"""Метрики качества ранжирования — одна реализация на все инструменты.

Вынесено сюда не ради красоты: ранговый AUC уже один раз был написан неверно
(совпадающие значения ранжировались по порядку в массиве), дал ложную тревогу
об утечке признака и стоил разбора. Держать такую функцию в двух копиях —
значит однажды починить одну из них.
"""
from __future__ import annotations

import numpy as np


def auc(score: np.ndarray, y: np.ndarray) -> float:
    """Ранговый AUC со СРЕДНИМИ рангами на совпадениях.

    Без усреднения признак, у которого все значения равны (за 160 м таков,
    например, контраст к фону — там его структурно нет), получает AUC 0 или 1
    просто по порядку в массиве.
    """
    score = np.asarray(score, np.float64)
    y = np.asarray(y)
    n_pos, n_neg = int((y == 1).sum()), int((y == 0).sum())
    if n_pos == 0 or n_neg == 0:
        return float("nan")
    order = np.argsort(score, kind="mergesort")
    s = score[order]
    start = np.flatnonzero(np.r_[True, s[1:] != s[:-1]])
    end = np.r_[start[1:], s.size]
    avg = (start + end - 1) / 2.0 + 1.0
    ranks = np.empty(s.size, np.float64)
    ranks[order] = np.repeat(avg, end - start)
    return float((ranks[y == 1].sum() - n_pos * (n_pos + 1) / 2)
                 / (n_pos * n_neg))


def fpr_at_tpr(score: np.ndarray, y: np.ndarray, tpr: float = 0.95) -> float:
    """Доля обстановки, проходящей порог, при котором ловится `tpr` предметов."""
    score = np.asarray(score, np.float64)
    y = np.asarray(y)
    pos, neg = score[y == 1], score[y == 0]
    if pos.size == 0 or neg.size == 0:
        return float("nan")
    thr = np.quantile(pos, 1.0 - tpr)
    return float((neg >= thr).mean())