# Lade Mietpreise (enthält Stadtbezirk-Namen)
df_wohnen = pd.read_excel("https://mstatistik.muenchen.de/indikatorenatlas/export/xlsx/export_wo.xlsx", sheet_name='WOHNEN')

def prepare_mieten(indikator):
    df_temp = df_wohnen[
        (df_wohnen['Indikator'] == indikator) &
        (df_wohnen['Ausprägung'] == 'absolut') &
        (df_wohnen['Raumbezug'] != 'Stadt München')
    ].copy()
    df_temp['sb_nummer'] = df_temp['Raumbezug'].str.split(' ').str[0].astype(int).astype(str)
    df_temp['Indikatorwert'] = df_temp['Indikatorwert'].astype(str).str.replace(',', '.').astype(float)
    return df_temp

df_mieten_erst = prepare_mieten('Mieten Erstvermietung')
df_mieten_wieder = prepare_mieten('Mieten Wiedervermietung')

# Extrahiere Namen aus Wohndaten
stadtbezirke = dict(zip(
    df_mieten_wieder['sb_nummer'],
    df_mieten_wieder['Raumbezug'].str.split(' ', n=1).str[1]
))

# Lade Geodaten
response = requests.get("https://opendata.muenchen.de/api/3/action/package_search", params={"q": "Bezirksteile"})
geojson_url = next(r['url'] for r in response.json()["result"]["results"][0]['resources'] if r['format'].upper() == 'GEOJSON')

gdf = gpd.read_file(geojson_url).to_crs(epsg=4326)
gdf['sb_nummer'] = gdf['bt_nummer'].str.split('.').str[0].astype(int).astype(str)

gdf_stadtbezirke = gdf.dissolve(by='sb_nummer', aggfunc={'flaeche_qm': 'sum'}).reset_index()
gdf_stadtbezirke['name'] = gdf_stadtbezirke['sb_nummer'].map(stadtbezirke)

geojson_data = json.loads(gdf_stadtbezirke.to_json())
df = pd.DataFrame([f['properties'] for f in geojson_data['features']])
df['display_name'] = df['name']

# Zwei Karten mit Slider
jahre = sorted(df_mieten_erst['Jahr'].unique())
initial_jahr = max(jahre)
zmin = pd.concat([df_mieten_erst['Indikatorwert'], df_mieten_wieder['Indikatorwert']]).min()
zmax = pd.concat([df_mieten_erst['Indikatorwert'], df_mieten_wieder['Indikatorwert']]).max()

def create_trace(df_mieten_data, jahr, show_colorbar=False):
    df_jahr = df.merge(df_mieten_data[df_mieten_data['Jahr'] == jahr][['sb_nummer', 'Indikatorwert']], on='sb_nummer', how='left')
    return go.Choroplethmapbox(
        geojson=geojson_data, locations=df_jahr['sb_nummer'], z=df_jahr['Indikatorwert'],
        featureidkey="properties.sb_nummer", colorscale='Reds', zmin=zmin, zmax=zmax,
        marker_opacity=0.7, marker_line_width=2, marker_line_color='white',
        text=df_jahr['display_name'], customdata=df_jahr['Indikatorwert'],
        hovertemplate='<b>%{text}</b><br>Miete: %{customdata:.2f} €/m²<extra></extra>',
        showscale=show_colorbar, colorbar=dict(title='€/m²', x=1.02, len=0.7) if show_colorbar else None
    )

fig = make_subplots(rows=1, cols=2, subplot_titles=('Erstvermietung (Neubau)', 'Wiedervermietung (Bestand)'),
                    specs=[[{'type': 'mapbox'}, {'type': 'mapbox'}]], horizontal_spacing=0.02)

fig.add_trace(create_trace(df_mieten_erst, initial_jahr), row=1, col=1)
fig.add_trace(create_trace(df_mieten_wieder, initial_jahr, show_colorbar=True), row=1, col=2)

frames = [
    go.Frame(data=[create_trace(df_mieten_erst, j), create_trace(df_mieten_wieder, j, show_colorbar=True)],
             name=str(j), layout=go.Layout(title={'text': f'Mietpreise München {j}', 'x': 0.5, 'xanchor': 'center', 'font': {'size': 24, 'color': text_color}}))
    for j in jahre
]

fig.update_layout(
    title={'text': f'Mietpreise München {initial_jahr}', 'x': 0.5, 'xanchor': 'center', 'font': {'size': 24, 'color': text_color}},
    height=600, margin={"r": 0, "t": 80, "l": 0, "b": 100}, paper_bgcolor='rgba(0,0,0,0)',
    sliders=[{'active': jahre.index(initial_jahr), 'y': 0, 'x': 0.5, 'xanchor': 'center', 'currentvalue': {'visible': False},
              'len': 0.8, 'bgcolor': '#f9fafb', 'bordercolor': '#d1d5db', 'borderwidth': 1,
              'steps': [{'args': [[str(j)], {'frame': {'duration': 300, 'redraw': True}, 'mode': 'immediate'}], 'label': str(j), 'method': 'animate'} for j in jahre]}]
)

fig.update_mapboxes(style="carto-positron", center=dict(lat=48.15, lon=11.57), zoom=9.5)
fig.frames = frames
fig.show()