from sklearn.metrics import v_measure_score
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
from tqdm import tqdm

def plot_clustering_similarity_matrix(df, clustering_cols):
    # 1. Inicjalizacja pustej macierzy
    n = len(clustering_cols)
    v_matrix = np.zeros((n, n))

    # 2. Obliczanie V-measure dla każdej pary (używa pełnych nazw kolumn)
    for i in tqdm(range(n), desc="Obliczanie V-measure"):
        for j in range(i, n):
            score = v_measure_score(
                df[clustering_cols[i]].astype(str), 
                df[clustering_cols[j]].astype(str)
            )
            v_matrix[i, j] = score
            v_matrix[j, i] = score

    # 3. Przygotowanie skróconych nazw poprzez usunięcie "cluster." z początku
    # Jeśli nazwa zaczyna się od 'cluster.', odcinamy to, w innym wypadku zostawiamy oryginalną.
    short_labels = [col.replace('cluster.', '', 1) if col.startswith('cluster.') else col for col in clustering_cols]

    # 4. Konwersja do DataFrame dla Seaborn z nowymi, skróconymi etykietami
    v_df = pd.DataFrame(v_matrix, index=short_labels, columns=short_labels)

    # 5. Rysowanie wykresu
    plt.figure(figsize=(22, 22)) # Delikatnie powiększone, aby pomieścić 32 kolumny
    sns.set_theme(style="white")
    
    # Tworzymy maskę, aby ukryć górny trójkąt dla czytelności
    mask = np.triu(np.ones_like(v_df, dtype=bool), k=1)

    heatmap = sns.heatmap(
        v_df, 
        mask=mask,
        annot=True,           # Wyświetla wartości liczbowe
        fmt=".2f",            # Formatowanie do 2 miejsc po przecinku
        cmap="YlGnBu",        # Przyjemna dla oka paleta kolorów
        linewidths=.5, 
        cbar_kws={"shrink": .7, "label": "V-measure Score"},
        annot_kws={"size": 9} # Zmniejszony font podpisów w kwadracikach, żeby się nie zbiły
    )

    plt.title('Podobieństwo klastrowań (V-measure Matrix)', fontsize=18, pad=25, fontweight='bold')
    
    # Obrót etykiet dla lepszej czytelności przy 32 kolumnach
    # plt.xticks(rotation=45, ha='right', fontsize=10)
    plt.xticks(rotation=90,  ha='right', fontsize=10)
    plt.yticks(rotation=0, fontsize=10)
    
    plt.tight_layout()
    plt.show()