app.py

import gradio as gr
import pandas as pd
import plotly.express as px

# Ссылки на CSV-файлы
URL_DASHA = "https://raw.githubusercontent.com/fruitpicker01/Storage_Dasha_2025/main/messages.csv"
URL_LERA = "https://raw.githubusercontent.com/fruitpicker01/Storage_Lera_2025/main/messages.csv"
URL_SVETA = "https://raw.githubusercontent.com/fruitpicker01/Storage_Sveta_2025/main/messages.csv"

# Функция для чтения данных, подсчёта уникальных SMS и подготовки данных для графиков
def read_and_process_data(url, user_name):
    df = pd.read_csv(url, na_values=["Не выбрано"])
    
    # Оставляем только нужные столбцы (если какие-то отсутствуют — пропускаем аккуратно)
    cols = ["gender", "generation", "industry", "opf", "timestamp"]
    df = df[[col for col in cols if col in df.columns]].copy()
    
    # Убираем дубликаты по gender, generation, industry, opf
    df_unique = df.drop_duplicates(subset=["gender", "generation", "industry", "opf"])
    
    # Считаем абсолютное количество уникальных SMS
    unique_count = len(df_unique)
    
    # Готовим столбец date
    if "timestamp" in df_unique.columns:
        # Переводим timestamp в datetime
        df_unique["timestamp"] = pd.to_numeric(df_unique["timestamp"], errors='coerce')
        df_unique["date"] = pd.to_datetime(df_unique["timestamp"], unit="s", origin="unix", errors='coerce').dt.date
    else:
        df_unique["date"] = pd.NaT

    # Группируем по дате, считаем, сколько уникальных SMS приходится на каждую дату
    # (снова нужно учесть комбинацию gender, generation, industry, opf)
    # Но т.к. мы уже отфильтровали уникальные, достаточно просто groupby date
    df_daily = df_unique.groupby("date").size().reset_index(name="count")
    df_daily["user"] = user_name  # чтобы потом можно было объединить данные для всех
    
    return unique_count, df_daily

def process_data():
    # Считываем и обрабатываем все три репозитория
    dasha_count, dasha_daily = read_and_process_data(URL_DASHA, "Даша")
    lera_count, lera_daily = read_and_process_data(URL_LERA, "Лера")
    sveta_count, sveta_daily = read_and_process_data(URL_SVETA, "Света")
    
    # Суммарные значения
    total_count = dasha_count + lera_count + sveta_count
    
    # Считаем % (округлим до целого)
    # Каждое хранилище: процент относительно 117
    dasha_percent = round((dasha_count / 117) * 100) if 117 else 0
    lera_percent = round((lera_count / 117) * 100) if 117 else 0
    sveta_percent = round((sveta_count / 117) * 100) if 117 else 0
    
    # Суммарный % от 702
    total_percent = round((total_count / 702) * 100) if 702 else 0
    
    # Формируем HTML с "прогресс-барами"
    # Простейшая полоска: ширина = процент, внутри пишем "X SMS (Y%)"
    def get_progress_bar(label, abs_val, pct):
        return f"""
        <div style='margin-bottom: 1em;'>
            <div><strong>{label}</strong></div>
            <div style='width: 100%; background-color: #ddd; text-align: left;'>
                <div style='width: {pct}%; background-color: #4CAF50; padding: 5px 0;'>
                    &nbsp;{abs_val} SMS ({pct}%)
                </div>
            </div>
        </div>
        """
    
    bars_html = (
        get_progress_bar("Даша", dasha_count, dasha_percent) +
        get_progress_bar("Лера", lera_count, lera_percent) +
        get_progress_bar("Света", sveta_count, sveta_percent) +
        get_progress_bar("Всего", total_count, total_percent)
    )
    
    # Делаем один общий DataFrame для построения графика:
    daily_all = pd.concat([dasha_daily, lera_daily, sveta_daily], ignore_index=True)
    # Уберём строки, где date может быть NaT (если timestamp некорректный)
    daily_all = daily_all.dropna(subset=["date"])
    
    # Построим столбчатую диаграмму, показывающую, кто в какой день сколько сохранил SMS
    # (уникальных по комбинации gender, generation, industry, opf)
    fig = px.bar(
        daily_all,
        x="date",
        y="count",
        color="user",
        title="Количество уникальных SMS по датам",
        labels={"date": "Дата", "count": "Количество SMS", "user": "Пользователь"},
        barmode="group"
    )
    
    return bars_html, fig

# Создаём интерфейс Gradio
with gr.Blocks() as demo:
    gr.Markdown("<h2>Подсчёт уникальных SMS для Даши, Леры и Светы</h2>")
    btn = gr.Button("Обновить данные и показать результат")
    html_output = gr.HTML(label="Прогресс-бары (Количество SMS и %)")
    plot_output = gr.Plot(label="График количества уникальных SMS по датам")
    
    btn.click(fn=process_data, outputs=[html_output, plot_output])

if __name__ == "__main__":
    demo.launch()