Update app.py

app.py

@@ -1,6 +1,8 @@
 import gradio as gr
 import pandas as pd
 import plotly.express as px
+
+# Для Prophet
 from prophet import Prophet
 
 # Ссылки на CSV-файлы
@@ -38,46 +40,6 @@ def read_and_process_data(url, user_name):
     
     return unique_count, df_daily
 
-def make_average_forecast(total_by_date, end_date_str="2025-02-28"):
-    """
-    Строит «прогноз по среднему» до указанной даты (end_date_str),
-    считая средний дневной прирост по будням (Mon-Fri).
-    В выходные прирост считаем 0.
-    
-    Возвращает DataFrame с колонками ["ds", "yhat"],
-    начиная с (last_date+1) по end_date_str (включительно).
-    """
-    if total_by_date.empty:
-        return pd.DataFrame(columns=["ds", "yhat"])
-    
-    df_tmp = total_by_date.copy()
-    df_tmp["date"] = pd.to_datetime(df_tmp["date"])
-    
-    # Средний дневной прирост (столбец "count") только по будням (Monday=0 ... Friday=4)
-    df_weekdays = df_tmp[df_tmp["date"].dt.weekday < 5]
-    avg_inc = df_weekdays["count"].mean() if len(df_weekdays) else 0
-    
-    last_date = df_tmp["date"].max()
-    last_cumulative = df_tmp["cumulative"].iloc[-1]
-    
-    end_date = pd.to_datetime(end_date_str)
-    
-    # Движемся по календарю день за днём
-    current_date = last_date
-    forecast_data = []
-    running_total = last_cumulative
-    
-    while current_date < end_date:
-        current_date += pd.Timedelta(days=1)
-        if current_date > end_date:
-            break
-        # Если будний день
-        if current_date.weekday() < 5:
-            running_total += avg_inc
-        forecast_data.append({"ds": current_date, "yhat": running_total})
-    
-    return pd.DataFrame(forecast_data)
-
 def process_data():
     # Считываем и обрабатываем все репозитории
     dasha_count, dasha_daily = read_and_process_data(URL_DASHA, "Даша")
@@ -95,7 +57,11 @@ def process_data():
     
     # Генерируем HTML-прогресс-бары
     def get_progress_bar(label, abs_val, pct):
-        capacity = 234 if label in ["Даша", "Лера", "Света"] else 702
+        # Определяем "ёмкость"
+        if label in ["Даша", "Лера", "Света"]:
+            capacity = 234
+        else:
+            capacity = 702
         return f"""
         <div style='margin-bottom: 1em;'>
             <div><strong>{label}</strong></div>
@@ -114,127 +80,107 @@ def process_data():
         get_progress_bar("Всего", total_count, total_percent)
     )
     
-    # Готовим DataFrame с дневными данными
+    # Собираем единый DataFrame по дням
     daily_all = pd.concat([dasha_daily, lera_daily, sveta_daily], ignore_index=True)
+    # Уберём NaT
     daily_all = daily_all.dropna(subset=["date"])
     
-    # Считаем кумулятивно для каждого пользователя
+    # Считаем кумулятивное количество SMS отдельно для каждого пользователя
     daily_all = daily_all.sort_values(by=["user", "date"])
     daily_all["cumulative"] = daily_all.groupby("user")["count"].cumsum()
     
-    # "Всего" по датам
+    # Чтобы отразить "Всего", добавим user="Всего"
     total_by_date = daily_all.groupby("date")["count"].sum().reset_index(name="count")
     total_by_date = total_by_date.sort_values(by="date")
     total_by_date["cumulative"] = total_by_date["count"].cumsum()
     total_by_date["user"] = "Всего"
     
-    # Объединим (для построения общего графика)
+    # Объединим с daily_all
     daily_all_final = pd.concat([daily_all, total_by_date], ignore_index=True)
     
-    # Сортировка легенды
+    # Определим порядок легенды, отсортировав по последнему кумулятивному значению
+    # (у кого больше — тот выше)
     last_values = daily_all_final.groupby("user")["cumulative"].last().sort_values(ascending=False)
-    sorted_users = last_values.index.tolist()
+    sorted_users = last_values.index.tolist()  # в порядке убывания
     
-    # Явно задаём цвета
+    # Явно зададим цвета
     color_map = {
-        "Даша": "#1f77b4",
-        "Лера": "#2ca02c",
-        "Света": "#d62728",
-        "Всего": "#9467bd"
+        "Даша": "#1f77b4",   # синий
+        "Лера": "#2ca02c",   # зелёный
+        "Света": "#d62728",  # красный
+        "Всего": "#9467bd"   # фиолетовый
     }
     
-    # Основной график (накопительный)
+    # Строим накопительный (кумулятивный) график (ли��ии)
     fig = px.line(
         daily_all_final,
         x="date",
         y="cumulative",
         color="user",
         title="Накопительное количество SMS",
-        labels={"date": "Дата", "cumulative": "Накопленное количество SMS", "user": "Редактор"},
-        category_orders={"user": sorted_users},
+        labels={
+            "date": "Дата",
+            "cumulative": "Накопительное количество SMS",
+            "user": "Редактор"
+        },
+        category_orders={"user": sorted_users},  # порядок в легенде
         color_discrete_map=color_map
     )
     
-    # --------------------------------------------------------------------------------
-    # Прогноз (Prophet) с учётом, что по выходным не должно быть прироста
-    # делается через freq='B' в make_future_dataframe (пропускает выходные).
-    # Второй — «Прогноз по среднему», также без прироста в выходные.
-    # --------------------------------------------------------------------------------
-    
+    # Прогноз с помощью Prophet (делаем для "Всего" до 28.02.2025)
     forecast_fig = None
-    
-    if not total_by_date.empty:
-        # Подготовка данных для Prophet (только "Всего")
+    if len(total_by_date) > 1:
         df_prophet = total_by_date[["date", "cumulative"]].copy()
         df_prophet.columns = ["ds", "y"]
         df_prophet["ds"] = pd.to_datetime(df_prophet["ds"])
         
-        model = Prophet(weekly_seasonality=True, daily_seasonality=False)  
-        # Часто Prophet сам распознаёт weekly_seasonality, но укажем явно
-        
+        model = Prophet()
         model.fit(df_prophet)
         
-        end_date = pd.to_datetime("2025-02-28")
+        # Рассчитаем, сколько дней до 28.02.2025
+        future = model.make_future_dataframe(periods=0)  # на случай, если уже после
         last_date = df_prophet["ds"].max()
+        end_date = pd.to_datetime("2025-02-28")
         additional_days = (end_date - last_date).days
-        
-        # Создаём будущее ТОЛЬКО по рабочим дням (freq='B')
-        future = model.make_future_dataframe(periods=0, freq='B')  
         if additional_days > 0:
-            future = model.make_future_dataframe(periods=additional_days, freq='B')
+            future = model.make_future_dataframe(periods=additional_days)
         
         forecast = model.predict(future)
         
-        # История + прогноз
+        # Сопоставим исторические данные и прогноз
         df_plot = pd.merge(
             forecast[["ds", "yhat"]],
             df_prophet[["ds", "y"]],
             on="ds",
             how="left"
         )
-        df_history = df_plot.dropna(subset=["y"])   # фактические точки
-        df_future = df_plot[df_plot["y"].isna()]    # будущее (Prophet)
+        df_history = df_plot.dropna(subset=["y"])    # исторические точки
+        df_future = df_plot[df_plot["y"].isna()]     # будущее
         
-        # Второй прогноз "по среднему"
-        df_avg_forecast = make_average_forecast(total_by_date, "2025-02-28")
-        
-        # Один общий график
+        # Отдельный график
         forecast_fig = px.line(
             df_history,
             x="ds",
             y="y",
             title="Прогноз до конца февраля 2025 (всего)",
-            labels={"ds": "Дата", "y": "Накопленное число SMS"}
+            labels={"ds": "Дата", "y": "Накопительное количество SMS"}
         )
-        
-        # Prophet (пунктир красный)
         forecast_fig.add_scatter(
             x=df_future["ds"],
             y=df_future["yhat"],
             mode="lines",
-            name="Прогноз (Prophet)",
+            name="Прогноз",
             line=dict(dash="dash", color="red")
         )
-        
-        # Прогноз «по среднему» (пунктир зелёный)
-        if not df_avg_forecast.empty:
-            forecast_fig.add_scatter(
-                x=df_avg_forecast["ds"],
-                y=df_avg_forecast["yhat"],
-                mode="lines",
-                name="Прогноз (по среднему)",
-                line=dict(dash="dash", color="green")
-            )
-        
         forecast_fig.update_layout(showlegend=True)
-
+    
     return (bars_html, fig, forecast_fig)
 
 with gr.Blocks() as demo:
     gr.Markdown("<h2>Количество сохраненных SMS (Даша, Лера, Света)</h2>")
     btn = gr.Button("Обновить данные и показать результат")
     html_output = gr.HTML(label="Прогресс-бары: количество SMS и %")
-    plot_output = gr.Plot(label="Накопительный график (Даша, Лера, Света, Всего)")
+    plot_output = gr.Plot(label="Накопительный график по датам (Даша, Лера, Света, Всего)")
     forecast_output = gr.Plot(label="Прогноз до конца февраля 2025 (всего)")
     
     btn.click(fn=process_data, outputs=[html_output, plot_output, forecast_output])