#' @title Handle Data
#' @param raw_data Raw data
#' @details The last column of the original data tells you from which
#' individual that line is from. The function first examines how many line
#' maximum is from one individual giving know if it is haploid, diploid, etc.
#' After this function. Add blank lines for individuals with fewer rows as
#' maximum. If the code of an allele is = 0, the function changes that allele
#' code to the smallest code that is larger than any code in use. After this,
#' the function changes the allele codes so that one locus j
#' codes get values between? 1, ..., Noah (j).
#' @export
handleData <- function(raw_data) {
	# Alkuper?isen datan viimeinen sarake kertoo, milt?yksil?lt?
	# kyseinen rivi on per?isin. Funktio tutkii ensin, ett?montako
	# rivi?maksimissaan on per?isin yhdelt?yksil?lt? jolloin saadaan
	# tiet?? onko kyseess?haploidi, diploidi jne... T?m?n j?lkeen funktio
	# lis?? tyhji?rivej?niille yksil?ille, joilta on per?isin v?hemm?n
	# rivej?kuin maksimim??r?
	#   Mik?li jonkin alleelin koodi on =0, funktio muuttaa t?m?n alleelin
	# koodi pienimm?ksi koodiksi, joka isompi kuin mik??n k?yt?ss?oleva koodi.
	# T?m?n j?lkeen funktio muuttaa alleelikoodit siten, ett?yhden lokuksen j
	# koodit saavat arvoja v?lill?1,...,noalle(j).

	data <- raw_data
	nloci <- size(raw_data, 2) - 1

	dataApu <- data[, 1:nloci]
	nollat <- find(dataApu==0)
	if (!isempty(nollat)) {
	   isoinAlleeli <- max(max(dataApu))
	   dataApu[nollat] <- isoinAlleeli + 1
	   data[, 1:nloci] <- dataApu
	}
	# dataApu <- []
	# nollat <- []
	# isoinAlleeli <- []

	noalle <- zeros(1, nloci)
	alleelitLokuksessa <- cell(nloci, 1)
	for (i in 1:nloci) {
		alleelitLokuksessaI <- unique(data[, i])
		alleelitLokuksessa[i, 1] <- alleelitLokuksessaI[
			find(alleelitLokuksessaI >= 0)
		]
		noalle[i] <- length(alleelitLokuksessa[i, 1])
	}
	alleleCodes <- zeros(max(noalle), nloci)
	for (i in 1:nloci) {
		alleelitLokuksessaI <- alleelitLokuksessa[i, 1]
		puuttuvia <- max(noalle) - length(alleelitLokuksessaI)
		alleleCodes[, i] <- as.matrix(
			c(alleelitLokuksessaI, zeros(puuttuvia, 1))
		)
	}

	nind <- max(data[, ncol(data)])
	nrows <- size(data, 1)
	ncols <- size(data, 2)
	rowsFromInd <- zeros(nind, 1)
	for (i in 1:nind) {
		rowsFromInd[i] <- length(find(data[, ncol(data)] == i))
	}
	maxRowsFromInd <- max(rowsFromInd)
	a <- -999
	emptyRow <- repmat(a, c(1, ncols))
	lessThanMax <- find(rowsFromInd < maxRowsFromInd)
	missingRows <- maxRowsFromInd * nind - nrows
	data <- as.matrix(c(data, zeros(missingRows, ncols)))
	pointer <- 1
	for (ind in t(lessThanMax)) { #K?y l?pi ne yksil?t, joilta puuttuu rivej?
		miss = maxRowsFromInd-rowsFromInd(ind); # T?lt?yksil?lt?puuttuvien lkm.
	}
	data <- sortrows(data, ncols) # Sorttaa yksil?iden mukaisesti
	newData <- data
	rowsFromInd <- maxRowsFromInd

	adjprior <- zeros(max(noalle), nloci)
	priorTerm <- 0
	for (j in 1:nloci) {
		adjprior[, j] <- as.matrix(c(
			repmat(1 / noalle[j], c(noalle[j], 1)),
			ones(max(noalle) - noalle[j], 1)
		))
		priorTerm <- priorTerm + noalle[j] * lgamma(1 / noalle[j])
	}
	out <- list(
		newData = newData,
		rowsFromInd = rowsFromInd,
		alleleCodes = alleleCodes,
		noalle = noalle,
		adjprior = adjprior,
		priorTerm = priorTerm
	)
	return(out)
}