Número de especies clasificadas con categoría de conservación en el sistema nacional

# ver valores de 'FUENTE DE CATEGORÍA VIGENTE:\nCAZA  = Reglamento Ley de CAZA\nRCE = Reglamento de Clasificación Especies.'
print(df['FUENTE DE CATEGORÍA VIGENTE:\nCAZA  = Reglamento Ley de CAZA\nRCE = Reglamento de Clasificación Especies.'].value_counts())

#filtrar df por 'FUENTE DE CATEGORÍA VIGENTE:\nCAZA  = Reglamento Ley de CAZA\nRCE = Reglamento de Clasificación Especies.' == 'RCE'
df = df[df['FUENTE DE CATEGORÍA VIGENTE:\nCAZA  = Reglamento Ley de CAZA\nRCE = Reglamento de Clasificación Especies.'] == 'RCE']
#imprimir dimensiones del df
print(df.shape)

# Crear columna de año de resolución desde la referencia/decreto vigente
df["anio_resolucion"] = (
    df["REFERENCIA o DECRETO\nCategoría Vigente"]
    .astype(str)
    .str.extract(r"(\d{4})", expand=False)
    .astype("Int64")  # permite NA
)

# Verificación rápida
df[[
    "REFERENCIA o DECRETO\nCategoría Vigente",
    "anio_resolucion"
]].head(10)

import re
import numpy as np

col_fuente_anteprev = "Fuente Categoría  ANTE ANTERIOR a RCE actual  \n(NO VIGENTE)\n(Ver valores en columna adyacente)"

def extraer_anio_previo(texto):
    if pd.isna(texto):
        return np.nan
    
    t = str(texto)
    
    # 1️⃣ Buscar patrón RCE con decreto (ej: DS 51/2008)
    match = re.search(r"DS\s*\d+\/(\d{4})", t)
    if match:
        return int(match.group(1))
    
    # 2️⃣ Asignar año según fuente histórica
    t_upper = t.upper()
    
    if "BOL_47" in t_upper:
        return 1998
    
    if "CAZA" in t_upper:
        return 1998
    
    if "L_ROJO_FLORA" in t_upper:
        return 1989
    
    if "L_ROJO_VERT" in t_upper:
        return 1988
    
    if "NÚÑEZ ET AL. 1997" in t_upper or "NUNEZ ET AL. 1997" in t_upper:
        return 1997
    
    if "YÁÑEZ ET AL. 1997" in t_upper or "YANEZ ET AL. 1997" in t_upper:
        return 1997
    
    return np.nan

df["anio_clasificacion_previa"] = df[col_fuente_anteprev].apply(extraer_anio_previo)

# Verificación rápida
df[[
    col_fuente_anteprev,
    "anio_clasificacion_previa"
]].head(20)

# Conteo de número de especies por año de resolución
conteo_por_anio = (
    df
    .dropna(subset=["anio_resolucion", "NOMBRE CIENTÍFICO"])
    .groupby("anio_resolucion")["NOMBRE CIENTÍFICO"]
    .nunique()
    .reset_index(name="n_especies")
    .sort_values("anio_resolucion")
)

# Ver resultado
print(conteo_por_anio)

# Columnas relevantes
col_prev = "Categoría ANTERIOR a RCE actual\n(NO VIGENTE)\nBol_47 = Boletín 47 MNHN\nCAZA  = Reglamento Ley de CAZA\nL_Rojo_Flora = Libro Rojo de flora\nL_Rojo_Vert = Libro Rojo de vertebrados\nNúñez et al. 1997 = Reunión de herpetólogos\nYáñez et al. 1997 = Reunión especialistas mamíferos acuáticos\nRCE = Reglamento de Clasificación Especies."

col_anteprev = "Categoría ANTE ANTERIOR a RCE actual \n(NO VIGENTE)\nBol_47 = Boletín 47 MNHN\nCAZA  = Reglamento Ley de CAZA\nL_Rojo_Flora = Libro Rojo de flora\nL_Rojo_Vert = Libro Rojo de vertebrados\nNúñez et al. 1997 = Reunión de herpetólogos\nYáñez et al. 1997 = Reunión especialistas mamíferos acuáticos\nRCE = Reglamento de Clasificación Especies."

def vacio(x):
    if pd.isna(x):
        return True
    s = str(x).strip().upper()
    return s in ["", "NAN", "NA", "N/A", "--"]

# Es nueva si NO tiene clasificación previa
df["es_nueva"] = (
    df[col_prev].apply(vacio) &
    df[col_anteprev].apply(vacio)
)

def tiene_clasificacion_previa(x):
    if pd.isna(x):
        return False
    s = str(x).strip().upper()
    return s not in ["", "NAN", "NA", "N/A", "--"]

df["tiene_previa"] = (
    df[col_prev].apply(tiene_clasificacion_previa) |
    df[col_anteprev].apply(tiene_clasificacion_previa)
)

df_2024 = df[df["anio_resolucion"] == 2024]

nuevas_2024 = df_2024[~df_2024["tiene_previa"]]
reclas_2024 = df_2024[df_2024["tiene_previa"]]

print("Nuevas 2024:", nuevas_2024["NOMBRE CIENTÍFICO"].nunique())
print("Reclasificaciones 2024:", reclas_2024["NOMBRE CIENTÍFICO"].nunique())

import numpy as np
import pandas as pd

# ---------
# 1) Flag: tiene clasificación previa (reclasificación)
# ---------
def tiene_valor_real(x) -> bool:
    if pd.isna(x):
        return False
    s = str(x).strip().upper()
    return s not in ["", "NAN", "NA", "N/A", "--"]

df["tiene_previa"] = (
    df[col_prev].apply(tiene_valor_real) |
    df[col_anteprev].apply(tiene_valor_real)
)

# ---------
# 2) Construir acumulado de especies (universo histórico) año a año
#    Universo_año = especies con (anio_resolucion <= año)  OR  (anio_resolucion > año AND tiene_previa)
#    Interpretación: si tiene_previa, ya existía antes (aunque hoy el decreto vigente sea posterior).
# ---------
# Años presentes en la tabla ancha
tabla_ancha = tabla_ancha.sort_values("anio_resolucion").reset_index(drop=True)
anios = tabla_ancha["anio_resolucion"].astype(int).tolist()

# Universo total (todas las especies únicas)
universo_total = set(df["NOMBRE CIENTÍFICO"].dropna())

acum_especies = []
for y in anios:
    especies_hasta_y = set(
        df.loc[
            (df["anio_resolucion"].notna()) &
            (
                (df["anio_resolucion"] <= y) |
                ((df["anio_resolucion"] > y) & (df["tiene_previa"]))
            ),
            "NOMBRE CIENTÍFICO"
        ].dropna()
    )
    acum_especies.append(len(especies_hasta_y))

tabla_ancha["especies_acum"] = acum_especies

# ---------
# 3) (Opcional) Delta real anual de especies (solo nuevas reales)
#     delta = cambio año a año del acumulado
# ---------
tabla_ancha["nuevas_reales"] = tabla_ancha["especies_acum"].diff().fillna(tabla_ancha["especies_acum"]).astype(int)

# ---------
# 4) Chequeos rápidos (opcionales pero recomendables)
# ---------
print("Total especies únicas (df nunique):", df["NOMBRE CIENTÍFICO"].nunique())
print("Último acumulado (tabla_ancha):", tabla_ancha["especies_acum"].iloc[-1])

# Ver tabla final
print(tabla_ancha[[
    "anio_resolucion",
    "nueva_clasificacion",
    "reclasificacion",
    "total",
    "nuevas_reales",
    "especies_acum"
]])

# Definir nombre de archivo
output_path = "especies_clasificadas_por_anio_RCE_2.csv"

# Exportar
tabla_ancha[[
    "anio_resolucion",
    "nueva_clasificacion",
    "reclasificacion",
    "total",
    "nuevas_reales",
    "especies_acum"
]].to_csv(
    output_path,
    index=False,
    encoding="utf-8",
    sep=";"   # usa "," si lo prefieres estilo internacional
)

print(f"Archivo exportado en: {output_path}")

tabla_anio_reino = (
    df
    .dropna(subset=["anio_resolucion", "NOMBRE CIENTÍFICO", "REINO"])
    .groupby(["anio_resolucion", "REINO"])["NOMBRE CIENTÍFICO"]
    .nunique()
    .reset_index(name="n_especies")
    .sort_values(["anio_resolucion", "REINO"])
)

print(tabla_anio_reino)

tabla_anio_reino_wide = (
    tabla_anio_reino
    .pivot(index="anio_resolucion", columns="REINO", values="n_especies")
    .fillna(0)
    .astype(int)
)

print(tabla_anio_reino_wide)

import pandas as pd
import matplotlib.pyplot as plt

# Conteo anual por año y reino
anio_reino = (
    df
    .dropna(subset=["anio_resolucion", "NOMBRE CIENTÍFICO", "REINO"])
    .groupby(["anio_resolucion", "REINO"])["NOMBRE CIENTÍFICO"]
    .nunique()
    .reset_index(name="n_especies")
    .sort_values("anio_resolucion")
)

# Acumulado por reino
anio_reino["n_especies_acumuladas"] = (
    anio_reino
    .groupby("REINO")["n_especies"]
    .cumsum()
)


#vamos a crear una tabla del acumulado por año y reino
tabla_acumulado_reino = (
    anio_reino
    .pivot(index="anio_resolucion", columns="REINO", values="n_especies_acumuladas")
    .fillna(0)
    .astype(int)
)
print(tabla_acumulado_reino)

plt.figure(figsize=(8, 5))

for reino, df_reino in anio_reino.groupby("REINO"):
    plt.plot(
        df_reino["anio_resolucion"],
        df_reino["n_especies_acumuladas"],
        marker="o",
        label=reino
    )

plt.xlabel("Año de resolución")
plt.ylabel("Número acumulado de especies clasificadas")
plt.title("Evolución acumulada de especies clasificadas por reino en Chile")
plt.legend(title="Reino")
plt.grid(True)

plt.tight_layout()
plt.savefig("especies_clasificadas_por_reino.png", dpi=300, bbox_inches="tight")
plt.show()

import pandas as pd
import matplotlib.pyplot as plt

# Filtrar solo Plantae y Animalia
df_pa = (
    df
    .query("REINO in ['Plantae', 'Animalia']")
    .dropna(subset=["anio_resolucion", "NOMBRE CIENTÍFICO", "REINO", "CLASE"])
)

# Conteo anual por reino y clase
anio_reino_clase = (
    df_pa
    .groupby(["anio_resolucion", "REINO", "CLASE"])["NOMBRE CIENTÍFICO"]
    .nunique()
    .reset_index(name="n_especies")
    .sort_values("anio_resolucion")
)

# Acumulado por reino y clase
anio_reino_clase["n_especies_acumuladas"] = (
    anio_reino_clase
    .groupby(["REINO", "CLASE"])["n_especies"]
    .cumsum()
)

for reino in ["Plantae", "Animalia"]:
    plt.figure(figsize=(8, 5))

    df_reino = anio_reino_clase[anio_reino_clase["REINO"] == reino]

    for clase, df_clase in df_reino.groupby("CLASE"):
        plt.plot(
            df_clase["anio_resolucion"],
            df_clase["n_especies_acumuladas"],
            marker="o",
            label=clase
        )

    plt.xlabel("Año de resolución")
    plt.ylabel("Número acumulado de especies clasificadas")
    plt.title(f"Evolución acumulada de especies clasificadas por clase – {reino}")
    plt.legend(title="Clase", fontsize=8)
    plt.grid(True)

    plt.tight_layout()
    plt.savefig(f"especies_clasificadas_por_clase_{reino}.png", dpi=300, bbox_inches="tight")
    plt.show()