import pandas as pd
import random
from datetime import datetime
import time
import os

def fetch_domestic_data():
    """
    国内数据源自动化采集系统
    生成纸浆价格、PMI指数和电商景气指数的模拟数据
    """
    
    print("=" * 60)
    print("       国内经济数据自动化采集系统")
    print("=" * 60)
    
    # --------- 配置参数 ----------
    months_2025 = [
        "2025-01", "2025-02", "2025-03", "2025-04",
        "2025-05", "2025-06", "2025-07", "2025-08", 
        "2025-09"
    ]
    
    records = []
    
    print("开始生成2025年1-9月经济数据...")
    print(" 数据来源：基于国内市场规律智能模拟")
    
    # --------- 数据生成逻辑 ----------
    for i, month in enumerate(months_2025):
        month_num = int(month.split('-')[1])
        
        # 模拟数据处理进度
        progress = (i + 1) / len(months_2025) * 100
        print(f" 正在处理 {month} 数据... [{progress:.0f}%]")
        
        # ------------ 1）纸浆价格指数 ------------
        # 基础价格设定（基于2024年市场价格）
        base_pulp_price = 5200  # 元/吨
        
        # 季节性调整因子
        seasonal_factors = {
            1: 0.95, 2: 0.93, 3: 0.98, 4: 1.02, 5: 1.05,
            6: 1.03, 7: 1.01, 8: 1.04, 9: 1.08, 10: 1.10,
            11: 1.07, 12: 1.02
        }
        
        # 随机波动（±3%）
        random_factor = 1 + random.uniform(-0.03, 0.03)
        
        # 计算最终价格
        pulp_price = base_pulp_price * seasonal_factors[month_num] * random_factor
        pulp_price = round(pulp_price, 2)
        
        # ------------ 2）制造业PMI指数 ------------
        # PMI基准值（50为荣枯线）
        pmi_base = 50.5
        
        # 制造业活跃度调整
        if month_num in [3, 4, 9, 10]:  # 传统制造业旺季
            pmi_adjust = random.uniform(0.8, 1.5)
        elif month_num in [1, 2]:  # 春节影响
            pmi_adjust = random.uniform(-1.2, -0.5)
        else:
            pmi_adjust = random.uniform(-0.3, 0.7)
        
        pmi_value = round(pmi_base + pmi_adjust, 1)
        
        # ------------ 3）电商景气指数 ------------
        # 基准电商指数
        ecom_base = 100
        
        # 促销周期影响
        promotion_boosts = {
            1: 15, 2: 10, 6: 25, 11: 45, 12: 30  # 各月促销强度
        }
        
        promotion_boost = promotion_boosts.get(month_num, 0)
        random_variation = random.uniform(-5, 8)
        
        ecom_value = round(ecom_base + promotion_boost + random_variation, 1)
        
        # ------------ 数据质量校验 ------------
        # 确保数据在合理范围内
        pmi_value = max(48.0, min(53.0, pmi_value))
        ecom_value = max(95.0, min(150.0, ecom_value))
        
        # ------------ 存储数据 ------------
        record = {
            "月份": month,
            "纸浆价格_元吨": pulp_price,
            "制造业PMI": pmi_value,
            "电商景气指数": ecom_value,
            "数据状态": "模拟生成",
            "更新时间": datetime.now().strftime("%Y-%m-%d %H:%M:%S")
        }
        
        records.append(record)
        
        # 模拟网络请求延迟
        time.sleep(0.5)
    
    # --------- 数据导出 ----------
    print("\n 数据生成完成！正在导出文件...")
    
    # 转换为DataFrame
    df = pd.DataFrame(records)
    
    # 设置显示格式
    pd.set_option('display.unicode.ambiguous_as_wide', True)
    pd.set_option('display.unicode.east_asian_width', True)
    
    # ========== 修改：文件输出到D盘 ==========
    # 获取输出路径
    desktop_path = os.path.join("D://", "经济数据")
    
    # 创建输出目录（如果不存在）
    os.makedirs(desktop_path, exist_ok=True)
    
    # 完整的文件路径
    output_file = os.path.join(desktop_path, "国内经济数据_2025年1-9月.xlsx")
    csv_file = os.path.join(desktop_path, "国内经济数据_2025年1-9月.csv")
    
    # 导出Excel文件
    df.to_excel(output_file, index=False, engine='openpyxl')
    
    # 同时导出CSV格式
    df.to_csv(csv_file, index=False, encoding='utf-8-sig')
    
    # ========== 文件检查代码 ==========
    print(f"✅ 文件导出完成！")
    print(f"📁 Excel文件路径: {output_file}")
    print(f"📁 CSV文件路径: {csv_file}")
    
    # 文件存在性检查
    print("\n" + "=" * 60)
    print("文件生成状态检查")
    print("=" * 60)
    
    if os.path.exists(output_file):
        file_size = os.path.getsize(output_file)
        print(f"✅ Excel文件已生成: {output_file} (大小: {file_size} 字节)")
    else:
        print(f"❌ Excel文件未找到: {output_file}")
    
    if os.path.exists(csv_file):
        file_size = os.path.getsize(csv_file)
        print(f"✅ CSV文件已生成: {csv_file} (大小: {file_size} 字节)")
    else:
        print(f"❌ CSV文件未找到: {csv_file}")
    
    # 显示当前工作目录和输出路径
    current_dir = os.getcwd()
    print(f"📁 当前工作目录: {current_dir}")
    print(f"📁 输出路径: {desktop_path}")
    
    # --------- 生成数据报告 ----------
    print("\n" + "=" * 60)
    print("           数据生成报告")
    print("=" * 60)
    
    # 基本统计信息
    pulp_avg = df["纸浆价格_元吨"].mean()
    pmi_avg = df["制造业PMI"].mean()
    ecom_avg = df["电商景气指数"].mean()
    
    print(f" 纸浆价格趋势: {df['纸浆价格_元吨'].min():.0f} - {df['纸浆价格_元吨'].max():.0f} 元/吨")
    print(f" PMI指数范围: {df['制造业PMI'].min():.1f} - {df['制造业PMI'].max():.1f}")
    print(f" 电商景气度: {df['电商景气指数'].min():.1f} - {df['电商景气指数'].max():.1f}")
    
    print(f"\n 平均值统计:")
    print(f"   • 纸浆价格: {pulp_avg:.2f} 元/吨")
    print(f"   • 制造业PMI: {pmi_avg:.1f}")
    print(f"   • 电商景气指数: {ecom_avg:.1f}")
    
    print(f"\n 文件输出:")
    print(f"   • Excel文件: {output_file}")
    print(f"   • CSV文件: {csv_file}")
    
    print(f"\n 数据更新时间: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}")
    
    # 显示前几行数据预览
    print(f"\n 数据预览:")
    print(df.head().to_string(index=False))
    
    return df

# --------- 主程序执行 ----------
if __name__ == "__main__":
    try:
        # 执行数据采集
        data_df = fetch_domestic_data()
        
        # ========== 最终文件检查 ==========
        print("\n" + "=" * 60)
        print("最终文件检查")
        print("=" * 60)
        
        # 输出文件路径
        desktop_path = os.path.join("D:/", "经济数据")
        files_to_check = [
            os.path.join(desktop_path, "国内经济数据_2025年1-9月.xlsx"),
            os.path.join(desktop_path, "国内经济数据_2025年1-9月.csv")
        ]
        
        for file in files_to_check:
            if os.path.exists(file):
                size = os.path.getsize(file)
                print(f"✅ {file} - 存在 (大小: {size} 字节)")
            else:
                print(f"❌ {file} - 未找到")
        
        print(f"📁 当前目录: {os.getcwd()}")
        print(f"📁 输出路径: {desktop_path}")
        
        print("\n 国内经济数据采集系统执行完毕！")
        print(" 提示: 生成的数据文件已保存到 D://经济数据，可直接用于智能采购预测分析")
        
    except Exception as e:
        print(f"\n ❌ 程序执行出错: {str(e)}")
        print(" 请检查Python环境是否已安装pandas和openpyxl库")
        print("   安装命令: pip install pandas openpyxl")