import os
import glob
import json
import subprocess
import time
from tabulate import tabulate

scripts = [
    "train_land_randomforest.py",
    "train_cloud_cnn.py",
    "train_cloud_swin_unet.py",
    "train_ndvi_statistical.py",
    "train_ndvi_lstm_gru.py",
    "train_ndvi_convlstm.py",
    "train_ndvi_hybrid_physics.py",
    "train_ndvi_ensemble.py"
]

print("🚀 Đang khởi chạy song song tất cả các mô hình...")
processes = []
for script in scripts:
    if os.path.exists(script):
        cmd = f"source /home/x79/miniconda3/etc/profile.d/conda.sh && conda activate env_01 && python {script}"
        p = subprocess.Popen(["bash", "-c", cmd], stdout=subprocess.DEVNULL, stderr=subprocess.DEVNULL)
        processes.append((script, p))

for script, p in processes:
    p.wait()

print("✅ Đã chạy xong tất cả các mô hình!\n")
print("📊 BẢNG SO SÁNH KẾT QUẢ CÁC MÔ HÌNH\n")

# 1. Phân loại đất
print("### 1. Nhóm Phân loại Lớp phủ (Land Classification)")
land_data = []

# Đọc XGBoost từ thư mục gốc
if os.path.exists("model_xgboost_info.json"):
    with open("model_xgboost_info.json", 'r') as f:
        data = json.load(f)
        params = data.get('params', {})
        param_str = f"estimators:{params.get('n_estimators')}, depth:{params.get('max_depth')}" if params else "N/A"
        land_data.append([
            data.get('model_type', 'XGBoost'),
            data.get('accuracy', ''),
            data.get('precision', ''),
            data.get('recall', ''),
            data.get('f1_score', ''),
            param_str
        ])

# Đọc các model khác trong model_train
for info_file in glob.glob("model_train/*_info.json"):
    with open(info_file, 'r') as f:
        data = json.load(f)
        # Chỉ lấy các model có độ chính xác (để lọc model rác/cũ)
        if 'accuracy' not in data and 'f1_score' not in data:
            continue
            
        params = data.get('params', {})
        param_str = f"estimators:{params.get('n_estimators')}, depth:{params.get('max_depth')}" if params else "N/A"
        
        # Fallback for Random Forest
        if data.get('model_type') == 'RandomForest_RealData':
            param_str = "estimators:100, depth:15"
            
        land_data.append([
            data.get('model_type', ''),
            data.get('accuracy', ''),
            data.get('precision', ''),
            data.get('recall', ''),
            data.get('f1_score', ''),
            param_str
        ])

if land_data:
    print(tabulate(land_data, headers=["Model", "Accuracy", "Precision", "Recall", "F1-Score", "Parameters"], tablefmt="github"))
print("\n")

# 2. Xóa mây
print("### 2. Nhóm Xóa mây (Cloud Removal)")
cloud_data = []
for info_file in glob.glob("cloud_removal_model/*_info.json"):
    with open(info_file, 'r') as f:
        data = json.load(f)
        cloud_data.append([
            data.get('model_type', ''),
            data.get('epoch', ''),
            data.get('train_loss', ''),
            data.get('val_loss', '')
        ])
if cloud_data:
    print(tabulate(cloud_data, headers=["Model", "Epochs", "Train Loss", "Val Loss"], tablefmt="github"))
print("\n")

# 3. Dự báo NDVI
print("### 3. Nhóm Dự báo Thực vật (NDVI Forecasting)")
ndvi_data = []
for info_file in glob.glob("ndvi_forecast_model/*_info.json"):
    with open(info_file, 'r') as f:
        data = json.load(f)
        ndvi_data.append([
            data.get('model_type', ''),
            data.get('rmse', ''),
            data.get('mae', ''),
            data.get('epoch', 'N/A')
        ])
if ndvi_data:
    print(tabulate(ndvi_data, headers=["Model", "RMSE", "MAE", "Epochs"], tablefmt="github"))
print("\n")