Update app.py

app.py

@@ -864,4 +864,517 @@ st.markdown("""
 <footer>
     <p>&copy; 2025 سامانه هوشمند پایش مزارع نیشکر دهخدا. تمامی حقوق محفوظ است.</p>
 </footer>
+""", unsafe_allow_html=True)# صفحه ورود اطلاعات
+elif selected == "ورود اطلاعات":
+    st.markdown("## ورود اطلاعات روزانه مزارع")
+    
+    tab1, tab2 = st.tabs(["ورود دستی", "آپلود فایل"])
+    
+    with tab1:
+        col1, col2 = st.columns(2)
+        
+        with col1:
+            selected_week = st.selectbox(
+                "انتخاب هفته",
+                options=[str(i) for i in range(1, 23)],
+                format_func=lambda x: f"هفته {x}"
+            )
+        
+        with col2:
+            days = day_df['روز'].unique().tolist()
+            selected_day = st.selectbox("انتخاب روز", options=days)
+        
+        filtered_farms = farm_df[farm_df['هفته'] == int(selected_week)]
+        filtered_farms = filtered_farms[filtered_farms['مزرعه'].isin(day_df[day_df['روز'] == selected_day]['مزرعه'])]
+        
+        if filtered_farms.empty:
+            st.warning(f"هیچ مزرعه‌ای برای هفته {selected_week} و روز {selected_day} در پایگاه داده وجود ندارد.")
+        else:
+            st.markdown("### ورود داده‌های مزارع")
+            
+            data_key = f"data_{selected_week}_{selected_day}"
+            if data_key not in st.session_state:
+                st.session_state[data_key] = pd.DataFrame({
+                    'مزرعه': filtered_farms['مزرعه'],
+                    'ایستگاه 1': [0] * len(filtered_farms),
+                    'ایستگاه 2': [0] * len(filtered_farms),
+                    'ایستگاه 3': [0] * len(filtered_farms),
+                    'ایستگاه 4': [0] * len(filtered_farms),
+                    'ایستگاه 5': [0] * len(filtered_farms),
+                    'چاهک 1': [0] * len(filtered_farms),
+                    'چاهک 2': [0] * len(filtered_farms),
+                    'رطوبت غلاف فعلی': [0] * len(filtered_farms),
+                    'نیتروژن فعلی': [0] * len(filtered_farms),
+                    'ارتفاع هفته جاری مزرعه': [0] * len(filtered_farms)
+                })
+            
+            edited_df = st.data_editor(
+                st.session_state[data_key],
+                use_container_width=True,
+                num_rows="fixed",
+                column_config={
+                    "مزرعه": st.column_config.TextColumn("مزرعه", disabled=True),
+                    "ایستگاه 1": st.column_config.NumberColumn("ایستگاه 1", min_value=0, max_value=300, step=1),
+                    "ایستگاه 2": st.column_config.NumberColumn("ایستگاه 2", min_value=0, max_value=300, step=1),
+                    "ایستگاه 3": st.column_config.NumberColumn("ایستگاه 3", min_value=0, max_value=300, step=1),
+                    "ایستگاه 4": st.column_config.NumberColumn("ایستگاه 4", min_value=0, max_value=300, step=1),
+                    "ایستگاه 5": st.column_config.NumberColumn("ایستگاه 5", min_value=0, max_value=300, step=1),
+                    "چاهک 1": st.column_config.NumberColumn("چاهک 1", min_value=0, max_value=300, step=1),
+                    "چاهک 2": st.column_config.NumberColumn("چاهک 2", min_value=0, max_value=300, step=1),
+                    "رطوبت غلاف فعلی": st.column_config.NumberColumn("رطوبت غلاف", min_value=0, max_value=100, step=1),
+                    "نیتروژن فعلی": st.column_config.NumberColumn("نیتروژن", min_value=0, max_value=100, step=1),
+                    "ارتفاع هفته جاری مزرعه": st.column_config.NumberColumn("میانگین ارتفاع", disabled=True),
+                },
+                hide_index=True
+            )
+            
+            for i in range(len(edited_df)):
+                stations = [
+                    edited_df.iloc[i]['ایستگاه 1'],
+                    edited_df.iloc[i]['ایستگاه 2'],
+                    edited_df.iloc[i]['ایستگاه 3'],
+                    edited_df.iloc[i]['ایستگاه 4'],
+                    edited_df.iloc[i]['ایستگاه 5']
+                ]
+                valid_stations = [s for s in stations if s > 0]
+                if valid_stations:
+                    edited_df.iloc[i, edited_df.columns.get_loc('ارتفاع هفته جاری مزرعه')] = round(sum(valid_stations) / len(valid_stations), 1)
+            
+            st.session_state[data_key] = edited_df
+            
+            if st.button("ذخیره اطلاعات", use_container_width=True):
+                new_data = edited_df.copy()
+                new_data['هفته'] = int(selected_week)
+                new_data['تاریخ قرائت'] = (datetime.now() - timedelta(weeks=(22 - int(selected_week)))).strftime('%Y-%m-%d')
+                new_data['رقم'] = new_data['مزرعه'].map(farm_df.set_index('مزرعه')['رقم'])
+                new_data['سن'] = new_data['مزرعه'].map(farm_df.set_index('مزرعه')['سن'])
+                new_data['مساحت'] = new_data['مزرعه'].map(farm_df.set_index('مزرعه')['مساحت'])
+                new_data['کانال'] = new_data['مزرعه'].map(farm_df.set_index('مزرعه')['کانال'])
+                new_data['اداره'] = new_data['مزرعه'].map(farm_df.set_index('مزرعه')['اداره'])
+                new_data['سال'] = datetime.now().year
+                
+                st.session_state.heights_df = pd.concat([st.session_state.heights_df, new_data], ignore_index=True)
+                st.success(f"داده‌های هفته {selected_week} برای روز {selected_day} با موفقیت ذخیره شدند.")
+                st.balloons()
+    
+    with tab2:
+        st.markdown("### آپلود فایل اکسل")
+        
+        uploaded_file = st.file_uploader("فایل اکسل خود را آپلود کنید", type=["xlsx", "xls", "csv"])
+        
+        if uploaded_file is not None:
+            try:
+                if uploaded_file.name.endswith('.csv'):
+                    df = pd.read_csv(uploaded_file, encoding='utf-8-sig')
+                else:
+                    df = pd.read_excel(uploaded_file)
+                st.dataframe(df, use_container_width=True)
+                
+                if st.button("ذخیره فایل", use_container_width=True):
+                    st.session_state.heights_df = pd.concat([st.session_state.heights_df, df], ignore_index=True)
+                    st.success("فایل با موفقیت ذخیره شد.")
+                    st.balloons()
+            except Exception as e:
+                st.error(f"خطا در خواندن فایل: {e}")
+        
+        st.markdown("### راهنمای فرمت فایل")
+        st.markdown("""
+        فایل اکسل باید شامل ستون‌های زیر باشد:
+        
+        - مزرعه
+        - ایستگاه 1 تا ایستگاه 5
+        - چاهک 1 و چاهک 2
+        - رطوبت غلاف فعلی
+        - نیتروژن فعلی
+        """)
+        
+        st.markdown("""
+        <div style="border: 2px dashed #1a8754; border-radius: 10px; padding: 40px; text-align: center; margin: 20px 0;">
+            <svg xmlns="http://www.w3.org/2000/svg" width="48" height="48" viewBox="0 0 24 24" fill="none" stroke="#1a8754" stroke-width="2" stroke-linecap="round" stroke-linejoin="round">
+                <path d="M21 15v4a2 2 0 0 1-2 2H5a2 2 0 0 1-2-2v-4"></path>
+                <polyline points="17 8 12 3 7 8"></polyline>
+                <line x1="12" y1="3" x2="12" y2="15"></line>
+            </svg>
+            <p style="margin-top: 10px; color: #1a8754;">فایل خود را اینجا رها کنید یا روی دکمه بالا کلیک کنید</p>
+        </div>
+        """, unsafe_allow_html=True)
+
+# صفحه تحلیل داده‌ها
+elif selected == "تحلیل داده‌ها":
+    st.markdown("## تحلیل هوشمند داده‌ها")
+    
+    col1, col2 = st.columns([1, 2])
+    
+    with col1:
+        st_lottie(lottie_analysis, height=200, key="analysis_animation")
+    
+    with col2:
+        st.markdown("""
+        <div class="glass-card">
+            <h3 style="background: linear-gradient(90deg, #1a8754 0%, #115740 100%); -webkit-background-clip: text; -webkit-text-fill-color: transparent; font-weight: 700;">
+                تحلیل پیشرفته داده‌های مزارع
+            </h3>
+            <p>در این بخش می‌توانید تحلیل‌های پیشرفته روی داده‌های مزارع انجام دهید و روندها و الگوهای مختلف را بررسی کنید.</p>
+        </div>
+        """, unsafe_allow_html=True)
+    
+    tab1, tab2, tab3, tab4 = st.tabs(["تحلیل رشد", "مقایسه واریته‌ها", "تحلیل رطوبت", "پیش‌بینی"])
+    
+    with tab1:
+        st.markdown("### تحلیل رشد مزارع")
+        
+        col1, col2 = st.columns(2)
+        
+        with col1:
+            selected_variety = st.selectbox(
+                "انتخاب واریته",
+                ["all"] + list(farm_df['رقم'].unique()),
+                format_func=lambda x: "همه واریته‌ها" if x == "all" else x,
+                key="growth_variety"
+            )
+        
+        with col2:
+            selected_age = st.selectbox(
+                "انتخاب سن",
+                ["all"] + list(farm_df['سن'].unique()),
+                format_func=lambda x: "همه سنین" if x == "all" else x,
+                key="growth_age"
+            )
+        
+        growth_data = generate_real_growth_data(selected_variety, selected_age)
+        
+        if growth_data['individual']:
+            chart_data = []
+            for farm_data in growth_data['individual']:
+                for i, week in enumerate(farm_data['weeks']):
+                    chart_data.append({
+                        'مزرعه': farm_data['farm_id'],
+                        'هفته': week,
+                        'ارتفاع': farm_data['heights'][i],
+                        'رقم': farm_data['variety'],
+                        'سن': farm_data['age']
+                    })
+            
+            chart_df = pd.DataFrame(chart_data)
+            
+            chart = alt.Chart(chart_df).mark_line(point=True).encode(
+                x=alt.X('هفته:Q', title='هفته'),
+                y=alt.Y('ارتفاع:Q', title='ارتفاع (سانتی‌متر)'),
+                color=alt.Color('مزرعه:N', title='مزرعه'),
+                tooltip=['مزرعه', 'هفته', 'ارتفاع', 'رقم', 'سن']
+            ).properties(
+                width='container',
+                height=400,
+                title='روند رشد مزارع بر اساس هفته'
+            ).interactive()
+            
+            st.altair_chart(chart, use_container_width=True)
+            
+            st.markdown("### تحلیل نرخ رشد")
+            
+            growth_rates = []
+            for farm_data in growth_data['individual']:
+                heights = farm_data['heights']
+                for i in range(1, len(heights)):
+                    if heights[i] > 0 and heights[i-1] > 0:
+                        growth_rate = heights[i] - heights[i-1]
+                        growth_rates.append({
+                            'مزرعه': farm_data['farm_id'],
+                            'هفته': farm_data['weeks'][i],
+                            'نرخ رشد': growth_rate,
+                            'رقم': farm_data['variety'],
+                            'سن': farm_data['age']
+                        })
+            
+            growth_rate_df = pd.DataFrame(growth_rates)
+            
+            chart = alt.Chart(growth_rate_df).mark_bar().encode(
+                x=alt.X('هفته:O', title='هفته'),
+                y=alt.Y('mean(نرخ رشد):Q', title='نرخ رشد (سانتی‌متر در هفته)'),
+                color=alt.Color('مزرعه:N', title='مزرعه'),
+                tooltip=['مزرعه', 'هفته', 'mean(نرخ رشد)']
+            ).properties(
+                width='container',
+                height=400,
+                title='نرخ رشد هفتگی مزارع'
+            ).interactive()
+            
+            st.altair_chart(chart, use_container_width=True)
+        else:
+            st.warning("داده‌ای برای نمایش وجود ندارد.")
+    
+    with tab2:
+        st.markdown("### مقایسه واریته‌ها")
+        
+        variety_age_groups = farm_df.groupby(['رقم', 'سن']).size().reset_index(name='تعداد')
+        
+        fig = px.density_heatmap(
+            variety_age_groups,
+            x='رقم',
+            y='سن',
+            z='تعداد',
+            title='توزیع مزارع بر اساس واریته و سن',
+            color_continuous_scale='Viridis'
+        )
+        fig.update_layout(
+            font=dict(family="Vazirmatn"),
+            template="plotly_white",
+            xaxis_title="واریته",
+            yaxis_title="سن"
+        )
+        st.plotly_chart(fig, use_container_width=True)
+        
+        variety_heights = farm_df.groupby('رقم')['ارتفاع هفته جاری مزرعه'].apply(list).to_dict()
+        
+        fig = go.Figure()
+        for variety, heights in variety_heights.items():
+            fig.add_trace(go.Box(
+                y=heights,
+                name=variety,
+                boxpoints='outliers',
+                marker_color=f'hsl({hash(variety) % 360}, 70%, 50%)'
+            ))
+        fig.update_layout(
+            title='مقایسه ارتفاع بر اساس واریته',
+            yaxis_title='ارتفاع (سانتی‌متر)',
+            font=dict(family="Vazirmatn"),
+            template="plotly_white",
+            boxmode='group'
+        )
+        st.plotly_chart(fig, use_container_width=True)
+        
+        variety_stats = {}
+        for variety, heights in variety_heights.items():
+            variety_stats[variety] = {
+                'میانگین': np.mean(heights),
+                'میانه': np.median(heights),
+                'انحراف معیار': np.std(heights),
+                'حداقل': np.min(heights),
+                'حداکثر': np.max(heights)
+            }
+        variety_stats_df = pd.DataFrame(variety_stats).T
+        st.dataframe(variety_stats_df, use_container_width=True)
+    
+    with tab3:
+        st.markdown("### تحلیل رطوبت مزارع")
+        
+        farms = farm_df['مزرعه'].unique()[:10]
+        dates = pd.date_range(end=datetime.now(), periods=30, freq='D')
+        
+        moisture_data = []
+        for farm in farms:
+            farm_data = farm_df[farm_df['مزرعه'] == farm]
+            for date in dates:
+                week_data = farm_data[farm_data['هفته'] == (date.isocalendar()[1] % 23 + 1)]
+                moisture = week_data['رطوبت غلاف فعلی'].mean() if not week_data.empty else np.random.uniform(50, 80)
+                moisture = max(0, min(100, moisture))
+                moisture_data.append({
+                    'مزرعه': farm,
+                    'تاریخ': date,
+                    'رطوبت': moisture
+                })
+        
+        moisture_df = pd.DataFrame(moisture_data)
+        
+        fig = px.line(
+            moisture_df,
+            x='تاریخ',
+            y='رطوبت',
+            color='مزرعه',
+            title='روند رطوبت مزارع در 30 روز گذشته',
+            labels={'تاریخ': 'تاریخ', 'رطوبت': 'رطوبت (%)', 'مزرعه': 'مزرعه'}
+        )
+        fig.update_layout(
+            font=dict(family="Vazirmatn"),
+            template="plotly_white",
+            hovermode="x unified"
+        )
+        st.plotly_chart(fig, use_container_width=True)
+        
+        st.markdown("### همبستگی رطوبت و ارتفاع")
+        
+        correlation_data = []
+        for farm in farms:
+            farm_data = farm_df[farm_df['مزرعه'] == farm]
+            for _, row in farm_data.iterrows():
+                correlation_data.append({
+                    'مزرعه': farm,
+                    'رطوبت': row['رطوبت غلاف فعلی'],
+                    'ارتفاع': row['ارتفاع هفته جاری مزرعه']
+                })
+        
+        correlation_df = pd.DataFrame(correlation_data)
+        
+        fig = px.scatter(
+            correlation_df,
+            x='رطوبت',
+            y='ارتفاع',
+            color='مزرعه',
+            title='همبستگی بین رطوبت و ارتفاع',
+            labels={'رطوبت': 'رطوبت (%)', 'ارتفاع': 'ارتفاع (سانتی‌متر)', 'مزرعه': 'مزرعه'},
+            trendline='ols'
+        )
+        fig.update_layout(
+            font=dict(family="Vazirmatn"),
+            template="plotly_white"
+        )
+        st.plotly_chart(fig, use_container_width=True)
+        
+        correlation = correlation_df['رطوبت'].corr(correlation_df['ارتفاع'])
+        st.info(f"ضریب همبستگی بین رطوبت و ارتفاع: {correlation:.2f}")
+    
+    with tab4:
+        st.markdown("### پیش‌بینی رشد مزارع")
+        
+        selected_farm_for_prediction = st.selectbox(
+            "انتخاب مزرعه",
+            options=farm_df['مزرعه'].tolist(),
+            format_func=lambda x: f"مزرعه {x}"
+        )
+        
+        farm_data = farm_df[farm_df['مزرعه'] == selected_farm_for_prediction]
+        historical_weeks = farm_data['هفته'].values
+        historical_heights = farm_data['ارتفاع هفته جاری مزرعه'].values
+        
+        if len(historical_weeks) > 1 and len(historical_heights) > 1:
+            model = LinearRegression()
+            model.fit(historical_weeks.reshape(-1, 1), historical_heights)
+            
+            future_weeks = np.array(range(max(historical_weeks) + 1, 30)).reshape(-1, 1)
+            future_heights = model.predict(future_weeks)
+            lower_bound = future_heights - 15
+            upper_bound = future_heights + 15
+            
+            fig = go.Figure()
+            fig.add_trace(go.Scatter(
+                x=historical_weeks,
+                y=historical_heights,
+                mode='lines+markers',
+                name='داده‌های تاریخی',
+                line=dict(color='#1a8754', width=3),
+                marker=dict(size=8, color='#1a8754')
+            ))
+            fig.add_trace(go.Scatter(
+                x=future_weeks.flatten(),
+                y=future_heights,
+                mode='lines',
+                name='پیش‌بینی',
+                line=dict(color='#1976d2', width=3, dash='dash')
+            ))
+            fig.add_trace(go.Scatter(
+                x=future_weeks.flatten(),
+                y=lower_bound,
+                mode='lines',
+                name='حد پایین',
+                line=dict(color='#d32f2f', width=1, dash='dot'),
+                showlegend=True
+            ))
+            fig.add_trace(go.Scatter(
+                x=future_weeks.flatten(),
+                y=upper_bound,
+                mode='lines',
+                name='حد بالا',
+                line=dict(color='#d32f2f', width=1, dash='dot'),
+                fill='tonexty',
+                showlegend=True
+            ))
+            fig.update_layout(
+                title=f'پیش‌بینی رشد مزرعه {selected_farm_for_prediction}',
+                xaxis_title='هفته',
+                yaxis_title='ارتفاع (سانتی‌متر)',
+                font=dict(family='Vazirmatn', size=14),
+                hovermode='x unified',
+                template='plotly_white',
+                height=500
+            )
+            st.plotly_chart(fig, use_container_width=True)
+        else:
+            st.warning("داده‌های کافی برای پیش‌بینی وجود ندارد.")
+
+# صفحه گزارش‌گیری
+elif selected == "گزارش‌گیری":
+    st.markdown("## گزارش‌گیری")
+    
+    report_week = st.selectbox("انتخاب هفته برای گزارش", options=[str(i) for i in range(1, 23)])
+    report_day = st.selectbox("انتخاب روز برای گزارش", options=day_df['روز'].unique().tolist())
+    
+    report_df = st.session_state.heights_df[
+        (st.session_state.heights_df['هفته'] == int(report_week)) & 
+        (st.session_state.heights_df['مزرعه'].isin(day_df[day_df['روز'] == report_day]['مزرعه']))
+    ]
+    
+    if not report_df.empty:
+        st.markdown(f"### گزارش هفته {report_week} - روز {report_day}")
+        st.dataframe(report_df, use_container_width=True)
+        
+        csv = report_df.to_csv(index=False).encode('utf-8-sig')
+        st.download_button(
+            label="دانلود گزارش (CSV)",
+            data=csv,
+            file_name=f"report_week_{report_week}_day_{report_day}.csv",
+            mime="text/csv",
+        )
+        
+        st_lottie(lottie_report, height=200, key="report_animation")
+    else:
+        st.warning(f"داده‌ای برای هفته {report_week} و روز {report_day} یافت نشد.")
+
+# صفحه تنظیمات
+elif selected == "تنظیمات":
+    st.markdown("## تنظیمات سامانه")
+    
+    st.markdown("""
+    <div class="glass-card">
+        <h3 style="background: linear-gradient(90deg, #1a8754 0%, #115740 100%); -webkit-background-clip: text; -webkit-text-fill-color: transparent; font-weight: 700;">
+            تنظیمات پیشرفته
+        </h3>
+        <p>در این بخش می‌توانید تنظیمات کلی سامانه، از جمله به‌روزرسانی داده‌ها و پیکربندی‌های پیشرفته را مدیریت کنید.</p>
+    </div>
+    """, unsafe_allow_html=True)
+    
+    st.markdown("### به‌روزرسانی داده‌ها")
+    
+    if st.button("بارگذاری مجدد داده‌ها", use_container_width=True):
+        st.session_state.heights_df = load_farm_data()
+        st.success("داده‌ها با موفقیت به‌روزرسانی شدند.")
+    
+    st.markdown("### تنظیمات ظاهری")
+    
+    theme = st.radio(
+        "انتخاب تم",
+        options=["سبز (پیش‌فرض)", "آبی", "سفید"],
+        format_func=lambda x: x
+    )
+    
+    if theme == "آبی":
+        st.markdown("""
+        <style>
+            .main-header {background: linear-gradient(90deg, #1976d2 0%, #0d47a1 100%);}
+            .metric-card .metric-value {color: #1976d2;}
+            .stButton>button {background: linear-gradient(90deg, #1976d2 0%, #0d47a1 100%);}
+        </style>
+        """, unsafe_allow_html=True)
+    elif theme == "سفید":
+        st.markdown("""
+        <style>
+            .main-header {background: linear-gradient(90deg, #ffffff 0%, #f5f5f5 100%);}
+            .metric-card .metric-value {color: #333333;}
+            .stButton>button {background: linear-gradient(90deg, #ffffff 0%, #f5f5f5 100%); color: #333333;}
+        </style>
+        """, unsafe_allow_html=True)
+    
+    st.markdown("### اطلاعات تماس")
+    st.markdown("""
+    <div style="background: #f0f0f3; border-radius: 12px; box-shadow: 10px 10px 20px #d1d1d4, -10px -10px 20px #ffffff; padding: 1.5rem;">
+        <p>برای پشتیبانی یا مشکلات فنی، با ما تماس بگیرید:</p>
+        <p>ایمیل: [email protected]</p>
+        <p>تلفن: +98 21 12345678</p>
+    </div>
+    """, unsafe_allow_html=True)
+
+# فوتر
+st.markdown("""
+<footer>
+    <p>© 2025 سامانه هوشمند پایش مزارع نیشکر دهخدا. تمامی حقوق محفوظ است.</p>
+</footer>
 """, unsafe_allow_html=True)