Update app.py

app.py

@@ -339,12 +339,12 @@ lottie_farm = load_lottie_url('https://assets5.lottiefiles.com/packages/lf20_yst
 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
+# 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=[
-        'Farm_ID', 'Week', 'Measurement_Date', 'Height', 'Station1', 'Station2', 'Station3', 
-        'Station4', 'Station5', 'Groundwater1', 'Groundwater2', 'Sheath_Moisture', 'Nitrogen', 
-        'Variety', 'Age', 'Area', 'Channel', 'Administration'
+        'ردیف', 'هفته', 'تاریخ قرائت', 'ارتفاع هفته جاری مزرعه', 'ایستگاه 1', 'ایستگاه 2', 'ایستگاه 3',
+        'ایستگاه 4', 'ایستگاه 5', 'چاهک 1', 'چاهک 2', 'رطوبت غلاف فعلی', 'نیتروژن فعلی',
+        'واریته', 'سن', 'مساحت داشت', 'کانال', 'اداره'
     ])
 
 # Main header
@@ -381,18 +381,18 @@ if selected == "داشبورد":
         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['Height'].mean() if not st.session_state.heights_df.empty else 0
+        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['Sheath_Moisture'].mean() if not st.session_state.heights_df.empty else 0
+        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'].astype(float).sum() if 'مساحت' in farm_df.columns else 0
+        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}")
@@ -400,7 +400,7 @@ if selected == "داشبورد":
     
     with tab2:
         if not st.session_state.heights_df.empty:
-            fig = px.line(st.session_state.heights_df, x='Week', y='Height', title='روند ارتفاع هفتگی', labels={'Week': 'هفته', 'Height': 'ارتفاع (سانتی‌متر)'})
+            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.")
@@ -445,38 +445,56 @@ elif selected == "ورود اطلاعات":
     
     with tab1:
         st.markdown("### ورود داده‌های مزارع")
-        with st.form(key='manual_entry'):
-            farm_id = st.text_input("شناسه مزرعه")
-            week = st.number_input("هفته", min_value=1, max_value=52, step=1)
-            measurement_date = st.date_input("تاریخ اندازه‌گیری")
-            station1 = st.number_input("ایستگاه 1", min_value=0.0)
-            station2 = st.number_input("ایستگاه 2", min_value=0.0)
-            station3 = st.number_input("ایستگاه 3", min_value=0.0)
-            station4 = st.number_input("ایستگاه 4", min_value=0.0)
-            station5 = st.number_input("ایستگاه 5", min_value=0.0)
-            height = st.number_input("ارتفاع هفته جاری مزرعه (cm)", min_value=0.0)
-            groundwater1 = st.number_input("چاهک 1", min_value=0.0)
-            groundwater2 = st.number_input("چاهک 2", min_value=0.0)
-            sheath_moisture = st.number_input("رطوبت غلاف فعلی (%)", min_value=0.0, max_value=100.0)
-            nitrogen = st.number_input("نیتروژن فعلی", min_value=0.0)
-            variety = st.text_input("واریته")
-            age = st.text_input("سن")
-            area = st.number_input("مساحت داشت (هکتار)", min_value=0.0)
-            channel = st.number_input("کانال", min_value=0)
-            administration = st.number_input("اداره", min_value=0)
-            
-            submit = st.form_submit_button("ثبت")
+        # Initialize an empty DataFrame for manual entry if not already present
+        if 'manual_entry_df' not in st.session_state:
+            st.session_state.manual_entry_df = pd.DataFrame(columns=[
+                'ردیف', 'هفته', 'تاریخ قرائت', 'ایستگاه 1', 'ایستگاه 2', 'ایستگاه 3',
+                'ایستگاه 4', 'ایستگاه 5', 'ارتفاع هفته جاری مزرعه', 'چاهک 1', 'چاهک 2',
+                'رطوبت غلاف فعلی', 'نیتروژن فعلی', 'واریته', 'سن', 'مساحت داشت', 'کانال', 'اداره'
+            ])
+        
+        # Use data_editor for interactive table entry
+        edited_df = st.data_editor(
+            st.session_state.manual_entry_df,
+            num_rows="dynamic",  # Allow dynamic rows
+            column_config={
+                'ردیف': st.column_config.TextColumn("ردیف", required=True),
+                'هفته': st.column_config.NumberColumn("هفته", min_value=1, max_value=52, step=1, required=True),
+                'تاریخ قرائت': st.column_config.DateColumn("تاریخ قرائت", format="YYYY-MM-DD", 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, 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),
+                'رطوبت غلاف فعلی': st.column_config.NumberColumn("رطوبت غلاف فعلی", min_value=0.0, max_value=100.0, step=0.1, required=True),
+                'نیتروژن فعلی': st.column_config.NumberColumn("نیتروژن فعلی", 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),
+                'مساحت داشت': st.column_config.NumberColumn("مساحت داشت", min_value=0.0, step=0.1, required=True),
+                'کانال': st.column_config.NumberColumn("کانال", min_value=0, step=1, required=True),
+                'اداره': st.column_config.NumberColumn("اداره", min_value=0, step=1, required=True),
+            },
+            use_container_width=True,
+            hide_index=True
+        )
+        
+        # Update session state with edited data and save to heights_df
+        if not edited_df.empty and not edited_df.isna().all().all():
+            st.session_state.manual_entry_df = edited_df
+            # Calculate average height for each row
+            for index, row in edited_df.iterrows():
+                stations = [row[f'ایستگاه {i}'] for i in range(1, 6) if pd.notna(row[f'ایستگاه {i}'])]
+                if stations:
+                    edited_df.loc[index, 'ارتفاع هفته جاری مزرعه'] = round(sum(stations) / len(stations), 1)
             
-            if submit:
-                new_data = pd.DataFrame({
-                    'Farm_ID': [farm_id], 'Week': [week], 'Measurement_Date': [measurement_date.strftime('%Y-%m-%d')],
-                    'Height': [height], 'Station1': [station1], 'Station2': [station2], 'Station3': [station3],
-                    'Station4': [station4], 'Station5': [station5], 'Groundwater1': [groundwater1],
-                    'Groundwater2': [groundwater2], 'Sheath_Moisture': [sheath_moisture], 'Nitrogen': [nitrogen],
-                    'Variety': [variety], 'Age': [age], 'Area': [area], 'Channel': [channel],
-                    'Administration': [administration]
-                })
-                st.session_state.heights_df = pd.concat([st.session_state.heights_df, new_data], ignore_index=True)
+            # Add valid rows to heights_df
+            valid_rows = edited_df.dropna(how='any')
+            if not valid_rows.empty:
+                st.session_state.heights_df = pd.concat([st.session_state.heights_df, valid_rows], ignore_index=True)
+                st.session_state.manual_entry_df = pd.DataFrame(columns=st.session_state.manual_entry_df.columns)  # Clear after saving
                 st.success("داده‌ها با موفقیت ثبت شدند!")
     
     with tab2:
@@ -489,12 +507,12 @@ elif selected == "ورود اطلاعات":
                 
                 # Column mapping based on sample file
                 column_mapping = {
-                    'Unnamed: 0': 'Farm_ID', 'هفته': 'Week', 'تاریخ قرائت': 'Measurement_Date',
-                    'ارتفاع هفته جاری مزرعه': 'Height', 'ایستگاه 1': 'Station1', 'ایستگاه 2': 'Station2',
-                    'ایستگاه 3': 'Station3', 'ایستگاه 4': 'Station4', 'ایستگاه 5': 'Station5',
-                    'چاهک 1': 'Groundwater1', 'چاهک 2': 'Groundwater2', 'رطوبت غلاف فعلی': 'Sheath_Moisture',
-                    'نیتروژن فعلی': 'Nitrogen', 'واریته': 'Variety', 'سن': 'Age', 'مساحت داشت': 'Area',
-                    'کانال': 'Channel', 'اداره': 'Administration'
+                    'Unnamed: 0': 'ردیف', 'هفته': 'هفته', 'تاریخ قرائت': 'تاریخ قرائت',
+                    'ارتفاع هفته جاری مزرعه': 'ارتفاع هفته جاری مزرعه', 'ایستگاه 1': 'ایستگاه 1', 'ایستگاه 2': 'ایستگاه 2',
+                    'ایستگاه 3': 'ایستگاه 3', 'ایستگاه 4': 'ایستگاه 4', 'ایستگاه 5': 'ایستگاه 5',
+                    'چاهک 1': 'چاهک 1', 'چاهک 2': 'چاهک 2', 'رطوبت غلاف فعلی': 'رطوبت غلاف فعلی',
+                    'نیتروژن فعلی': 'نیتروژن فعلی', 'واریته': 'واریته', 'سن': 'سن', 'مساحت داشت': 'مساحت داشت',
+                    'کانال': 'کانال', 'اداره': 'اداره'
                 }
                 
                 df = df.rename(columns=column_mapping)
@@ -518,19 +536,25 @@ elif selected == "ورود اطلاعات":
                         except:
                             return date_str
                     
-                    df['Measurement_Date'] = df['Measurement_Date'].apply(convert_persian_date)
-                    df['Measurement_Date'] = pd.to_datetime(df['Measurement_Date'], errors='coerce')
+                    df['تاریخ قرائت'] = df['تاریخ قرائت'].apply(convert_persian_date)
+                    df['تاریخ قرائت'] = pd.to_datetime(df['تاریخ قرائت'], errors='coerce')
                     
                     # Ensure numeric columns
-                    numeric_cols = ['Height', 'Station1', 'Station2', 'Station3', 'Station4', 'Station5',
-                                    'Groundwater1', 'Groundwater2', 'Sheath_Moisture', 'Nitrogen', 'Area',
-                                    'Channel', 'Administration', 'Week']
+                    numeric_cols = ['هفته', 'ارتفاع هفته جاری مزرعه', 'ایستگاه 1', 'ایستگاه 2', 'ایستگاه 3', 
+                                    'ایستگاه 4', 'ایستگاه 5', 'چاهک 1', 'چاهک 2', 'رطوبت غلاف فعلی', 
+                                    'نیتروژن فعلی', 'مساحت داشت', 'کانال', 'اداره']
                     for col in numeric_cols:
                         df[col] = pd.to_numeric(df[col], errors='coerce')
                     
                     # Select only expected columns
                     df = df[expected_columns]
                     
+                    # Calculate average height if stations are provided
+                    for index, row in df.iterrows():
+                        stations = [row[f'ایستگاه {i}'] for i in range(1, 6) if pd.notna(row[f'ایستگاه {i}'])]
+                        if stations:
+                            df.loc[index, 'ارتفاع هفته جاری مزرعه'] = round(sum(stations) / len(stations), 1)
+                    
                     # Append to session state
                     st.session_state.heights_df = pd.concat([st.session_state.heights_df, df], ignore_index=True)
                     st.success("داده‌ها از فایل با موفقیت بارگذاری شدند!")
@@ -549,11 +573,11 @@ elif 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='Week', y='Height', color='Farm_ID', title='رشد مزارع بر اساس هفته')
+        fig = px.line(st.session_state.heights_df, x='هفته', y='ارتفاع هفته جاری مزرعه', color='ردیف', title='رشد مزارع بر اساس هفته')
         st.plotly_chart(fig, use_container_width=True)
         
         st.markdown("### تحلیل رطوبت")
-        fig = px.scatter(st.session_state.heights_df, x='Sheath_Moisture', y='Height', color='Farm_ID', title='رابطه رطوبت و ارتفاع')
+        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.plotly_chart(fig, use_container_width=True)
     else:
         st.warning("داده‌ای برای تحلیل وجود ندارد.")
@@ -564,14 +588,14 @@ elif selected == "گزارش‌گیری":
     if not st.session_state.heights_df.empty:
         st.markdown("### گزارش کلی")
         col1, col2, col3 = st.columns(3)
-        col1.metric("میانگین ارتفاع", f"{st.session_state.heights_df['Height'].mean():.2f} cm")
-        col2.metric("میانگین رطوبت", f"{st.session_state.heights_df['Sheath_Moisture'].mean():.2f}%")
-        col3.metric("میانگین نیتروژن", f"{st.session_state.heights_df['Nitrogen'].mean():.2f}")
+        col1.metric("میانگین ارتفاع", f"{st.session_state.heights_df['ارتفاع هفته جاری مزرعه'].mean():.2f} cm")
+        col2.metric("میانگین رطوبت", f"{st.session_state.heights_df['رطوبت غلاف فعلی'].mean():.2f}%")
+        col3.metric("میانگین نیتروژن", f"{st.session_state.heights_df['نیتروژن فعلی'].mean():.2f}")
         
-        fig = px.bar(st.session_state.heights_df, x='Variety', y='Height', title='ارتفاع بر اساس واریته')
+        fig = px.bar(st.session_state.heights_df, x='واریته', y='ارتفاع هفته جاری مزرعه', title='ارتفاع بر اساس واریته')
         st.plotly_chart(fig, use_container_width=True)
         
-        csv = st.session_state.heights_df.to_csv(index=False).encode('utf-8')
+        csv = st.session_state.heights_df.to_csv(index=False, encoding='utf-8-sig').encode('utf-8')
         st.download_button("دانلود داده‌ها به صورت CSV", csv, "heights_data.csv", "text/csv")
     else:
         st.warning("داده‌ای برای گزارش‌گیری وجود ندارد.")