"""
Использовать для своих данных метод кластеризации по варианту, самостоятельно сформулировав задачу.
Интерпретировать результаты и оценить, насколько хорошо он подходит для решения сформулированной вами задачи.

"""

"""
Задача, решаемая алгоритмом кластеризации:
Группировка музыкальных треков на основе их характеристик с целью создания кластеров треков
с схожими характеристиками. Алгоритм кластеризации может помочь в создании плейлистов и рекомендаций,
основанных на схожести музыкальных треков по некоторым характеристикам.
"""

# 12 вариант
# Набор данных по курсовой: "Prediction of music genre"
# Алгоритм кластеризации: linkage



import pandas as pd
from scipy.cluster.hierarchy import linkage, dendrogram, fcluster
import matplotlib.pyplot as plt



DATASET_FILE = 'music_genre.csv'


def main():
    df = open_dataset(DATASET_FILE)
    df = df.sample(frac=.5)  # отбираем 50% рандомных строк с набора данных, т.к. он большой
    print("\033[92m[-----> Набор данных <-----]\033[00m")
    print(df)

    # Перевод жанров и ладов (минор/мажор) в числовые признаки
    df_genres = pd.get_dummies(df['music_genre'])
    df_modes = pd.get_dummies(df['mode'])
    # Объединение основной таблицы с числовыми признаками
    df_music = pd.concat([df, df_genres, df_modes], axis=1).reindex(df.index)
    # Удаление строковых стоблцов, которые заменили на числовые признаки
    df_music = df_music.drop(columns=['music_genre', 'mode'])
    # Датасет для работы с кластеризацией (без исполнителя и названия трека)
    X = df_music.drop(columns=['artist_name', 'track_name'])

    # Иерархическая кластеризация с связью ward
    # (минимизация суммы квадратов разностей во всех кластерах)
    linkage_matrix = linkage(X, method='ward', metric='euclidean')

    # Формирование кластеров из матрицы связей
    cluster_label = fcluster(Z=linkage_matrix, t=300, criterion='distance')
    # Присвоение кластера треку
    df['cluster'] = cluster_label
    # Установка опции показа 3 столбцов при выводе
    pd.set_option('display.max_columns', 3)
    # Вывод результата кластеризации
    print("\033[92m\nЫ[-----> Результат иерархической кластеризации <-----]\033[00m")
    print(df[['artist_name', 'track_name', 'cluster']].head(10))
    print("\033[92mКоличество кластеров: {}\033[00m" .format(cluster_label.max()))

    # Дендрограмма
    plt.figure(figsize=(12, 6))
    dendrogram(linkage_matrix, truncate_mode='lastp', p=20, leaf_rotation=90., leaf_font_size=8., show_contracted=True)
    plt.title('Дендрограмма иерархической кластеризации музыкальных треков')
    plt.xlabel('Количество треков в узле')
    plt.ylabel('Евклидово расстояние между треками')
    plt.savefig('1_dendrogram')
    plt.show()


# Функция считывания и очищения csv-файла
def open_dataset(csv_file):
    # открываем файл с указанием знака-отделителя
    df = pd.read_csv(csv_file, delimiter=',')
    # выбираем необходимые признаки
    df = df[['artist_name', 'track_name', 'mode', 'tempo', 'instrumentalness', 'acousticness',
             'speechiness', 'danceability', 'energy', 'liveness', 'valence', 'music_genre']]
    # очищаем набор данных от пустых и неподходящих значений
    df = df[df['tempo'] != '?']
    df = df.dropna()
    return df



if __name__ == "__main__":
    main()