Update app.py

app.py

@@ -1,67 +1,108 @@
 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"
 
-def process_data():
-    # Читаем CSV для Даши
-    dasha_df = pd.read_csv(URL_DASHA, na_values=["Не выбрано"])
-    # Читаем CSV для Леры
-    lera_df = pd.read_csv(URL_LERA, na_values=["Не выбрано"])
-    # Читаем CSV для Светы
-    sveta_df = pd.read_csv(URL_SVETA, na_values=["Не выбрано"])
-
-    # Функция для подсчёта уникальных строк по нужным столбцам,
-    # приравнивая "Не выбрано" к NaN (na_values уже сделал это).
-    def count_unique(df):
-        # Оставляем только интересующие столбцы
-        selected_cols = ["gender", "generation", "industry", "opf"]
-        # Убеждаемся, что если какой-то столбец отсутствует, пропускаем его или обрабатываем осторожно
-        df_filtered = df[selected_cols].copy()
-        # Дропаем дубликаты
-        df_filtered.drop_duplicates(inplace=True)
-        # Возвращаем количество уникальных строк
-        return len(df_filtered)
+# 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
 
-    # Подсчитываем по каждому репозиторию
-    dasha_count = count_unique(dasha_df)
-    lera_count = count_unique(lera_df)
-    sveta_count = count_unique(sveta_df)
+    # 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
 
-    # Считаем суммарное количество
+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
-
-    # Расчёт процентов
-    # - Итоговый процент от 702 (суммарный)
-    total_percent = (total_count / 702) * 100
-
-    # - Проценты по каждому репозиторию от 117
-    dasha_percent = (dasha_count / 117) * 100
-    lera_percent = (lera_count / 117) * 100
-    sveta_percent = (sveta_count / 117) * 100
-
-    # Формируем итоговую строку вывода (или можно вернуть словарь)
-    result_str = f"""
-    Результаты:
-    • Даша: {dasha_count} уникальных строк (≈ {dasha_percent:.2f}% из 117)
-    • Лера: {lera_count} уникальных строк (≈ {lera_percent:.2f}% из 117)
-    • Света: {sveta_count} уникальных строк (≈ {sveta_percent:.2f}% из 117)
-
-    Суммарно: {total_count} уникальных строк (≈ {total_percent:.2f}% из 702)
-    """
-    return result_str
+    
+    # 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 строк для Даши, Леры и Светы</h2>")
+    gr.Markdown("<h2>Подсчёт уникальных SMS для Даши, Леры и Светы</h2>")
     btn = gr.Button("Обновить данные и показать результат")
-    output = gr.Textbox(label="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=output)
+    btn.click(fn=process_data, outputs=[html_output, plot_output])
 
-# Запуск приложения (автоматически в Spaces он обычно дергает demo.launch())
 if __name__ == "__main__":
     demo.launch()