"""勝率見立て（ベース予想の数値化）。

全出走馬に対し、モデル生出力を元に「この馬が勝つと見る確率」を付与する。
レース内で合計100%に按分しない。閾値未満は「切」（0%）とする。
"""
from __future__ import annotations

# この値未満は「来ない」と見て切る（順位ではなく見立てとして）
DEFAULT_CUT_THRESHOLD = 0.005


def _raw_model_prob(row: dict) -> float:
    if row.get("model_win_prob") is not None:
        return max(0.0, float(row["model_win_prob"]))
    score = float(row.get("score_accuracy") or row.get("score") or 0.0)
    return max(0.0, min(1.0, score / 100.0))


def assign_win_rates(
    rows: list[dict],
    *,
    cut_threshold: float = DEFAULT_CUT_THRESHOLD,
) -> None:
    """
    全馬に win_rate（0〜1）を付与する。上から順位付けの材料であり、按分はしない。

    - win_rate: 勝率見立て（小数 0〜1）
    - cut: True なら「切」
    - cut_reason: 切った理由コード（将来: injury, jockey_change 等）
    """
    for row in rows:
        p = _raw_model_prob(row)
        reasons: list[str] = []
        if p < cut_threshold:
            reasons.append("below_threshold")
        if not row.get("passed", True):
            reasons.append("stage1_screen_fail")

        if reasons:
            row["win_rate"] = 0.0
            row["cut"] = True
            row["cut_reason"] = "+".join(reasons)
        else:
            row["win_rate"] = round(p, 6)
            row["cut"] = False
            row["cut_reason"] = None

        # 既存フィールドとの互換
        row["win_probability"] = row["win_rate"]
        row["stage3_prob"] = row["win_rate"]


def assign_rank_accuracy(rows: list[dict]) -> None:
    """堅実順位（score_accuracy 降順）。◎〇▲△はこの順位の上位4頭。"""
    for row in rows:
        row["score_accuracy"] = float(row.get("score_accuracy") or row.get("score") or 0.0)
    ordered = sorted(rows, key=lambda x: float(x["score_accuracy"]), reverse=True)
    for idx, row in enumerate(ordered, start=1):
        row["rank_accuracy"] = idx
        row["rank"] = idx
        row["score"] = float(row["score_accuracy"])