app.py

import streamlit as st
import pandas as pd
import numpy as np

# 设置页面布局为宽屏模式，并设置页面标题
st.set_page_config(layout="wide", page_title="影城效率分析 - 最终版")


def clean_movie_title(title):
    """
    清理并规范化电影标题，移除版本、语言等标识以便合并统计。
    """
    if not isinstance(title, str):
        return title
    suffixes_to_remove = [
        '2D', '3D', '4D', '4K', 'IMAX', 'CINITY', '杜比', '巨幕',
        '国语', '英语', '粤语', '日语', '原版', '修复版',
        '(国)', '(英)', '(粤)'
    ]
    parts = title.split()
    cleaned_parts = [p for p in parts if p.upper() not in [s.upper() for s in suffixes_to_remove]]
    if not cleaned_parts:
        return title
    return ' '.join(cleaned_parts).strip()


def style_efficiency(row):
    """
    根据效率值高亮特定行。
    如果座次效率或场次效率 < 0.5 或 > 1.5，则高亮为淡黄色。
    """
    highlight = 'background-color: #FFFFE0;'
    default = ''
    seat_efficiency = row.get('座次效率', 0)
    session_efficiency = row.get('场次效率', 0)
    if (seat_efficiency < 0.5 or seat_efficiency > 1.5 or
            session_efficiency < 0.5 or session_efficiency > 1.5):
        return [highlight] * len(row)
    return [default] * len(row)


def process_and_analyze_data(df):
    """
    核心数据处理与分析函数。
    """
    if df.empty:
        return pd.DataFrame()

    analysis_df = df.groupby('影片名称_清理后').agg(
        座位数=('座位数', 'sum'),
        场次=('影片名称_清理后', 'size'),
        票房=('总收入', 'sum'),
        人次=('总人次', 'sum')
    ).reset_index()
    analysis_df.rename(columns={'影片名称_清理后': '影片'}, inplace=True)

    analysis_df = analysis_df.sort_values(by='票房', ascending=False).reset_index(drop=True)

    total_seats = analysis_df['座位数'].sum()
    total_sessions = analysis_df['场次'].sum()
    total_revenue = analysis_df['票房'].sum()

    analysis_df['均价'] = np.divide(analysis_df['票房'], analysis_df['人次']).fillna(0)
    analysis_df['座次比'] = np.divide(analysis_df['座位数'], total_seats).fillna(0)
    analysis_df['场次比'] = np.divide(analysis_df['场次'], total_sessions).fillna(0)
    analysis_df['票房比'] = np.divide(analysis_df['票房'], total_revenue).fillna(0)
    analysis_df['座次效率'] = np.divide(analysis_df['票房比'], analysis_df['座次比']).fillna(0)
    analysis_df['场次效率'] = np.divide(analysis_df['票房比'], analysis_df['场次比']).fillna(0)

    # **优化1：移除“序号”列的定义**
    final_columns = [
        '影片', '座位数', '场次', '票房', '人次', '均价',
        '座次比', '场次比', '票房比', '座次效率', '场次效率'
    ]
    analysis_df = analysis_df[final_columns]

    return analysis_df


# --- Streamlit 用户界面 ---

st.title('排片效率分析')
st.write("上传 `影片映出日累计报表.xlsx` 文件。")

uploaded_file = st.file_uploader("请在此处上传 Excel 文件", type=['xlsx', 'xls', 'csv'])

if uploaded_file is not None:
    try:
        df = pd.read_excel(uploaded_file, skiprows=3, header=None)

        df.rename(columns={
            0: '影片名称', 2: '放映时间', 5: '总人次', 6: '总收入', 7: '座位数'
        }, inplace=True)

        required_cols = ['影片名称', '放映时间', '座位数', '总收入', '总人次']
        df = df[required_cols]
        df.dropna(subset=['影片名称', '放映时间'], inplace=True)

        for col in ['座位数', '总收入', '总人次']:
            df[col] = pd.to_numeric(df[col], errors='coerce').fillna(0)

        df['放映时间'] = pd.to_datetime(df['放映时间'], format='%H:%M:%S', errors='coerce').dt.time
        df.dropna(subset=['放映时间'], inplace=True)

        df['影片名称_清理后'] = df['影片名称'].apply(clean_movie_title)

        st.toast("文件上传成功，数据已按规则处理！", icon="🎉")

        format_config = {
            '座位数': '{:,.0f}', '场次': '{:,.0f}', '人次': '{:,.0f}',
            '票房': '{:,.2f}', '均价': '{:.2f}', '座次比': '{:.2%}', '场次比': '{:.2%}',
            '票房比': '{:.2%}', '座次效率': '{:.2f}', '场次效率': '{:.2f}',
        }

        # --- 1. 全天数据分析 ---
        st.header("全天排片效率分析")

        full_day_analysis = process_and_analyze_data(df.copy())

        if not full_day_analysis.empty:
            table_height = (len(full_day_analysis) + 1) * 35 + 3
            # **优化2：使用 .hide(axis="index") 隐藏默认序号列**
            st.dataframe(
                full_day_analysis.style.format(format_config).apply(style_efficiency, axis=1).hide(axis="index"),
                height=table_height,
                use_container_width=True
            )
        else:
            st.warning("全天数据不足，无法生成分析报告。")

        # --- 2. 黄金时段数据分析 ---
        st.header("黄金时段 (14:00 - 21:00) 排片效率分析")

        start_time = pd.to_datetime('14:00:00').time()
        end_time = pd.to_datetime('21:00:00').time()
        prime_time_df = df[df['放映时间'].between(start_time, end_time)]

        prime_time_analysis = process_and_analyze_data(prime_time_df.copy())

        if not prime_time_analysis.empty:
            table_height_prime = (len(prime_time_analysis) + 1) * 35 + 3
            # **优化2：同样隐藏黄金时段表格的默认序号**
            st.dataframe(
                prime_time_analysis.style.format(format_config).apply(style_efficiency, axis=1).hide(axis="index"),
                height=table_height_prime,
                use_container_width=True
            )
        else:
            st.warning("黄金时段内没有有效场次数据，无法生成分析报告。")

        # --- 3. 一键复制影片列表 ---
        if not full_day_analysis.empty:
            st.header("复制当日影片列表")

            movie_titles = full_day_analysis['影片'].tolist()
            formatted_titles = ''.join([f'《{title}》' for title in movie_titles])

            st.code(formatted_titles, language='text')

    except Exception as e:
        st.error(f"处理文件时出错: {e}")
        st.warning("请确保上传的文件是'影片映出日累计报表.xlsx'，并且格式正确。")

else:
    st.info("请上传文件以开始分析。")