Update app.py

app.py

@@ -18,7 +18,7 @@ st.set_page_config(
     initial_sidebar_state="expanded"
 )
 
-# CSS برای فارسی‌سازی و بهبود ظاهر
+# CSS پیشرفته برای تحول در ظاهر
 st.markdown("""
 <style>
     @font-face {
@@ -27,73 +27,144 @@ st.markdown("""
     }
     
     * {
-        font-family: 'IRANSans', 'Sahel', sans-serif !important;
+        font-family: 'IRANSans', sans-serif !important;
+    }
+    
+    body {
+        background: linear-gradient(135deg, #e8f5e9 0%, #f1f8e9 100%);
+        color: #2e2e2e;
     }
     
     .main {
         direction: rtl;
         text-align: right;
+        padding: 20px;
+    }
+    
+    .sidebar .sidebar-content {
+        background: linear-gradient(180deg, #1e6b45 0%, #2a8c5c 100%);
+        color: white;
+        border-radius: 15px;
+        box-shadow: 0 5px 15px rgba(0,0,0,0.2);
+        padding: 20px;
+        transition: all 0.3s ease;
+    }
+    
+    .sidebar .sidebar-content:hover {
+        transform: translateY(-5px);
     }
     
     .stButton button {
-        background-color: #1e6b45;
+        background: linear-gradient(90deg, #1e6b45, #2a8c5c);
         color: white;
-        border-radius: 8px;
-        padding: 10px 24px;
-        transition: all 0.3s;
+        border: none;
+        border-radius: 25px;
+        padding: 12px 30px;
+        font-size: 16px;
+        font-weight: bold;
+        box-shadow: 0 4px 12px rgba(0,0,0,0.2);
+        transition: all 0.3s ease;
     }
     
     .stButton button:hover {
-        background-color: #2a8c5c;
-        transform: translateY(-2px);
-        box-shadow: 0 4px 6px rgba(0,0,0,0.1);
+        background: linear-gradient(90deg, #2a8c5c, #3aa674);
+        transform: translateY(-3px);
+        box-shadow: 0 6px 18px rgba(0,0,0,0.3);
+    }
+    
+    .stButton button:active {
+        transform: translateY(1px);
+        box-shadow: 0 2px 8px rgba(0,0,0,0.2);
     }
     
     h1, h2, h3 {
         color: #1e6b45;
+        text-shadow: 1px 1px 3px rgba(0,0,0,0.1);
     }
     
     .card {
-        background-color: #f8f9fa;
-        border-radius: 10px;
-        padding: 20px;
-        box-shadow: 0 4px 6px rgba(0,0,0,0.1);
-        margin-bottom: 20px;
+        background: white;
+        border-radius: 15px;
+        padding: 25px;
+        box-shadow: 0 8px 20px rgba(0,0,0,0.1);
+        margin-bottom: 30px;
+        transition: all 0.3s ease;
+    }
+    
+    .card:hover {
+        transform: translateY(-5px);
+        box-shadow: 0 12px 25px rgba(0,0,0,0.15);
     }
     
     .metric-card {
+        background: white;
+        border-radius: 15px;
         padding: 20px;
-        border-radius: 10px;
         text-align: center;
-        box-shadow: 0 4px 6px rgba(0,0,0,0.1);
+        box-shadow: 0 5px 15px rgba(0,0,0,0.1);
+        transition: all 0.3s ease;
     }
     
-    input[type="number"] {
-        direction: ltr !important;
-        text-align: left !important;
+    .metric-card:hover {
+        transform: scale(1.05);
+        box-shadow: 0 8px 20px rgba(0,0,0,0.15);
     }
     
-    .dataframe {
-        direction: ltr !important;
+    .metric-green {
+        border-left: 6px solid #00c853;
+    }
+    
+    .metric-yellow {
+        border-left: 6px solid #ffd600;
+    }
+    
+    .metric-red {
+        border-left: 6px solid #ff3d00;
+    }
+    
+    .metric-blue {
+        border-left: 6px solid #2196f3;
+    }
+    
+    .stSelectbox select {
+        background: white;
+        border-radius: 10px;
+        padding: 10px;
+        box-shadow: 0 2px 5px rgba(0,0,0,0.1);
     }
     
-    .dataframe th, .dataframe td {
-        text-align: left !important;
+    .dataframe {
+        border-radius: 10px;
+        overflow: hidden;
+        box-shadow: 0 5px 15px rgba(0,0,0,0.1);
     }
     
     .map-container {
         height: 500px;
         width: 100%;
-        border-radius: 10px;
-        box-shadow: 0 4px 10px rgba(0,0,0,0.1);
+        border-radius: 15px;
+        box-shadow: 0 8px 20px rgba(0,0,0,0.1);
         overflow: hidden;
     }
+    
+    .highlight {
+        animation: glow 1.5s infinite alternate;
+    }
+    
+    @keyframes glow {
+        0% { box-shadow: 0 0 5px #1e6b45; }
+        100% { box-shadow: 0 0 15px #2a8c5c; }
+    }
 </style>
 """, unsafe_allow_html=True)
 
 # خواندن فایل‌های پایگاه داده
-farms_df = pd.read_csv("پایگاه داده (1).csv")
-coordinates_df = pd.read_csv("farm_coordinates.csv")
+try:
+    farms_df = pd.read_csv("پایگاه داده (1).csv")
+    coordinates_df = pd.read_csv("farm_coordinates.csv")
+except FileNotFoundError as e:
+    st.error(f"فایل موردنظر یافت نشد: {e}")
+    st.stop()
 
 # تنظیم Earth Engine
 @st.cache_resource
@@ -128,6 +199,93 @@ def initialize_earth_engine():
 
 earth_engine_initialized = initialize_earth_engine()
 
+# نمونه داده (برای داشبورد و گزارش‌ها)
+@st.cache_data
+def generate_sample_data():
+    farm_data = {
+        'Farm_ID': farms_df['مزرعه'].tolist(),
+        'Farm_Name': farms_df['مزرعه'].tolist(),
+        'Channel_ID': farms_df['کانال'].tolist(),
+        'Administration_ID': farms_df['اداره'].tolist(),
+        'Administration_Name': [f'اداره {i}' for i in farms_df['اداره']],
+        'Production_Section': [1 if i <= 2 else 2 for i in farms_df['اداره']],
+        'Area': [np.random.randint(50, 200) for _ in range(len(farms_df))],
+        'Variety': farms_df['واریته'].tolist(),
+        'Crop_Age': [int(age.split('/')[0]) for age in farms_df['سن']]
+    }
+    farms_sample_df = pd.DataFrame(farm_data)
+    
+    height_data = []
+    today = datetime.now()
+    for week in range(1, 23):
+        date = today - timedelta(days=(22-week)*7)
+        for farm_id in farms_sample_df['Farm_ID']:
+            stations = [np.random.randint(150, 220) for _ in range(5)]
+            avg_height = int(np.mean(stations))
+            groundwater = [np.random.randint(50, 100) for _ in range(2)]
+            sheath_moisture = np.random.randint(60, 90)
+            nitrogen = np.random.randint(20, 40)
+            height_data.append({
+                'Measurement_ID': f"{farm_id}-W{week}",
+                'Farm_ID': farm_id,
+                'Week': week,
+                'Measurement_Date': date.strftime('%Y-%m-%d'),
+                'Height': avg_height,
+                'Station1': stations[0],
+                'Station2': stations[1],
+                'Station3': stations[2],
+                'Station4': stations[3],
+                'Station5': stations[4],
+                'Groundwater1': groundwater[0],
+                'Groundwater2': groundwater[1],
+                'Sheath_Moisture': sheath_moisture,
+                'Nitrogen': nitrogen
+            })
+    heights_df = pd.DataFrame(height_data)
+    
+    weekly_report_data = []
+    for farm_id in farms_sample_df['Farm_ID']:
+        farm_heights = heights_df[heights_df['Farm_ID'] == farm_id].sort_values('Week')
+        for week in range(1, 23):
+            current_week_data = farm_heights[farm_heights['Week'] == week]
+            if current_week_data.empty:
+                continue
+            current_height = current_week_data['Height'].values[0]
+            if week > 1:
+                prev_week_data = farm_heights[farm_heights['Week'] == week-1]
+                if not prev_week_data.empty:
+                    prev_height = prev_week_data['Height'].values[0]
+                    growth_change = current_height - prev_height
+                else:
+                    growth_change = 0
+            else:
+                growth_change = 0
+            all_farms_this_week = heights_df[heights_df['Week'] == week]
+            avg_height_all_farms = all_farms_this_week['Height'].mean()
+            if current_height > avg_height_all_farms + 5:
+                growth_status = 'خوب'
+            elif current_height < avg_height_all_farms - 5:
+                growth_status = 'ضعیف'
+            else:
+                growth_status = 'متوسط'
+            weekly_report_data.append({
+                'Report_ID': f"{farm_id}-R{week}",
+                'Farm_ID': farm_id,
+                'Week': week,
+                'Average_Height': current_height,
+                'Growth_Change': growth_change,
+                'Growth_Status': growth_status,
+                'Regional_Average': int(avg_height_all_farms)
+            })
+    weekly_report_df = pd.DataFrame(weekly_report_data)
+    
+    return farms_sample_df, heights_df, weekly_report_df
+
+farms_sample_df, heights_df, weekly_report_df = generate_sample_data()
+report_with_details = pd.merge(weekly_report_df, farms_sample_df, on='Farm_ID')
+latest_week = heights_df['Week'].max()
+latest_reports = report_with_details[report_with_details['Week'] == latest_week]
+
 # مدیریت وضعیت برنامه
 if 'selected_tab' not in st.session_state:
     st.session_state.selected_tab = "ورود اطلاعات"
@@ -144,7 +302,7 @@ if 'ndvi_map' not in st.session_state:
 def calculate_average_height(row):
     stations = [row[f'ایستگاه {i}'] for i in range(1, 6) if f'ایستگاه {i}' in row and row[f'ایستگاه {i}'] is not None]
     valid_stations = [s for s in stations if s > 0]
-    return sum(valid_stations) / len(valid_stations) if valid_stations else 0
+    return(sum(valid_stations) / len(valid_stations)) if valid_stations else 0
 
 # تابع برای ایجاد نقشه NDVI با مختصات دقیق
 def create_ndvi_map(farm_id, date=None):
@@ -152,14 +310,10 @@ def create_ndvi_map(farm_id, date=None):
         st.warning("اتصال به Earth Engine برقرار نشد. نقشه NDVI نمایش داده نمی‌شود.")
         return None
     try:
-        # دریافت مختصات مزرعه از فایل coordinates_df
         farm_coords = coordinates_df[coordinates_df['نام'] == farm_id].iloc[0]
         lat = farm_coords['عرض جغرافیایی']
         lon = farm_coords['طول جغرافیایی']
-        
-        # ایجاد نقشه با مختصات دقیق
         m = folium.Map(location=[lat, lon], zoom_start=12)
-        
         if date:
             date_obj = datetime.strptime(date, '%Y-%m-%d')
             start_date = date_obj - timedelta(days=5)
@@ -169,7 +323,6 @@ def create_ndvi_map(farm_id, date=None):
         else:
             start_date_str = '2023-01-01'
             end_date_str = '2023-12-31'
-        
         region = ee.Geometry.Point([lon, lat]).buffer(1000)
         s2 = ee.ImageCollection('COPERNICUS/S2_SR') \
             .filterDate(start_date_str, end_date_str) \
@@ -208,30 +361,80 @@ with st.sidebar:
     st.subheader("شرکت کشت و صنعت نیشکر دهخدا")
     menu = st.selectbox(
         "انتخاب صفحه",
-        ["ورود اطلاعات", "نقشه NDVI"]  # فقط بخش‌های موردنظر برای ساده‌سازی
+        ["داشبورد", "ورود اطلاعات", "گزارش‌گیری", "تحلیل داده‌ها", "تنظیمات"]
     )
     st.session_state.selected_tab = menu
     st.markdown("---")
-    st.info("نسخه آزمایشی")
+    st.info("نسخه حرفه‌ای 2.0")
+
+# داشبورد
+if st.session_state.selected_tab == "داشبورد":
+    st.title("📊 داشبورد پایش مزارع نیشکر")
+    st.markdown('<div class="card">', unsafe_allow_html=True)
+    st.subheader("وضعیت کلی مزارع")
+    status_counts = latest_reports['Growth_Status'].value_counts()
+    good_count = status_counts.get('خوب', 0)
+    medium_count = status_counts.get('متوسط', 0)
+    bad_count = status_counts.get('ضعیف', 0)
+    col1, col2, col3, col4 = st.columns(4)
+    with col1:
+        st.markdown('<div class="metric-card metric-green">'f'<h2>{good_count}</h2>''<p>مزارع با وضعیت خوب</p>''</div>', unsafe_allow_html=True)
+    with col2:
+        st.markdown('<div class="metric-card metric-yellow">'f'<h2>{medium_count}</h2>''<p>مزارع با وضعیت متوسط</p>''</div>', unsafe_allow_html=True)
+    with col3:
+        st.markdown('<div class="metric-card metric-red">'f'<h2>{bad_count}</h2>''<p>مزارع با وضعیت ضعیف</p>''</div>', unsafe_allow_html=True)
+    with col4:
+        avg_height = int(latest_reports['Average_Height'].mean())
+        st.markdown('<div class="metric-card metric-blue">'f'<h2>{avg_height} سانتی‌متر</h2>''<p>میانگین ارتفاع هفته جاری</p>''</div>', unsafe_allow_html=True)
+    st.markdown('</div>', unsafe_allow_html=True)
+
+    st.markdown('<div class="card">', unsafe_allow_html=True)
+    col1, col2 = st.columns(2)
+    with col1:
+        st.subheader("📈 میانگین ارتفاع به تفکیک اداره")
+        admin_heights = latest_reports.groupby('Administration_Name')['Average_Height'].mean().reset_index()
+        admin_heights['Average_Height'] = admin_heights['Average_Height'].astype(int)
+        fig = px.bar(
+            admin_heights,
+            x='Administration_Name',
+            y='Average_Height',
+            color='Average_Height',
+            color_continuous_scale=[(0, "red"), (0.5, "yellow"), (1, "green")],
+            labels={'Administration_Name': 'اداره', 'Average_Height': 'میانگین ارتفاع (سانتی‌متر)'}
+        )
+        fig.update_layout(height=400, xaxis_title="اداره", yaxis_title="میانگین ارتفاع (سانتی‌متر)", font=dict(family="IRANSans"), plot_bgcolor='rgba(0,0,0,0)')
+        st.plotly_chart(fig, use_container_width=True)
+    with col2:
+        st.subheader("📊 مقایسه واریته‌ها")
+        variety_heights = latest_reports.groupby('Variety')['Average_Height'].mean().reset_index()
+        variety_heights['Average_Height'] = variety_heights['Average_Height'].astype(int)
+        fig = px.bar(
+            variety_heights,
+            x='Variety',
+            y='Average_Height',
+            color='Variety',
+            color_discrete_sequence=["#00c853", "#2196f3"],
+            labels={'Variety': 'واریته', 'Average_Height': 'میانگین ارتفاع (سانتی‌متر)'}
+        )
+        fig.update_layout(height=400, xaxis_title="واریته", yaxis_title="میانگین ارتفاع (سانتی‌متر)", font=dict(family="IRANSans"), plot_bgcolor='rgba(0,0,0,0)')
+        st.plotly_chart(fig, use_container_width=True)
+    st.markdown('</div>', unsafe_allow_html=True)
 
-# بخش ورود اطلاعات
-if st.session_state.selected_tab == "ورود اطلاعات":
-    st.title("ورود اطلاعات روزانه")
+# ورود اطلاعات
+elif st.session_state.selected_tab == "ورود اطلاعات":
+    st.title("📋 ورود اطلاعات روزانه")
+    st.markdown('<div class="card">', unsafe_allow_html=True)
 
-    # انتخاب هفته
     weeks = [str(i) for i in range(1, 23)]
     selected_week = st.selectbox("انتخاب هفته", weeks, index=weeks.index(st.session_state.selected_week))
     st.session_state.selected_week = selected_week
 
-    # انتخاب روز هفته
     days_of_week = ["شنبه", "یکشنبه", "دوشنبه", "سه‌شنبه", "چهارشنبه", "پنجشنبه"]
     selected_day = st.selectbox("انتخاب روز", days_of_week, index=days_of_week.index(st.session_state.selected_day))
     st.session_state.selected_day = selected_day
 
-    # فیلتر مزارع بر اساس روز انتخاب‌شده
     filtered_farms = farms_df[farms_df['روز'] == selected_day].copy()
-
-    # تعریف ستون‌های جدول
+    
     columns = {
         'مزرعه': filtered_farms['مزرعه'],
         'ایستگاه 1': [0] * len(filtered_farms),
@@ -247,7 +450,6 @@ if st.session_state.selected_tab == "ورود اطلاعات":
     }
     data_df = pd.DataFrame(columns)
 
-    # بارگذاری داده‌های قبلی (اگر وجود داشته باشد)
     week_day_key = f"week_{selected_week}_day_{selected_day}"
     if week_day_key in st.session_state.farm_data:
         for idx, farm in filtered_farms.iterrows():
@@ -259,7 +461,6 @@ if st.session_state.selected_tab == "ورود اطلاعات":
                         data_df.at[idx, col] = saved_data[col]
                 data_df.at[idx, 'میانگین ارتفاع'] = calculate_average_height(data_df.iloc[idx])
 
-    # نمایش جدول ورود داده‌ها
     st.subheader(f"ورود داده‌های هفته {selected_week} - روز {selected_day}")
     edited_df = st.data_editor(
         data_df,
@@ -282,29 +483,25 @@ if st.session_state.selected_tab == "ورود اطلاعات":
         use_container_width=True
     )
 
-    # محاسبه داینامیک میانگین ارتفاع
     for idx, row in edited_df.iterrows():
         edited_df.at[idx, 'میانگین ارتفاع'] = calculate_average_height(row)
 
-    # نمایش خلاصه داینامیک
-    st.markdown("---")
-    st.subheader("خلاصه وضعیت داده‌های واردشده")
+    st.subheader("خلاصه وضعیت داده‌ها")
     col1, col2, col3, col4 = st.columns(4)
     with col1:
         total_avg = edited_df['میانگین ارتفاع'].mean()
-        st.metric("میانگین کل ارتفاع", f"{total_avg:.1f} سانتی‌متر" if total_avg > 0 else "0")
+        st.markdown(f'<div class="metric-card metric-green"><h3>{total_avg:.1f} سانتی‌متر</h3><p>میانگین کل ارتفاع</p></div>', unsafe_allow_html=True)
     with col2:
         farms_entered = len(edited_df[edited_df['میانگین ارتفاع'] > 0])
-        st.metric("تعداد مزارع واردشده", f"{farms_entered} از {len(filtered_farms)}")
+        st.markdown(f'<div class="metric-card metric-blue"><h3>{farms_entered}/{len(filtered_farms)}</h3><p>مزارع واردشده</p></div>', unsafe_allow_html=True)
     with col3:
         avg_moisture = edited_df['رطوبت غلاف'].mean()
-        st.metric("میانگین رطوبت غلاف", f"{avg_moisture:.1f}%" if avg_moisture > 0 else "0")
+        st.markdown(f'<div class="metric-card metric-yellow"><h3>{avg_moisture:.1f}%</h3><p>میانگین رطوبت</p></div>', unsafe_allow_html=True)
     with col4:
         avg_nitrogen = edited_df['نیتروژن'].mean()
-        st.metric("میانگین نیتروژن", f"{avg_nitrogen:.1f}%" if avg_nitrogen > 0 else "0")
+        st.markdown(f'<div class="metric-card metric-red"><h3>{avg_nitrogen:.1f}%</h3><p>میانگین نیتروژن</p></div>', unsafe_allow_html=True)
 
-    # دکمه ذخیره
-    if st.button("ذخیره اطلاعات"):
+    if st.button("💾 ذخیره اطلاعات"):
         if week_day_key not in st.session_state.farm_data:
             st.session_state.farm_data[week_day_key] = {}
         for idx, row in edited_df.iterrows():
@@ -321,26 +518,37 @@ if st.session_state.selected_tab == "ورود اطلاعات":
                 'نیتروژن': row['نیتروژن'],
                 'میانگین ارتفاع': row['میانگین ارتفاع']
             }
-        st.success("داده‌ها با موفقیت ذخیره شدند.")
+        st.success("داده‌ها ذخیره شدند!")
+    st.markdown('</div>', unsafe_allow_html=True)
 
-# بخش نقشه NDVI
-elif st.session_state.selected_tab == "نقشه NDVI":
-    st.title("نمایش نقشه NDVI مزارع")
-    selected_farm = st.selectbox(
-        "انتخاب مزرعه",
-        farms_df['مزرعه'].tolist()
-    )
-    selected_date = st.date_input(
-        "انتخاب تاریخ",
-        value=datetime.now(),
-        max_value=datetime.now()
-    )
-    if st.button("نمایش نقشه"):
-        with st.spinner("در حال تولید نقشه..."):
-            ndvi_map = create_ndvi_map(selected_farm, selected_date.strftime('%Y-%m-%d'))
-            if ndvi_map:
-                st.markdown('<div class="map-container">', unsafe_allow_html=True)
-                folium_static(ndvi_map, width=1200, height=500)
-                st.markdown('</div>', unsafe_allow_html=True)
-            else:
-                st.error("نقشه NDVI تولید نشد.")
+# گزارش‌گیری
+elif st.session_state.selected_tab == "گزارش‌گیری":
+    st.title("📑 گزارش‌گیری")
+    st.markdown('<div class="card">', unsafe_allow_html=True)
+    report_type = st.radio("نوع گزارش", ["گزارش مزرعه", "گزارش اداره"])
+    if report_type == "گزارش مزرعه":
+        st.subheader("گزارش به تفکیک مزرعه")
+        selected_farm = st.selectbox("انتخاب مزرعه", farms_sample_df['Farm_ID'].tolist())
+        farm_reports = weekly_report_df[weekly_report_df['Farm_ID'] == selected_farm].sort_values('Week')
+        if not farm_reports.empty:
+            fig = px.line(farm_reports, x='Week', y='Average_Height', title="روند رشد مزرعه", markers=True)
+            fig.update_layout(font=dict(family="IRANSans"), plot_bgcolor='rgba(0,0,0,0)')
+            st.plotly_chart(fig, use_container_width=True)
+    st.markdown('</div>', unsafe_allow_html=True)
+
+# تحلیل داده‌ها
+elif st.session_state.selected_tab == "تحلیل داده‌ها":
+    st.title("🔍 تحلیل داده‌ها")
+    st.markdown('<div class="card">', unsafe_allow_html=True)
+    variety_weekly = report_with_details.groupby(['Variety', 'Week'])['Average_Height'].mean().reset_index()
+    fig = px.line(variety_weekly, x='Week', y='Average_Height', color='Variety', title="تحلیل واریته‌ها", markers=True)
+    fig.update_layout(font=dict(family="IRANSans"), plot_bgcolor='rgba(0,0,0,0)')
+    st.plotly_chart(fig, use_container_width=True)
+    st.markdown('</div>', unsafe_allow_html=True)
+
+# تنظیمات
+elif st.session_state.selected_tab == "تنظیمات":
+    st.title("⚙️ تنظیمات")
+    st.markdown('<div class="card">', unsafe_allow_html=True)
+    st.write("در حال توسعه...")
+    st.markdown('</div>', unsafe_allow_html=True)