Update app.py

app.py

@@ -28,11 +28,12 @@ from streamlit_extras.add_vertical_space import add_vertical_space
 from streamlit_card import card
 import pydeck as pdk
 import math
+from jdatetime import date as jdate
 
 # Page configuration with custom theme
 st.set_page_config(
-    page_title="سامانه هوشمند پایش مزارع نیشکر دهخدا",
-    page_icon="🌿",
+    page_title="سامانه مدیریت داده‌ها",
+    page_icon="📊",
     layout="wide",
     initial_sidebar_state="expanded"
 )
@@ -195,34 +196,77 @@ def initialize_earth_engine():
 
 # Load data
 @st.cache_data
-def load_farm_data():
+def load_data():
     try:
-        df = pd.read_csv("پایگاه داده (1).csv")
-        return df
+        uploaded_file = st.file_uploader("آپلود فایل CSV", type=["csv"], key="data_uploader")
+        if uploaded_file is not None:
+            df = pd.read_csv(uploaded_file)
+            # تبدیل تاریخ شمسی به میلادی (فرض می‌کنیم تاریخ‌ها به فرمت 1403/02/22 هستند)
+            df['تاریخ'] = pd.to_datetime(df['تاریخ'].apply(convert_persian_date), errors='coerce')
+            return df
+        else:
+            return pd.DataFrame()
     except Exception as e:
-        st.error(f"خطا در بارگذاری داده‌های مزارع: {e}")
+        st.error(f"خطا در بارگذاری داده‌ها: {e}")
         return pd.DataFrame()
 
-@st.cache_data
-def load_coordinates_data():
+# تبدیل تاریخ شمسی به میلادی
+def convert_persian_date(date_str):
     try:
-        df = pd.read_csv("farm_coordinates.csv")
-        return df
-    except Exception as e:
-        st.error(f"خطا در بارگذاری داده‌های مختصات: {e}")
-        return pd.DataFrame()
+        parts = str(date_str).split('/')
+        if len(parts) == 3:
+            year, month, day = map(int, parts)
+            persian_date = jdate(year, month, day)
+            gregorian_date = persian_date.togregorian()
+            return gregorian_date.strftime('%Y-%m-%d')
+        return date_str
+    except:
+        return date_str
 
-# Load animation JSON
-@st.cache_data
-def load_lottie_url(url: str):
-    r = requests.get(url)
-    if r.status_code != 200:
-        return None
-    return r.json()
+# محاسبات
+def calculate_metrics(df):
+    # اضافه کردن ستون هفته از تاریخ (اختیاری، برای گزارش‌گیری)
+    df['هفته'] = df['تاریخ'].dt.isocalendar().week
+    return df
 
-# Create Earth Engine map
+# تولید گزارش PDF
+def generate_pdf_report(df, report_type, date=None, week=None):
+    pdf = FPDF()
+    pdf.add_page()
+    pdf.add_font('Vazir', '', 'Vazirmatn-Regular.ttf', uni=True)
+    pdf.set_font('Vazir', '', 12)
+    
+    if report_type == "روزانه":
+        title = f"گزارش روزانه - تاریخ: {date.strftime('%Y-%m-%d') if date else 'بدون تاریخ'}"
+    elif report_type == "هفتگی":
+        title = f"گزارش هفتگی - هفته: {week}"
+    else:
+        title = "گزارش تجمیعی"
+    
+    pdf.cell(200, 10, title, ln=True, align='C')
+    pdf.ln(10)
+    
+    # سرستون‌ها
+    cols = df.columns.tolist()
+    pdf.set_font('Vazir', '', 10)
+    for col in cols:
+        pdf.cell(40, 10, col, border=1)
+    pdf.ln()
+    
+    # داده‌ها
+    for index, row in df.iterrows():
+        for col in cols:
+            pdf.cell(40, 10, str(row[col]) if pd.notnull(row[col]) else "0", border=1)
+        pdf.ln()
+    
+    # ذخیره PDF در حافظه
+    pdf_output = pdf.output(dest='S').encode('latin1')
+    return pdf_output
+
+# Create Earth Engine map (optional, can be removed if not needed)
 def create_ee_map(farm_id, date_str, layer_type="NDVI"):
     try:
+        # Assuming coordinates_df is loaded; if not needed, this function can be removed
         farm_row = coordinates_df[coordinates_df['نام'] == farm_id].iloc[0]
         lat, lon = farm_row['عرض جغرافیایی'], farm_row['طول جغرافیایی']
         
@@ -318,9 +362,10 @@ def create_ee_map(farm_id, date_str, layer_type="NDVI"):
         st.error(f"خطا در ایجاد نقشه: {e}")
         return None
 
-# Calculate statistics for a farm using GEE
+# Calculate statistics for a farm using GEE (optional, can be removed if not needed)
 def calculate_farm_stats(farm_id, date_str, layer_type="NDVI"):
     try:
+        # Assuming coordinates_df is loaded; if not needed, this function can be removed
         farm_row = coordinates_df[coordinates_df['نام'] == farm_id].iloc[0]
         lat, lon = farm_row['عرض جغرافیایی'], farm_row['طول جغرافیایی']
         region = ee.Geometry.Point([lon, lat]).buffer(1500)
@@ -372,96 +417,27 @@ def calculate_farm_stats(farm_id, date_str, layer_type="NDVI"):
         st.error(f"خطا در محاسبه آمار: {e}")
         return None
 
-# تابع برای محاسبات خودکار
-def calculate_metrics(df):
-    # محاسبه میانگین ارتف��ع مزرعه
-    station_cols = ['ایستگاه 1', 'ایستگاه 2', 'ایستگاه 3', 'ایستگاه 4', 'ایستگاه 5']
-    df['ارتفاع هفته جاری مزرعه'] = df[station_cols].apply(
-        lambda row: np.mean([x for x in row if x != 0 and pd.notnull(x)]) if any(x != 0 and pd.notnull(x) for x in row) else 0, axis=1
-    )
-    
-    # محاسبه رشد هفتگی (فرض می‌کنیم ستون "هفته" وجود دارد)
-    df['رشد هفته جاری'] = df['ارتفاع هفته جاری مزرعه'] - df['ارتفاع هفته گذشته مزرعه'].fillna(0)
-    
-    # محاسبه انحراف نیتروژن
-    df['نیتروژن انحراف'] = df['نیتروژن فعلی'] - df['نیتروژن استاندارد فعلی'].fillna(0)
-    
-    # محاسبه انحراف رطوبت
-    df['رطوبت انحراف'] = df['رطوبت غلاف فعلی'] - df['رطوبت استاندارد فعلی'].fillna(0)
-    
-    # محاسبه نسبت مساحت کراپ لاگ (فرض بر این است که مساحت کراپ لاگ برابر با مساحت زیرمجموعه است)
-    df['نسبت مساحت کراپ لاگ'] = df['مساحت زیرمجموعه'] / df['مساحت داشت'].replace(0, np.nan)
-    
-    return df
-
-# تابع برای تولید گزارش PDF
-def generate_pdf_report(df, report_type, week=None, day=None):
-    pdf = FPDF()
-    pdf.add_page()
-    pdf.add_font('Vazir', '', 'Vazirmatn-Regular.ttf', uni=True)
-    pdf.set_font('Vazir', '', 12)
-    
-    if report_type == "روزانه":
-        title = f"گزارش روزانه - تاریخ: {day}"
-    elif report_type == "هفتگی":
-        title = f"گزارش هفتگی - هفته: {week}"
-    else:
-        title = "گزارش تجمیعی"
-    
-    pdf.cell(200, 10, title, ln=True, align='C')
-    pdf.ln(10)
-    
-    # سرستون‌ها
-    cols = df.columns.tolist()
-    pdf.set_font('Vazir', '', 10)
-    for col in cols:
-        pdf.cell(40, 10, col, border=1)
-    pdf.ln()
-    
-    # داده‌ها
-    for index, row in df.iterrows():
-        for col in cols:
-            pdf.cell(40, 10, str(row[col]) if pd.notnull(row[col]) else "0", border=1)
-        pdf.ln()
-    
-    # ذخیره PDF در حافظه
-    pdf_output = pdf.output(dest='S').encode('latin1')
-    return pdf_output
-
-# Initialize Earth Engine
-ee_initialized = initialize_earth_engine()
-
 # Load data
-farm_df = load_farm_data()
-coordinates_df = load_coordinates_data()
+data_df = load_data()
 
-# Load animations
-lottie_farm = load_lottie_url('https://assets5.lottiefiles.com/packages/lf20_ystsffqy.json')
-lottie_analysis = load_lottie_url('https://assets3.lottiefiles.com/packages/lf20_qp1q7mct.json')
-lottie_report = load_lottie_url('https://assets9.lottiefiles.com/packages/lf20_vwcugezu.json')
-
-# Create session state for storing data with Persian column names
-if 'heights_df' not in st.session_state:
-    st.session_state.heights_df = pd.DataFrame(columns=[
-        'ردیف', 'نماینده', 'کانال', 'اداره', 'تولید', 'مساحت داشت', 'مساحت زیرمجموعه', 'واریته', 'سن',
-        'ایستگاه 1', 'ایستگاه 2', 'ایستگاه 3', 'ایستگاه 4', 'ایستگاه 5', 'ارتفاع هفته جاری مزرعه',
-        'ارتفاع هفته گذشته مزرعه', 'رشد هفته جاری', 'رشد هفته گذشته', 'نیتروژن فعلی', 'نیتروژن استاندارد فعلی',
-        'نیتروژن قبلی', 'نیتروژن استاندارد قبلی', 'رطوبت غلاف فعلی', 'رطوبت استاندارد فعلی', 'رطوبت غلاف قبلی',
-        'رطوبت استاندارد قبلی', 'چاهک 1', 'تاریخ قرائت', 'چاهک 2', 'تاریخ قرائت2', 'نیتروژن انحراف', 'رطوبت انحراف', 'نسبت مساحت کراپ لاگ'
+# Create session state for storing data
+if 'data_df' not in st.session_state:
+    st.session_state.data_df = pd.DataFrame(columns=[
+        'شماره', 'تاریخ', 'تعداد', 'مبلغ', 'وضعیت', 'توضیحات', 'نوع پرداخت', 'شماره فاکتور',
+        'شماره سفارش', 'کد مشتری', 'نام مشتری', 'شماره پیگیری', 'تاریخ تحویل', 'مقدار تخفیف', 'تاریخ ثبت'
     ])
 
 # Main header
 st.markdown('<div class="main-header">', unsafe_allow_html=True)
-st.markdown('<h1>سامانه هوشمند پایش مزارع نیشکر دهخدا</h1>', unsafe_allow_html=True)
-st.markdown('<p>پلتفرم جامع مدیریت، پایش و تحلیل داده‌های مزارع نیشکر با استفاده از تصاویر ماهواره‌ای و هوش مصنوعی</p>', unsafe_allow_html=True)
+st.markdown('<h1>سامانه مدیریت داده‌ها</h1>', unsafe_allow_html=True)
+st.markdown('<p>پلتفرم جامع ورود، مدیریت و گزارش‌گیری داده‌ها</p>', unsafe_allow_html=True)
 st.markdown('</div>', unsafe_allow_html=True)
 
 # Navigation menu
 selected = option_menu(
     menu_title=None,
-    options=["داشبورد", "نقشه مزارع", "ورود اطلاعات", "تحلیل داده‌ها", "گزارش‌گیری", "تنظیمات"],
-    icons=["speedometer2", "map", "pencil-square", "graph-up", "file-earmark-text", "gear"],
-    menu_icon="cast",
+    options=["ورود اطلاعات", "تحلیل داده‌ها", "گزارش‌گیری"],
+    icons=["pencil-square", "graph-up", "file-earmark-text"],
     default_index=0,
     orientation="horizontal",
     styles={
@@ -472,97 +448,24 @@ selected = option_menu(
     }
 )
 
-# Dashboard
-if selected == "داشبورد":
-    col1, col2, col3, col4 = st.columns(4)
-    
-    with col1:
-        st.markdown(f'<div class="metric-card"><div class="metric-value">{len(farm_df)}</div><div class="metric-label">تعداد مزارع</div></div>', unsafe_allow_html=True)
-    
-    with col2:
-        active_farms = int(len(farm_df) * 0.85)
-        st.markdown(f'<div class="metric-card"><div class="metric-value">{active_farms}</div><div class="metric-label">مزارع فعال</div></div>', unsafe_allow_html=True)
-    
-    with col3:
-        avg_height = st.session_state.heights_df['ارتفاع هفته جاری مزرعه'].mean() if not st.session_state.heights_df.empty else 0
-        st.markdown(f'<div class="metric-card"><div class="metric-value">{avg_height:.1f} cm</div><div class="metric-label">میانگین ارتفاع</div></div>', unsafe_allow_html=True)
-    
-    with col4:
-        avg_moisture = st.session_state.heights_df['رطوبت غلاف فعلی'].mean() if not st.session_state.heights_df.empty else 0
-        st.markdown(f'<div class="metric-card"><div class="metric-value">{avg_moisture:.1f}%</div><div class="metric-label">میانگین رطوبت</div></div>', unsafe_allow_html=True)
-    
-    tab1, tab2 = st.tabs(["نمای کلی", "نمودارها"])
-    
-    with tab1:
-        st.markdown("### اطلاعات کلی مزارع")
-        total_area = farm_df['مساحت داشت'].astype(float).sum() if 'مساحت داشت' in farm_df.columns else 0
-        col1, col2, col3 = st.columns(3)
-        col1.metric("تعداد کل مزارع", f"{len(farm_df)}")
-        col2.metric("مساحت کل (هکتار)", f"{total_area:.2f}")
-        col3.metric("تعداد کانال‌ها", f"{farm_df['کانال'].nunique() if 'کانال' in farm_df.columns else 0}")
-    
-    with tab2:
-        if not st.session_state.heights_df.empty:
-            fig = px.line(st.session_state.heights_df, x='هفته', y='ارتفاع هفته جاری مزرعه', title='روند ارتفاع هفتگی', labels={'هفته': 'هفته', 'ارتفاع هفته جاری مزرعه': 'ارتفاع (سانتی‌متر)'})
-            st.plotly_chart(fig, use_container_width=True)
-        else:
-            st.warning("داده‌ای برای نمایش وجود ندارد.")
-
-# Map Page
-elif selected == "نقشه مزارع":
-    st.markdown("## نقشه مزارع با شاخص‌های ماهواره‌ای")
-    col1, col2 = st.columns([1, 3])
-    
-    with col1:
-        selected_farm = st.selectbox("انتخاب مزرعه", options=coordinates_df['نام'].tolist(), index=0)
-        selected_date = st.date_input("انتخاب تاریخ", value=datetime.now())
-        selected_layer = st.selectbox("انتخاب شاخص", ["NDVI", "NDMI", "EVI", "NDWI"])
-        if st.button("تولید نقشه"):
-            with st.spinner('در حال تولید نقشه...'):
-                m = create_ee_map(selected_farm, selected_date.strftime('%Y-%m-%d'), selected_layer)
-                if m:
-                    folium_static(m, width=800, height=600)
-                    st.success("نقشه با موفقیت تولید شد!")
-                else:
-                    st.error("خطا در تولید نقشه!")
-    
-    with col2:
-        if 'last_map' in st.session_state:
-            folium_static(st.session_state.last_map, width=800, height=600)
-            stats = calculate_farm_stats(selected_farm, selected_date.strftime('%Y-%m-%d'), selected_layer)
-            if stats:
-                col1, col2, col3, col4 = st.columns(4)
-                with col1:
-                    st.markdown(f'<div class="metric-card"><div class="metric-value">{stats["mean"]:.2f}</div><div class="metric-label">میانگین {selected_layer}</div></div>', unsafe_allow_html=True)
-                with col2:
-                    st.markdown(f'<div class="metric-card"><div class="metric-value">{stats["max"]:.2f}</div><div class="metric-label">حداکثر {selected_layer}</div></div>', unsafe_allow_html=True)
-                with col3:
-                    st.markdown(f'<div class="metric-card"><div class="metric-value">{stats["min"]:.2f}</div><div class="metric-label">حداقل {selected_layer}</div></div>', unsafe_allow_html=True)
-                with col4:
-                    st.markdown(f'<div class="metric-card"><div class="metric-value">{stats["std_dev"]:.2f}</div><div class="metric-label">انحراف معیار</div></div>', unsafe_allow_html=True)
-
 # Data Entry Page
-elif selected == "ورود اطلاعات":
-    st.markdown("## ورود اطلاعات روزانه مزارع")
+if selected == "ورود اطلاعات":
+    st.markdown("## ورود اطلاعات")
     tabs = st.tabs(["ورود دستی", "آپلود فایل"])
     
     with tabs[0]:
-        st.markdown("### ورود داده‌های مزارع")
-        week = st.selectbox("انتخاب هفته", list(range(1, 23)), key="week_manual")
-        days = st.session_state.heights_df['تاریخ قرائت'].unique()
-        day = st.selectbox("انتخاب روز", days, key="day_manual")
+        st.markdown("### ورود داده‌ها به صورت دستی")
+        dates = st.session_state.data_df['تاریخ'].unique()
+        date = st.selectbox("انتخاب تاریخ", pd.to_datetime(dates).strftime('%Y/%m/%d').tolist() if len(dates) > 0 else ["1403/02/22"], key="date_manual")
         
         if st.button("نمایش داده‌ها"):
-            filtered_df = st.session_state.heights_df[
-                (st.session_state.heights_df['تاریخ قرائت'] == day) & 
-                (st.session_state.heights_df['هفته'] == week)
+            filtered_df = st.session_state.data_df[
+                st.session_state.data_df['تاریخ'] == pd.to_datetime(date, format='%Y/%m/%d')
             ].copy()
             if filtered_df.empty:
-                # اگر داده‌ای وجود ندارد، یک ردیف خالی با ستون‌های پیش‌فرض اضافه کن
-                filtered_df = pd.DataFrame(columns=st.session_state.heights_df.columns)
+                filtered_df = pd.DataFrame(columns=st.session_state.data_df.columns)
                 filtered_df.loc[0] = [None] * len(filtered_df.columns)
-                filtered_df['هفته'] = week
-                filtered_df['تاریخ قرائت'] = day
+                filtered_df['تاریخ'] = pd.to_datetime(date, format='%Y/%m/%d')
             st.session_state.filtered_df = filtered_df
         
         if 'filtered_df' in st.session_state:
@@ -570,39 +473,21 @@ elif selected == "ورود اطلاعات":
                 st.session_state.filtered_df,
                 num_rows="dynamic",
                 column_config={
-                    "ردیف": st.column_config.TextColumn("ردیف", required=True),
-                    "نماینده": st.column_config.TextColumn("نماینده", required=True),
-                    "کانال": st.column_config.NumberColumn("کانال", min_value=1, step=1, required=True),
-                    "اداره": st.column_config.NumberColumn("اداره", min_value=1, step=1, required=True),
-                    "تولید": st.column_config.NumberColumn("تولید", min_value=1, step=1, required=True),
-                    "مساحت داشت": st.column_config.NumberColumn("مساحت داشت", min_value=0.0, step=0.1, required=True),
-                    "مساحت زیرمجموعه": st.column_config.NumberColumn("مساحت زیرمجموعه", min_value=0.0, step=0.1, required=True),
-                    "واریته": st.column_config.TextColumn("واریته", required=True),
-                    "سن": st.column_config.TextColumn("سن", required=True),
-                    "ایستگاه 1": st.column_config.NumberColumn("ایستگاه 1", min_value=0.0, step=0.1, required=True),
-                    "ایستگاه 2": st.column_config.NumberColumn("ایستگاه 2", min_value=0.0, step=0.1, required=True),
-                    "ایستگاه 3": st.column_config.NumberColumn("ایستگاه 3", min_value=0.0, step=0.1, required=True),
-                    "ایستگاه 4": st.column_config.NumberColumn("ایستگاه 4", min_value=0.0, step=0.1, required=True),
-                    "ایستگاه 5": st.column_config.NumberColumn("ایستگاه 5", min_value=0.0, step=0.1, required=True),
-                    "ارتفاع هفته جاری مزرعه": st.column_config.NumberColumn("ارتفاع هفته جاری مزرعه", min_value=0.0, step=0.1, disabled=True),
-                    "ارتفاع هفته گذشته مزرعه": st.column_config.NumberColumn("ارتفاع هفته گذشته مزرعه", min_value=0.0, step=0.1, required=True),
-                    "رشد هفته جاری": st.column_config.NumberColumn("رشد هفته جاری", min_value=0.0, step=0.1, disabled=True),
-                    "رشد هفته گذشته": st.column_config.NumberColumn("رشد هفته گذشته", min_value=0.0, step=0.1, required=True),
-                    "نیتروژن فعلی": st.column_config.NumberColumn("نیتروژن فعلی", min_value=0.0, step=0.1, required=True),
-                    "نیتروژن استاندارد فعلی": st.column_config.NumberColumn("نیتروژن استاندارد فعلی", min_value=0.0, step=0.1, required=True),
-                    "نیتروژن قبلی": st.column_config.NumberColumn("نیتروژن قبلی", min_value=0.0, step=0.1, required=True),
-                    "نیتروژن استاندارد قبلی": st.column_config.NumberColumn("نیتروژن استاندارد قبلی", min_value=0.0, step=0.1, required=True),
-                    "رطوبت غلاف فعلی": st.column_config.NumberColumn("رطوبت غلاف فعلی", min_value=0.0, step=0.1, required=True),
-                    "رطوبت استاندارد فعلی": st.column_config.NumberColumn("رطوبت استاندارد فعلی", min_value=0.0, step=0.1, required=True),
-                    "رطوبت غلاف قبلی": st.column_config.NumberColumn("رطوبت غلاف قبلی", min_value=0.0, step=0.1, required=True),
-                    "رطوبت استاندارد قبلی": st.column_config.NumberColumn("رطوبت استاندارد قبلی", min_value=0.0, step=0.1, required=True),
-                    "چاهک 1": st.column_config.NumberColumn("چاهک 1", min_value=0.0, step=0.1, required=True),
-                    "چاهک 2": st.column_config.NumberColumn("چاهک 2", min_value=0.0, step=0.1, required=True),
-                    "تاریخ قرائت": st.column_config.DateColumn("تاریخ قرائت", format="YYYY-MM-DD", required=True),
-                    "تاریخ قرائت2": st.column_config.DateColumn("تاریخ قرائت2", format="YYYY-MM-DD", required=True),
-                    "نیتروژن انحراف": st.column_config.NumberColumn("نیتروژن انحراف", min_value=-100.0, max_value=100.0, disabled=True),
-                    "رطوبت انحراف": st.column_config.NumberColumn("رطوبت انحراف", min_value=-100.0, max_value=100.0, disabled=True),
-                    "نسبت مساحت کراپ لاگ": st.column_config.NumberColumn("نسبت مساحت کراپ لاگ", min_value=0.0, max_value=10.0, disabled=True),
+                    "شماره": st.column_config.NumberColumn("شماره", required=True),
+                    "تاریخ": st.column_config.DateColumn("تاریخ", format="YYYY/MM/DD", required=True),
+                    "تعداد": st.column_config.NumberColumn("تعداد", min_value=0, step=1, required=True),
+                    "مبلغ": st.column_config.NumberColumn("مبلغ", min_value=0, step=1, required=True),
+                    "وضعیت": st.column_config.TextColumn("وضعیت", required=True),
+                    "توضیحات": st.column_config.TextColumn("توضیحات"),
+                    "نوع پرداخت": st.column_config.TextColumn("نوع پرداخت", required=True),
+                    "شماره فاکتور": st.column_config.TextColumn("شماره فاکتور", required=True),
+                    "شماره سفارش": st.column_config.TextColumn("شماره سفارش", required=True),
+                    "کد مشتری": st.column_config.TextColumn("کد مشتری", required=True),
+                    "نام مشتری": st.column_config.TextColumn("نام مشتری", required=True),
+                    "شماره پیگیری": st.column_config.TextColumn("شماره پیگیری"),
+                    "تاریخ تحویل": st.column_config.DateColumn("تاریخ تحویل", format="YYYY/MM/DD"),
+                    "مقدار تخفیف": st.column_config.NumberColumn("مقدار تخفیف", min_value=0, step=1),
+                    "تاریخ ثبت": st.column_config.DateColumn("تاریخ ثبت", format="YYYY/MM/DD"),
                 },
                 use_container_width=True,
                 hide_index=True
@@ -610,167 +495,117 @@ elif selected == "ورود اطلاعات":
             
             if st.button("محاسبه و ذخیره"):
                 calculated_df = calculate_metrics(edited_df)
-                st.session_state.heights_df = pd.concat(
-                    [st.session_state.heights_df, calculated_df[~calculated_df.index.isin(st.session_state.heights_df.index)]],
+                st.session_state.data_df = pd.concat(
+                    [st.session_state.data_df, calculated_df[~calculated_df.index.isin(st.session_state.data_df.index)]],
                     ignore_index=True
                 )
-                st.success("داده‌ها با موفقیت محاسبه و ذخیره شدند!")
+                st.success("داده‌ها با موفقیت ذخیره شدند!")
                 st.session_state.filtered_df = calculated_df
     
     with tabs[1]:
-        st.markdown("### آپلود فایل اکسل")
-        uploaded_file = st.file_uploader("فایل اکسل خود را آپلود کنید", type=["xlsx", "xls"])
-        
+        st.markdown("### آپلود فایل")
+        uploaded_file = st.file_uploader("آپلود فایل CSV", type=["csv"])
         if uploaded_file is not None:
             try:
-                df = pd.read_excel(uploaded_file)
-                
-                # Dynamic column mapping based on your file structure from the document
-                column_mapping = {
-                    'ردیف': 'ردیف',
-                    'نماینده': 'نماینده',
-                    'کانال': 'کانال',
-                    'اداره': 'اداره',
-                    'تولید': 'تولید',
-                    'مساحت داشت': 'مساحت داشت',
-                    'مساحت زیرمجموعه': 'مساحت زیرمجموعه',
-                    'واریته': 'واریته',
-                    'سن': 'سن',
-                    'ایستگاه 1': 'ایستگاه 1',
-                    'ایستگاه 2': 'ایستگاه 2',
-                    'ایستگاه 3': 'ایستگاه 3',
-                    'ایستگاه 4': 'ایستگاه 4',
-                    'ایستگاه 5': 'ایستگاه 5',
-                    'ارتفاع هفته جاری مزرعه': 'ارتفاع هفته جاری مزرعه',
-                    'ارتفاع هفته گذشته مزرعه': 'ارتفاع هفته گذشته مزرعه',
-                    'رشد هفته جاری': 'رشد هفته جاری',
-                    'رشد هفته گذشته': 'رشد هفته گذشته',
-                    'نیتروژن فعلی': 'نیتروژن فعلی',
-                    'نیتروژن استاندارد فعلی': 'نیتروژن استاندارد فعلی',
-                    'نیتروژن قبلی': 'نیتروژن قبلی',
-                    'نیتروژن استاندارد قبلی': 'نیتروژن استاندارد قبلی',
-                    'رطوبت غلاف فعلی': 'رطوبت غلاف فعلی',
-                    'رطوبت استاندارد فعلی': 'رطوبت استاندارد فعلی',
-                    'رطوبت غلاف قبلی': 'رطوبت غلاف قبلی',
-                    'رطوبت استاندارد قبلی': 'رطوبت استاندارد قبلی',
-                    'چاهک 1': 'چاهک 1',
-                    'تاریخ قرائت': 'تاریخ قرائت',
-                    'چاهک 2': 'چاهک 2',
-                    'تاریخ قرائت2': 'تاریخ قرائت2'
-                }
+                df = pd.read_csv(uploaded_file)
+                # تبدیل تاریخ شمسی به میلادی
+                df['تاریخ'] = pd.to_datetime(df['تاریخ'].apply(convert_persian_date), errors='coerce')
+                if 'تاریخ تحویل' in df.columns:
+                    df['تاریخ تحویل'] = pd.to_datetime(df['تاریخ تحویل'].apply(convert_persian_date), errors='coerce')
+                if 'تاریخ ثبت' in df.columns:
+                    df['تاریخ ثبت'] = pd.to_datetime(df['تاریخ ثبت'].apply(convert_persian_date), errors='coerce')
                 
-                # Map columns dynamically
-                available_columns = df.columns.tolist()
-                mapped_df = pd.DataFrame()
-                for english_col, persian_col in column_mapping.items():
-                    if english_col in available_columns:
-                        mapped_df[persian_col] = df[english_col]
-                
-                # Required columns for the upload file
-                required_upload_columns = ['ردیف', 'نماینده', 'کانال', 'اداره', 'تولید', 'مساحت داشت', 'مساحت زیرمجموعه', 'واریته', 'سن',
-                                         'ایستگاه 1', 'ایستگاه 2', 'ایستگاه 3', 'ایستگاه 4', 'ایستگاه 5', 'ارتفاع هفته جاری مزرعه',
-                                         'ارتفاع هفته گذشته مزرعه', 'رشد هفته جاری', 'رشد هفته گذشته', 'نیتروژن فعلی', 'نیتروژن استاندارد فعلی',
-                                         'نیتروژن قبلی', 'نیتروژن استاندارد قبلی', 'رطوبت غلاف فعلی', 'رطوبت استاندارد فعلی', 'رطوبت غلاف قبلی',
-                                         'رطوبت استاندارد قبلی', 'چاهک 1', 'تاریخ قرائت', 'چاهک 2', 'تاریخ قرائت2']
-                
-                # Check for missing required columns
-                missing_columns = [col for col in required_upload_columns if col not in mapped_df.columns]
-                if missing_columns:
-                    st.error(f"ستون‌های زیر در فایل یافت نشدند: {', '.join(missing_columns)}")
-                else:
-                    # Convert date format if necessary (assuming Persian date format like 1403/02/22)
-                    def convert_persian_date(date_str):
-                        try:
-                            parts = str(date_str).split('/')
-                            if len(parts) == 3:
-                                year, month, day = map(int, parts)
-                                return f"{year}-{month:02d}-{day:02d}"
-                            return date_str
-                        except:
-                            return date_str
-                    
-                    mapped_df['تاریخ قرائت'] = mapped_df['تاریخ قرائت'].apply(convert_persian_date)
-                    mapped_df['تاریخ قرائت2'] = mapped_df['تاریخ قرائت2'].apply(convert_persian_date)
-                    mapped_df['تاریخ قرائت'] = pd.to_datetime(mapped_df['تاریخ قرائت'], errors='coerce')
-                    mapped_df['تاریخ قرائت2'] = pd.to_datetime(mapped_df['تاریخ قرائت2'], errors='coerce')
-                    
-                    # Ensure numeric columns
-                    numeric_cols = ['کانال', 'اداره', 'تولید', 'مساحت داشت', 'مساحت زیرمجموعه', 'ایستگاه 1', 'ایستگاه 2',
-                                    'ایستگاه 3', 'ایستگاه 4', 'ایستگاه 5', 'ارتفاع هفته جاری مزرعه', 'ارتفاع هفته گذشته مزرعه',
-                                    'رشد هفته جاری', 'رشد هفته گذشته', 'نیتروژن فعلی', 'نیتروژن استاندارد فعلی', 'نیتروژن قبلی',
-                                    'نیتروژن استاندارد قبلی', 'رطوبت غلاف فعلی', 'رطوبت استاندارد فعلی', 'رطوبت غلاف قبلی',
-                                    'رطوبت استاندارد قبلی', 'چاهک 1', 'چاهک 2']
-                    for col in numeric_cols:
-                        mapped_df[col] = pd.to_numeric(mapped_df[col], errors='coerce')
-                    
-                    # Calculate metrics
-                    calculated_df = calculate_metrics(mapped_df)
-                    
-                    # Append to session state
-                    st.session_state.heights_df = pd.concat(
-                        [st.session_state.heights_df, calculated_df[~calculated_df.index.isin(st.session_state.heights_df.index)]],
-                        ignore_index=True
-                    )
-                    st.success("داده‌ها از فایل با موفقیت بارگذاری و پردازش شدند!")
-                    st.dataframe(calculated_df)
+                calculated_df = calculate_metrics(df)
+                st.session_state.data_df = pd.concat(
+                    [st.session_state.data_df, calculated_df[~calculated_df.index.isin(st.session_state.data_df.index)]],
+                    ignore_index=True
+                )
+                st.success("داده‌ها از فایل با موفقیت بارگذاری شدند!")
+                st.dataframe(st.session_state.data_df)
             except Exception as e:
                 st.error(f"خطا در پردازش فایل: {e}")
     
     st.markdown("### داده‌های فعلی")
-    if not st.session_state.heights_df.empty:
-        st.dataframe(st.session_state.heights_df)
+    if not st.session_state.data_df.empty:
+        st.dataframe(st.session_state.data_df)
     else:
         st.info("داده‌ای برای نمایش وجود ندارد.")
 
 # Data Analysis Page
-elif selected == "تحلیل داده‌ها":
+if selected == "تحلیل داده‌ها":
     st.markdown("## تحلیل داده‌ها")
-    if not st.session_state.heights_df.empty:
-        st.markdown("### تحلیل رشد")
-        fig = px.line(st.session_state.heights_df, x='هفته', y='ارتفاع هفته جاری مزرعه', color='ردیف', title='رشد مزارع بر اساس هفته')
+    if not st.session_state.data_df.empty:
+        st.markdown("### روند مبلغ بر اساس تاریخ")
+        fig = px.line(st.session_state.data_df, x='تاریخ', y='مبلغ', title='روند مبلغ')
         st.plotly_chart(fig, use_container_width=True)
         
-        st.markdown("### تحلیل رطوبت")
-        fig = px.scatter(st.session_state.heights_df, x='رطوبت غلاف فعلی', y='ارتفاع هفته جاری مزرعه', color='ردیف', title='رابطه رطوبت و ارتفاع')
+        st.markdown("### رابطه تعداد و مبلغ")
+        fig = px.scatter(st.session_state.data_df, x='تعداد', y='مبلغ', color='وضعیت', title='رابطه تعداد و مبلغ')
         st.plotly_chart(fig, use_container_width=True)
     else:
         st.warning("داده‌ای برای تحلیل وجود ندارد.")
 
 # Reporting Page
-elif selected == "گزارش‌گیری":
+if selected == "گزارش‌گیری":
     st.markdown("## گزارش‌گیری")
     report_type = st.selectbox("نوع گزارش", ["روزانه", "هفتگی", "تجمیعی"])
     
     if report_type == "روزانه":
-        day = st.selectbox("انتخاب روز", st.session_state.heights_df['تاریخ قرائت'].unique())
-        report_df = st.session_state.heights_df[st.session_state.heights_df['تاریخ قرائت'] == day]
+        dates = st.session_state.data_df['تاریخ'].unique()
+        date = st.selectbox("��نتخاب تاریخ", pd.to_datetime(dates).strftime('%Y/%m/%d').tolist() if len(dates) > 0 else ["1403/02/22"])
+        report_df = st.session_state.data_df[st.session_state.data_df['تاریخ'] == pd.to_datetime(date, format='%Y/%m/%d')]
     elif report_type == "هفتگی":
-        week = st.selectbox("انتخاب هفته", list(range(1, 23)))
-        report_df = st.session_state.heights_df[st.session_state.heights_df['هفته'] == week]
+        # محاسبه هفته از تاریخ
+        st.session_state.data_df['هفته'] = st.session_state.data_df['تاریخ'].dt.isocalendar().week
+        weeks = st.session_state.data_df['هفته'].unique()
+        week = st.selectbox("انتخاب هفته", sorted(weeks) if len(weeks) > 0 else [1])
+        report_df = st.session_state.data_df[st.session_state.data_df['هفته'] == week]
     else:
-        report_df = st.session_state.heights_df
+        report_df = st.session_state.data_df
     
     st.dataframe(report_df)
     
     if st.button("تولید گزارش PDF"):
-        pdf_data = generate_pdf_report(report_df, report_type, week if report_type == "هفتگی" else None, day if report_type == "روزانه" else None)
+        pdf_data = generate_pdf_report(report_df, report_type, date if report_type == "روزانه" else None, week if report_type == "هفتگی" else None)
         b64 = base64.b64encode(pdf_data).decode('utf-8')
         href = f'<a href="data:application/pdf;base64,{b64}" download="report.pdf">دانلود گزارش PDF</a>'
         st.markdown(href, unsafe_allow_html=True)
 
-# Settings Page
-elif selected == "تنظیمات":
-    st.markdown("## تنظیمات")
-    st.write("در حال حاضر تنظیمات خاصی در دسترس نیست.")
-
-# ذخیره دائمی پایگاه داده
-if st.button("ذخیره پایگاه داده"):
-    st.session_state.heights_df.to_csv("پایگاه داده.csv", index=False)
-    st.success("پایگاه داده با موفقیت ذخیره شد!")
+# ذخیره دائمی داده‌ها
+if st.button("ذخیره داده‌ها"):
+    st.session_state.data_df.to_csv("داده‌ها.csv", index=False, date_format='%Y/%m/%d')
+    st.success("داده‌ها با موفقیت ذخیره شدند!")
 
 # Footer
 st.markdown("""
 <footer style="position: relative; bottom: 0; width: 100%; background-color: #1a8754; color: white; text-align: center; padding: 1rem; margin-top: 2rem; border-top: 2px solid rgba(255, 255, 255, 0.1);">
-    <p>© 2025 سامانه هوشمند پایش مزارع نیشکر دهخدا</p>
+    <p>© 2025 سامانه مدیریت داده‌ها</p>
 </footer>
-""", unsafe_allow_html=True)
+""", unsafe_allow_html=True)
+
+# Initialize Earth Engine (optional, can be removed if not needed)
+ee_initialized = initialize_earth_engine()
+
+# Load coordinates data (optional, can be removed if not needed)
+@st.cache_data
+def load_coordinates_data():
+    try:
+        df = pd.read_csv("farm_coordinates.csv")
+        return df
+    except Exception as e:
+        st.error(f"خطا در بارگذاری داده‌های مختصات: {e}")
+        return pd.DataFrame()
+
+coordinates_df = load_coordinates_data()
+
+# Load animations (optional, can be removed if not needed)
+@st.cache_data
+def load_lottie_url(url: str):
+    r = requests.get(url)
+    if r.status_code != 200:
+        return None
+    return r.json()
+
+lottie_farm = load_lottie_url('https://assets5.lottiefiles.com/packages/lf20_ystsffqy.json')
+lottie_analysis = load_lottie_url('https://assets3.lottiefiles.com/packages/lf20_qp1q7mct.json')
+lottie_report = load_lottie_url('https://assets9.lottiefiles.com/packages/lf20_vwcugezu.json')