Update app.py

app.py

@@ -51,7 +51,7 @@ def make_average_forecast(total_by_date, end_date_str="2025-03-15"):
     """
     Делает «прогноз по среднему» до указанной даты (end_date_str).
     Берём средний дневной прирост count и 
-    добавляем его день за днём, не учитывая выходные.
+    добавляем его день за днём (не учитывая выходные).
     Возвращает DataFrame: [ds, yhat]
       ds   - дата (Timestamp)
       yhat - прогноз накопленной суммы
@@ -88,7 +88,7 @@ def process_data():
     
     # 1) Считываем CSV
     dasha_count, dasha_daily = read_and_process_data(URL_DASHA, "Даша")
-    lera_count, lera_daily = read_and_process_data(URL_LERA, "Лера")
+    lera_count,  lera_daily  = read_and_process_data(URL_LERA, "Лера")
     sveta_count, sveta_daily = read_and_process_data(URL_SVETA, "Света")
     
     total_count = dasha_count + lera_count + sveta_count
@@ -135,10 +135,16 @@ def process_data():
     daily_all_final = pd.concat([daily_all, total_by_date], ignore_index=True)
     daily_all_final["date_dt"] = pd.to_datetime(daily_all_final["date"])
     
+    # === ВАЖНО: сортируем легенду (user) по убыванию финального cumulative ===
+    last_values = daily_all_final.groupby("user")["cumulative"].last().sort_values(ascending=False)
+    sorted_users = last_values.index.tolist()
+    
     fig1, ax1 = plt.subplots(figsize=(8,5))
     sns.lineplot(
         data=daily_all_final,
-        x="date_dt", y="cumulative", hue="user",
+        x="date_dt", y="cumulative",
+        hue="user",
+        hue_order=sorted_users,  # <-- передаём порядок
         ax=ax1, marker="o"
     )
     ax1.set_title("Накопительное количество SMS")
@@ -152,7 +158,6 @@ def process_data():
     image1_pil = Image.open(buf1)
     
     # 5) Делаем «Всего» для Prophet + средний прогноз
-    # Готовим DataFrame для Prophet
     df_prophet = total_by_date[["date", "cumulative"]].copy()
     df_prophet.columns = ["ds", "y"]
     df_prophet["ds"] = pd.to_datetime(df_prophet["ds"])
@@ -201,11 +206,10 @@ def process_data():
     df_combined["ds"] = pd.to_datetime(df_combined["ds"])
     
     # 6) Второй график: «История», «Прогноз (Prophet)», «Прогноз (среднее)» — пунктир
-    # Сделаем стили dashes вручную: сплошная для «История», пунктир для двух «Прогнозов»
     line_styles = {
         "История": "",
-        "Прогноз (Prophet)": (2,2),   # пунктир
-        "Прогноз (среднее)": (2,2)    # пунктир
+        "Прогноз (Prophet)": (2,2),
+        "Прогноз (среднее)": (2,2)
     }
     line_colors = {
         "История": "blue",
@@ -235,7 +239,6 @@ def process_data():
     image2_pil = Image.open(buf2)
     
     # 7) Возвращаем результат
-    #    (прогресс-бары, первый график, второй график)
     return bars_html, image1_pil, image2_pil
 
 
@@ -248,11 +251,7 @@ with gr.Blocks() as demo:
     image_output1 = gr.Image(type="pil", label="Накопительный график")
     image_output2 = gr.Image(type="pil", label="Прогноз: Prophet & По среднему")
     
-    # process_data возвращает (bars_html, image1_pil, image2_pil)
-    btn.click(
-        fn=process_data,
-        outputs=[html_output, image_output1, image_output2]
-    )
+    btn.click(fn=process_data, outputs=[html_output, image_output1, image_output2])
 
 if __name__ == "__main__":
     demo.launch()