# 코드 Week6-2: 하와이 CSV 불러오기
# 표를 다루고 그래프를 그릴 도구를 불러온다.
import pandas as pd
import matplotlib.pyplot as plt
import urllib.request

# CSV 파일 내려받기 및 파일 이름 지정 (hawaii-covid-data.csv를 Colab에 업로드 했다면 아래 코드는 불필요하다)
url = "https://docs.shga.kr/kyu/2026/bigdata/week6/hawaii-covid-data.csv"
urllib.request.urlretrieve(url, "hawaii-covid-data.csv")  

# 내려받은 하와이 CSV를 DataFrame으로 읽는다.
raw_hawaii_df = pd.read_csv(
    "hawaii-covid-data.csv"
)

# 처음 다섯 행으로 열 이름과 값의 형태를 확인한다.
raw_hawaii_df.head()

# 코드 Week6-4: 날짜 변환 및 정렬
# 집계 종료일을 날짜 자료형으로 변환한다.
hawaii_df["date"] = pd.to_datetime(
    hawaii_df["end_date"]
)

# 실제 날짜 순서로 행을 정렬한다.
hawaii_df = hawaii_df.sort_values(
    "date"
)

# 변환한 열의 자료형을 확인한다.
hawaii_df["date"].dtype

# 코드 Week6-7: 대한민국 데이터 준비
# OWID CSV에서 한국에 해당하는 행만 선택한다.
owid_df = pd.read_csv("owid-covid-data.csv")

korea_df = owid_df[
    owid_df["country"] == "South Korea"
].copy()

# 날짜를 변환하고 날짜순으로 정렬한 뒤 색인으로 쓴다.
korea_df["date"] = pd.to_datetime(korea_df["date"])
korea_df = korea_df.sort_values("date").set_index("date")

# 각 날짜의 누적 확진자 수를 해당 인구로 나눈다.
korea_df["case_rate_pct"] = (
    korea_df["total_cases"]
    / korea_df["population"] * 100
)

# 코드 Week6-8: 두 지역 확진율 결합
# 날짜 색인을 기준으로 한국과 하와이의 확진율을 결합한다.
total_compare = pd.concat(
    [
        korea_df["case_rate_pct"]
            .rename("South Korea"),
        hawaii_df["case_rate_pct"]
            .rename("Hawaii")
    ],
    axis=1
)

# 앞부분을 보고 같은 날짜의 값이 나란히 놓였는지 확인한다.
total_compare.head()

# 코드 Week6-10: 비교 그래프 꾸미기
# 22번 슬라이드에서 만든 공통 날짜 데이터로 그린다.
ax = preview_df.plot.line(figsize=(10, 5))

# 제목, 축 이름과 확진율 단위를 적는다.
ax.set_title("Cumulative Case Rate: South Korea vs Hawaii")
ax.set_xlabel("Date")
ax.set_ylabel("Cumulative Case Rate (%)")

# 선의 지역 이름과 격자선을 표시한다.
ax.legend(title="Region")
ax.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()