import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
from sklearn import preprocessing
from sklearn.model_selection import train_test_split
from sklearn import tree
from sklearn.metrics import accuracy_score, classification_report
import graphviz as graphviz
from os import system

# Wczytanie danych
bank = pd.read_csv("bank.csv")
# Wyświetlenie wielkości zbioru i nagłówka
print(bank.shape)
print(bank.head())
print(bank.dtypes) #Typy atrybutów

# Puste rekordy
print(bank[bank.isnull().any(axis=1)].count())
print("Liczba pustych wartości w całym zbiorze:")

# Statystyki dla rekordów numerycznych
print(bank.describe())

# Wybrano do wizualizacji atrybut "age" i wykonano boxplot i histogram po dyskretyzacji na zadaną liczbę bins
plt.figure(1)
plt.subplot(1, 2, 1)
sns.boxplot(x=bank["age"])
plt.subplot(1, 2, 2)
sns.set(style="ticks", color_codes=True)
sns.distplot(bank.age, bins=10)
plt.show()

# Wizualizacja wybranego atrybutu dyskretnego
print( bank.job.value_counts())
plt.figure(2)
sns.countplot(y='job', data=bank)
plt.show()

# Usunięcie rekordów z kategorii unknown job
bank = bank[bank.job != 'unknown']
print(bank.shape)
# ZADANIE: Policzyć ile rekordów zostało usuniętych
sns.countplot(y='job', data=bank)
plt.show()

# Analiza atrybutu - skuteczność reklamy
print(bank.poutcome.value_counts())
bank['poutcome'] = bank['poutcome'].replace(['other'] , 'unknown')
print(bank.poutcome.value_counts())

# Analiza atrybutu contact - rodzaj medium do kontaktu (3 wartości: cellular, unknown, telephone)
# Ze względu na bezużyteczność tego atrybutu zostanie usunięty
print(bank.contact.value_counts())
bank.drop('contact', axis=1, inplace=True)

## Przygotowanie danych dla klasyfikatora
##Zamiana etykiet na wartości numeryczne
le = preprocessing.LabelEncoder()
for i in range(0,len(bank.columns)):
    bank.iloc[:,i] = le.fit_transform(bank.iloc[:,i])
print(bank.head())

## Podział na dane treningowe i testowe
X = bank.drop("deposit",1) #Jako zbiór próbek traktujemy wszystkie kolumny oprócz ostatniej
y = bank.deposit # Target - klasa - wartość oczekiwana

atrybuty = X.columns.tolist() #Lista nazw atrybutów
className = ("deposit") #nazwa klasy

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

print("Liczba przykładów treningowych "+str(len(X_train.index)))
print("Liczba elementów w zbiorze testowym "+str(len(X_test.index)))

##Klasyfikacja z użyciem drzewa
drzewo = tree.DecisionTreeClassifier(criterion="entropy",random_state=0)
drzewo.fit(X_train,y_train)

prediction = drzewo.predict(X_train)
accuracyScore = accuracy_score(y_train, prediction)
print("Drzewo decyzyjne osiąga dokładność na zbiorze trenującym/uczącym: "+str(accuracyScore))

prediction = drzewo.predict(X_test)
accuracyScore = accuracy_score(y_test, prediction)
print("Drzewo decyzyjne osiąga dokładność na zbiorze testowym: "+str(accuracyScore))
print(classification_report(y_test.to_numpy(), prediction))

dot_data = tree.export_graphviz(decision_tree=drzewo, feature_names=atrybuty, class_names=["0","1"], filled=True, rounded=True)
graph = graphviz.Source(dot_data, filename="test.gv", format="png")

graph.view()