from flask import Flask, request, jsonify, render_template
import pandas as pd
from sklearn.preprocessing import LabelEncoder
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression
from datetime import datetime

# Создание экземпляра Flask
app = Flask(__name__)

# Загрузка данных из файлов
games_data = pd.read_csv("games.csv")
open_critic_data = pd.read_csv("open_critic.csv")

# Объединение данных по столбцам id и game_id
data = games_data.merge(open_critic_data, left_on="id", right_on="game_id", how="inner")

# Преобразование даты в количество дней
data['release_date'] = (pd.to_datetime(data['release_date']) - pd.to_datetime(data['release_date']).min()).dt.days

# Удаление строк с отсутствующими значениями (NaN) в столбце "rating"
data = data.dropna(subset=["rating"])

# Подготовка данных
label_encoder = LabelEncoder()
data["genres"] = label_encoder.fit_transform(data["genres"])
X = data[["genres", "price", "release_date"]]
y = data["rating"]

# Разделение данных на обучающий и тестовый наборы
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Создание полиномиальных признаков
poly = PolynomialFeatures(degree=2)
X_train_poly = poly.fit_transform(X_train)
X_test_poly = poly.transform(X_test)

# Обучение модели регрессии
regressor = LinearRegression()
regressor.fit(X_train_poly, y_train)

# Найти минимальную дату
min_release_date = min(pd.to_datetime(games_data['release_date'])).replace(tzinfo=None)

# Маршрут для отображения HTML-формы
@app.route('/', methods=['GET'])
def index():
    return render_template('predict.html')

# Маршрут для предсказания рейтинга
@app.route('/predict', methods=['POST'])
def predict():
    data = request.form
    genre = label_encoder.transform([data["genres"]])[0]
    price = float(data["price"])

    # Преобразуйте release_date в объект datetime
    release_date = datetime.strptime(data["release_date"], "%Y-%m-%dT%H:%M:%S.%fZ")

    # Вычитайте минимальную дату и преобразуйте в количество дней
    release_date = (release_date - min_release_date).days

    input_data = poly.transform([[genre, price, release_date]])
    rating = regressor.predict(input_data)[0]
    return f"Предсказанный рейтинг игры: {rating:.2f}"

if __name__ == '__main__':
    app.run(port=5000)