src/streamlit_app.py

import streamlit as st
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from scipy.stats import norm, skew
import platform

# 한글 폰트 설정 (다양한 OS 환경 지원)
def set_korean_font():
    if platform.system() == 'Windows':
        plt.rc('font', family='Malgun Gothic')
    elif platform.system() == 'Darwin': # Mac
        plt.rc('font', family='AppleGothic')
    else: # Linux
        # 나눔고딕 폰트가 설치되어 있어야 합니다.
        # 터미널에서 `sudo apt-get install -y fonts-nanum*` 실행
        try:
            plt.rc('font', family='NanumGothic')
        except:
            st.warning("나눔고딕 폰트가 설치되어 있지 않아 한글이 깨질 수 있습니다. 'sudo apt-get install -y fonts-nanum*' 명령어로 폰트를 설치해주세요.")
    plt.rcParams['axes.unicode_minus'] = False # 마이너스 폰트 깨짐 방지

def analyze_scores(df):
    """데이터프레임을 받아 분석 결과를 표시하는 함수"""
    st.subheader("데이터 미리보기 (상위 5개)")
    st.dataframe(df.head())

    # 분석할 점수 열 선택
    score_column = st.selectbox("분석할 점수 열(column)을 선택하세요:", df.columns)

    if score_column:
        scores = df[score_column].dropna()

        if pd.api.types.is_numeric_dtype(scores):
            st.subheader(f"'{score_column}' 점수 분포 분석 결과")

            # 1. 기술 통계량
            st.write("#### 📈 기술 통계량")
            st.table(scores.describe())

            # 2. 분포 시각화
            st.write("#### 🎨 점수 분포 시각화")
            fig, ax = plt.subplots(figsize=(10, 6))
            sns.histplot(scores, kde=True, stat='density', label='학생 점수 분포', ax=ax)
            mu, std = norm.fit(scores)
            xmin, xmax = plt.xlim()
            x = np.linspace(xmin, xmax, 100)
            p = norm.pdf(x, mu, std)
            ax.plot(x, p, 'k', linewidth=2, label='정규분포 곡선')
            ax.set_title(f"'{score_column}' 점수 분포 (평균: {mu:.2f}, 표준편차: {std:.2f})")
            ax.set_xlabel('점수'); ax.set_ylabel('밀도'); ax.legend()
            st.pyplot(fig)

            # 3. 왜도(Skewness) 분석
            st.write("#### 📐 왜도 (Skewness) 분석")
            skewness = skew(scores)
            st.metric(label="왜도 (Skewness)", value=f"{skewness:.4f}")
            if skewness > 0.5:
                st.info("꼬리가 오른쪽으로 긴 분포 (Positive Skew): 대부분의 학생들이 평균보다 낮은 점수에 몰려있고, 일부 고득점자들이 평균을 높이고 있습니다.")
            elif skewness < -0.5:
                st.info("꼬리가 왼쪽으로 긴 분포 (Negative Skew): 대부분의 학생들이 평균보다 높은 점수에 몰려있고, 일부 저득점자들이 평균을 낮추고 있습니다.")
            else:
                st.info("대칭에 가까운 분포: 점수가 평균을 중심으로 비교적 고르게 분포되어 있습니다.")
        else:
            st.error(f"오류: 선택하신 '{score_column}' 열은 숫자 데이터가 아닙니다. 숫자 형식의 열을 선택해주세요.")

def main():
    set_korean_font()
    st.title("학생 점수 분포 분석 도구 📊")
    st.write("CSV 파일을 직접 업로드하거나 Google Sheets URL을 붙여넣어 학생 점수 분포를 분석합니다.")
    st.write("---")

    st.sidebar.title("데이터 가져오기")
    source_option = st.sidebar.radio("데이터 소스를 선택하세요:", ("Google Sheets URL", "CSV 파일 업로드"))
    
    df = None

    if source_option == "Google Sheets URL":
        url = st.sidebar.text_input("웹에 게시된 Google Sheets CSV URL을 입력하세요.")
        if url:
            try:
                df = pd.read_csv(url)
            except Exception as e:
                st.error(f"URL로부터 데이터를 읽는 중 오류가 발생했습니다: {e}")
                st.warning("올바른 Google Sheets '웹 게시' CSV URL인지 확인해주세요.")
    
    elif source_option == "CSV 파일 업로드":
        uploaded_file = st.sidebar.file_uploader("CSV 파일을 업로드하세요.", type="csv")
        if uploaded_file:
            try:
                df = pd.read_csv(uploaded_file, encoding='utf-8-sig')
            except Exception as e:
                st.error(f"파일을 읽는 중 오류가 발생했습니다: {e}")

    if df is not None:
        analyze_scores(df)
    else:
        st.info("사이드바에서 데이터 소스를 선택하고 데이터를 불러와주세요.")

if __name__ == '__main__':
    main()