"""Logique métier GSPARC — kilométrage, consommation, anomalies."""
import logging

logger = logging.getLogger(__name__)

PRODUIT_ATTENDU = "Gasoual Normal"


def calculer_kilometrage(compteur_avant: float, compteur_apres: float) -> float:
    """Calcule la distance parcourue entre deux approvisionnements."""
    if compteur_avant is None or compteur_apres is None:
        return 0.0
    distance = compteur_apres - compteur_avant
    return max(0, distance)


def calculer_consommation(quantite_litres: float, km_parcourus: float) -> float | None:
    """Calcule la consommation en L/100km."""
    if km_parcourus <= 0 or quantite_litres <= 0:
        return None
    return round((quantite_litres / km_parcourus) * 100, 2)


def detecter_anomalies(approvisionnement: dict, dernier_appro: dict | None = None) -> list[str]:
    """Détecte les anomalies sur un approvisionnement.

    Retourne une liste de codes d'anomalie :
    - KM_NEGATIF : kilométrage nul ou négatif
    - PRODUIT_INVALIDE : produit différent de Gasoual Normal
    - DOUBLON : même numéro de reçu
    - KM_INCOHERENT : kilométrage en baisse ou bond suspect
    - VEHICULE_INCONNU : matricule non reconnu (à vérifier en amont)
    - CARTE_INCONNUE : carte non reconnue (à vérifier en amont)
    """
    anomalies = []

    km_parcouru = approvisionnement.get("الكلم_المقطوع", 0) or 0
    produit = approvisionnement.get("المنتج", "")

    # Anomalie 1 : kilométrage négatif
    if km_parcouru <= 0:
        anomalies.append("KM_NEGATIF")

    # Anomalie 2 : produit non conforme
    if produit and produit.strip() != PRODUIT_ATTENDU:
        anomalies.append("PRODUIT_INVALIDE")

    # Anomalie 3 : incohérence de kilométrage avec approvisionnement précédent
    if dernier_appro:
        km_precedent = dernier_appro.get("الكلم_المقطوع", 0) or 0
        compteur_avant = approvisionnement.get("العداد_قبل", 0) or 0
        compteur_precedent = dernier_appro.get("العداد_بعد", 0) or 0

        if compteur_avant < compteur_precedent:
            anomalies.append("KM_INCOHERENT")

    return anomalies


def analyser_tendance(valeurs: list[float]) -> dict:
    """Analyse la tendance de consommation."""
    if not valeurs or len(valeurs) < 2:
        return {"tendance": "stable", "variation_pct": 0}

    moyenne = sum(valeurs) / len(valeurs)
    dernieres = valeurs[-3:] if len(valeurs) >= 3 else valeurs
    moyenne_recente = sum(dernieres) / len(dernieres)

    if moyenne > 0:
        variation = ((moyenne_recente - moyenne) / moyenne) * 100
    else:
        variation = 0

    if variation > 10:
        tendance = "hausse"
    elif variation < -10:
        tendance = "baisse"
    else:
        tendance = "stable"

    return {
        "tendance": tendance,
        "variation_pct": round(variation, 1),
        "moyenne_generale": round(moyenne, 2),
        "moyenne_recente": round(moyenne_recente, 2),
    }