import numpy as np

def align_demand_to_grid(raw_demand_row, current_config):
    """
    Allinea la time-series della demand giornaliera alla griglia oraria di configurazione.
    Gestisce dinamicamente truncation e padding in base a shift operativi di start/end.
    """
    # Estrazione parametri di quantizzazione temporale
    start_h = current_config['client_settings']['day_start_hour']
    end_h = current_config['client_settings']['day_end_hour']
    slot_min = current_config['client_settings']['planning_slot_minutes']
    
    slots_per_day = int((end_h - start_h) * 60 / slot_min)
    
    # Fallback strutturale per payload mancanti o corrotti
    if not raw_demand_row:
        return np.ones(slots_per_day, dtype=int)

    # Early exit se la dimensionalità è già coerente con il setup
    if len(raw_demand_row) == slots_per_day:
        return np.array(raw_demand_row, dtype=int)
        
    # --- RESHAPING PIPELINE ---
    # Inizializzazione target array con baseline di staff (safety net = 1)
    adjusted_demand = np.ones(slots_per_day, dtype=int)
    
    # Euristica "Best Effort" per il mapping dei dati storici sulla nuova griglia.
    # Assunto: invarianza del delta temporale (slot_min). 
    # TODO: In caso di mutazione della granularità (es. 15m -> 30m) serve un resampler/interpolatore.
    limit = min(len(raw_demand_row), slots_per_day)
    adjusted_demand[:limit] = raw_demand_row[:limit]
    
    return adjusted_demand

def sanitize_weekly_demand(weekly_demand, current_config):
    """
    Pipeline di sanitizzazione massiva per l'intera matrice settimanale.
    Esegue stripping delle label testuali ed enforcing della consistenza dimensionale (7xN).
    """
    sanitized = []
    
    # Enforcing del vincolo a 7 giorni operativi
    for i in range(7):
        if i < len(weekly_demand):
            row_data = weekly_demand[i]
            
            # Stripping della label descrittiva se presente (es. "Giorno_0")
            if isinstance(row_data[0], str):
                row_vals = row_data[1:]
            else:
                row_vals = row_data
                
            aligned = align_demand_to_grid(row_vals, current_config)
            sanitized.append(aligned)
        else:
            # Imputazione di una curva flat di fallback per le giornate out-of-bounds
            dummy = align_demand_to_grid([], current_config)
            sanitized.append(dummy)
            
    return sanitized