaque contour de communes
for i, comm in enumerate(communes["features"]):
    code = comm["properties"]["code"]
    nom = comm["properties"]["nom"]
    # print(nom, str(i + 1) + "/" + str(len(communes["features"])))
    response = client.indicateurs.prix(
        codes=code, echelle="communes", type_prix="triennal", annee="2019"
    )
    if not response.empty:
        value = response[indicateur].values[0] or 0
        comm["properties"][indicateur] = value
        if value > 0:
            if value < mini:
                mini = value
            if value > maxi:
                maxi = value

    centre_x, centre_y = (
        comm["geometry"]["coordinates"][0][0][0],
        comm["geometry"]["coordinates"][0][0][1],
    )

# Génération de la carte
colorscale = branca.colormap.linear.YlOrRd_09.scale(mini, maxi)
colorscale.caption = "Prix médian (€) communal entre 2019 et 2021"


def style_function(feature):
    value = feature["properties"][indicateur]
    return {
        "fillOpacity": 0.8,
        "weight": 1,
        "fillColor": colorscale(int(value)) if value > 0 else "lightgray",
        "color": "darkgray",
    }


m = folium.Map(location=[centre_y, centre_x], zoom_start=9)
folium.GeoJson(
    communes,
    name=titre,
    style_function=style_function,
    popup=folium.GeoJsonPopup(
        fields=["nom", indicateur], aliases=["nom", "Prix median"]
    ),
).add_to(m)
colorscale.add_to(m)
m

dfs = []

for aav in ["002", "003", "004", "005", "006", "008", "012"]:
    df = client.indicateurs.accessibilite(codes_aav=aav, annee="2023")
    df = df[["libelle", "codgeo", "libgeo", "d5_cod1113", "d5"]].astype(
        {"d5_cod1113": "float", "d5": "float"}
    )
    dfs.append(df[["libelle", "codgeo", "libgeo", "d5_cod1113", "d5"]])


result = pd.concat(dfs, ignore_index=True)

palette = [
    "rgba(93, 164, 214, 0.5)",  # bleu
    "rgba(255, 144, 14, 0.5)",  # orange
    "rgba(44, 160, 101, 0.5)",  # vert
    "rgba(255, 65, 54, 0.5)",  # rouge
    "rgba(207, 114, 255, 0.5)",  # violet
    "rgba(127, 96, 0, 0.5)",  # brun
    "rgba(100, 100, 100, 0.5)",  # gris
]

fig = go.Figure()

for (libelle, subset), color in zip(result.groupby("libelle"), palette):
    fig.add_trace(
        go.Box(
            y=subset["d5_cod1113"],
            name=libelle,
            boxpoints="all",
            jitter=0.5,
            whiskerwidth=0.2,
            fillcolor=color,
            marker=dict(size=3, opacity=0.7),
            line=dict(width=1),
            hovertext=subset["libgeo"],
            hoverinfo="text+y",
        )
    )

fig.update_layout(
    title=dict(text="Année de revenu nécessaires pour acheter une maison ancienne"),
    yaxis=dict(
        title="Années de revenu nécessaires",
        autorange=True,
        showgrid=True,
        zeroline=True,
        dtick=5,
        gridcolor="rgb(255, 255, 255)",
        gridwidth=1,
        zerolinecolor="rgb(255, 255, 255)",
        zerolinewidth=2,
    ),
    xaxis=dict(title="Aire d'Attraction de la Ville (AAV)"),
    margin=dict(l=40, r=30, b=80, t=100),
    paper_bgcolor="rgb(243, 243, 243)",
    plot_bgcolor="rgb(243, 243, 243)",
    showlegend=False,
)

fig.show()