Update app.py

app.py

@@ -1,8 +1,10 @@
 import streamlit as st
 import pandas as pd
 import plotly.express as px
+import numpy as np
+from datetime import datetime
 from dataclasses import dataclass, field
-from typing import Dict, Tuple, Any
+from typing import Dict, List, Tuple, Any
 
 # 📥 讀取 Google 試算表函數
 def read_google_sheet(sheet_id, sheet_number=0):
@@ -41,46 +43,148 @@ class SurveyAnalyzer:
             '５．在示範場域可以獲得需要的協助',
             '６．對於示範場域的服務感到滿意'
         ]
+        self.satisfaction_short_names = [
+            '多元課程與活動',
+            '生活應用有幫助',
+            '服務人員親切',
+            '空間設備友善',
+            '獲得需要協助',
+            '整體服務滿意'
+        ]
+        
+    def calculate_age(self, birth_year_column):
+        """🔢 計算年齡（從民國年到實際年齡）"""
+        # 獲取當前年份（西元年）
+        current_year = datetime.now().year
+        
+        # 將 NaN 或無效值處理為 NaN
+        birth_years = pd.to_numeric(birth_year_column, errors='coerce')
+        
+        # 民國年份轉西元年份 (民國年+1911=西元年)
+        western_years = birth_years + 1911
+        
+        # 計算年齡
+        ages = current_year - western_years
+        
+        return ages
 
     def generate_report(self, df: pd.DataFrame) -> Dict[str, Any]:
         """📝 生成問卷調查報告"""
+        # 計算年齡
+        ages = self.calculate_age(df['２．出生年（民國__年）'])
+        
+        # 取得教育程度分布（帶計數單位）
+        education_counts = df['３．教育程度'].value_counts().to_dict()
+        education_with_counts = {k: f"{v}人" for k, v in education_counts.items()}
+        
+        # 性別分布（帶計數單位）
+        gender_counts = df['1.   性別'].value_counts().to_dict()
+        gender_with_counts = {k: f"{v}人" for k, v in gender_counts.items()}
+        
+        # 計算每個滿意度項目的平均分數和標準差
+        satisfaction_stats = {}
+        for i, col in enumerate(self.satisfaction_columns):
+            mean_score = df[col].mean()
+            std_dev = df[col].std()
+            satisfaction_stats[self.satisfaction_short_names[i]] = {
+                '平均分數': f"{mean_score:.2f}",
+                '標準差': f"{std_dev:.2f}"
+            }
+            
         return {
             '基本統計': {
                 '總受訪人數': len(df),
-                '性別分布': df['1.   性別'].value_counts().to_dict(),
-                '教育程度分布': df['３．教育程度'].value_counts().to_dict(),
-                '平均年齡': f"{pd.to_numeric(df['２．出生年（民國__年）'], errors='coerce').mean():.1f}歲"
+                '性別分布': gender_with_counts,
+                '教育程度分布': education_with_counts,
+                '平均年齡': f"{ages.mean():.1f}歲"
             },
             '滿意度統計': {
-                '整體平均滿意度': f"{df['６．對於示範場域的服務感到滿意'].mean():.2f}",
-                '最高分項目': df[self.satisfaction_columns].mean().idxmax(),
-                '最低分項目': df[self.satisfaction_columns].mean().idxmin()
+                '整體平均滿意度': f"{df[self.satisfaction_columns].mean().mean():.2f}",
+                '各項滿意度': satisfaction_stats
             }
         }
 
-    def plot_satisfaction_correlation(self, df: pd.DataFrame):
-        """🔥 滿意度相關性熱力圖"""
-        correlation_matrix = df[self.satisfaction_columns].corr()
-        fig = px.imshow(correlation_matrix, text_auto=True, color_continuous_scale='viridis',
-                        title='🔥 滿意度項目相關性熱力圖')
-
-        # ✅ 放大圖表
+    def plot_satisfaction_scores(self, df: pd.DataFrame):
+        """📊 各項滿意度平均分數圖表"""
+        # 準備數據
+        satisfaction_means = [df[col].mean() for col in self.satisfaction_columns]
+        satisfaction_stds = [df[col].std() for col in self.satisfaction_columns]
+        
+        # 創建數據框
+        satisfaction_df = pd.DataFrame({
+            '滿意度項目': self.satisfaction_short_names,
+            '平均分數': satisfaction_means,
+            '標準差': satisfaction_stds
+        })
+        
+        # 繪製條形圖
+        fig = px.bar(
+            satisfaction_df, 
+            x='滿意度項目', 
+            y='平均分數',
+            error_y='標準差',
+            title='📊 各項滿意度平均分數與標準差',
+            color='平均分數',
+            color_continuous_scale='Viridis',
+            text='平均分數'
+        )
+        
+        # 調整圖表佈局
         fig.update_layout(
-            font=dict(size=20),
-            title_font=dict(size=26, family="Arial Black"),
-            width=1000,
-            height=800,
-            coloraxis_colorbar=dict(title="相關性"),
+            font=dict(size=16),
+            title_font=dict(size=24),
+            xaxis_title="滿意度項目",
+            yaxis_title="平均分數",
+            yaxis_range=[1, 5],  # 假設評分範圍是 1-5
         )
-
+        
+        # 調整文字格式
+        fig.update_traces(
+            texttemplate='%{y:.2f}', 
+            textposition='outside'
+        )
+        
         st.plotly_chart(fig, use_container_width=True)
 
-    def plot_gender_distribution(self, df: pd.DataFrame):
-        """🟠 性別分佈圓餅圖"""
-        gender_counts = df['1.   性別'].value_counts().reset_index()
+    def plot_gender_distribution(self, df: pd.DataFrame, venues=None, month=None):
+        """🟠 性別分佈圓餅圖（使用藍色和紅色）"""
+        # 過濾數據
+        filtered_df = df.copy()
+        if venues and '全部' not in venues:
+            filtered_df = filtered_df[filtered_df['場域名稱'].isin(venues)]
+        if month and month != '全部':
+            # 假設有一個月份欄位，如果沒有請調整
+            filtered_df = filtered_df[filtered_df['月份'] == month]
+            
+        gender_counts = filtered_df['1.   性別'].value_counts().reset_index()
         gender_counts.columns = ['性別', '人數']
-        fig = px.pie(gender_counts, names='性別', values='人數', title='🟠 受訪者性別分布',
-                     color_discrete_sequence=px.colors.sequential.Sunset)
+        
+        # 計算百分比
+        total = gender_counts['人數'].sum()
+        gender_counts['百分比'] = (gender_counts['人數'] / total * 100).round(1)
+        gender_counts['標籤'] = gender_counts.apply(lambda x: f"{x['性別']}: {x['人數']}人 ({x['百分比']}%)", axis=1)
+        
+        # 設定顏色映射 - 男性藍色，女性紅色
+        color_map = {'男性': '#2171b5', '女性': '#cb181d'}
+        
+        fig = px.pie(
+            gender_counts, 
+            names='性別', 
+            values='人數', 
+            title='🟠 受訪者性別分布',
+            color='性別',
+            color_discrete_map=color_map,
+            hover_data=['人數', '百分比'],
+            labels={'人數': '人數', '百分比': '百分比'},
+            custom_data=['標籤']
+        )
+        
+        # 更新悬停信息
+        fig.update_traces(
+            textinfo='percent+label',
+            hovertemplate='%{customdata[0]}'
+        )
+        
         st.plotly_chart(fig, use_container_width=True)
 
 # 🎨 Streamlit UI
@@ -96,26 +200,52 @@ def main():
     if df is not None:
         analyzer = SurveyAnalyzer()
 
+        # 新增場域和月份篩選器
+        st.sidebar.header("🔍 數據篩選")
+        
+        # 假設數據有「場域名稱」欄位，如果名稱不同請調整
+        if '場域名稱' in df.columns:
+            venues = ['全部'] + sorted(df['場域名稱'].unique().tolist())
+            selected_venues = st.sidebar.multiselect("選擇場域", venues, default=['全部'])
+        else:
+            # 如果沒有場域欄位，創建10個虛擬場域供選擇
+            venues = ['全部'] + [f'場域{i+1}' for i in range(10)]
+            selected_venues = st.sidebar.multiselect("選擇場域", venues, default=['全部'])
+            
+        # 假設數據有「月份」欄位，如果沒有請調整
+        if '月份' in df.columns:
+            months = ['全部'] + sorted(df['月份'].unique().tolist())
+            selected_month = st.sidebar.selectbox("選擇月份", months)
+        else:
+            # 如果沒有月份欄位，可以創建虛擬月份選項
+            months = ['全部'] + [f'{i+1}月' for i in range(12)]
+            selected_month = st.sidebar.selectbox("選擇月份", months)
+
         # 📌 基本統計數據
         st.sidebar.header("📌 選擇數據分析")
         selected_analysis = st.sidebar.radio("選擇要查看的分析", 
-                                             ["📋 問卷統計報告", "🔥 滿意度相關性熱力圖", "🟠 性別分佈"])
+                                             ["📋 問卷統計報告", "📊 滿意度統計", "🟠 性別分佈"])
 
         if selected_analysis == "📋 問卷統計報告":
             st.header("📋 問卷統計報告")
             report = analyzer.generate_report(df)
             for category, stats in report.items():
-                with st.expander(f"🔍 {category}"):
+                with st.expander(f"🔍 {category}", expanded=True):
                     for key, value in stats.items():
-                        st.write(f"**{key}**: {value}")
+                        if key == '各項滿意度':
+                            st.write(f"**{key}:**")
+                            for item, item_stats in value.items():
+                                st.write(f"  - **{item}**: {', '.join([f'{k}: {v}' for k, v in item_stats.items()])}")
+                        else:
+                            st.write(f"**{key}**: {value}")
 
-        elif selected_analysis == "🔥 滿意���相關性熱力圖":
-            st.header("🔥 滿意度相關性熱力圖")
-            analyzer.plot_satisfaction_correlation(df)
+        elif selected_analysis == "📊 滿意度統計":
+            st.header("📊 滿意度統計")
+            analyzer.plot_satisfaction_scores(df)
 
         elif selected_analysis == "🟠 性別分佈":
             st.header("🟠 性別分佈")
-            analyzer.plot_gender_distribution(df)
+            analyzer.plot_gender_distribution(df, selected_venues, selected_month)
 
 if __name__ == "__main__":
-    main()
+    main()