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 (Windows, Mac, Linux 환경에 맞게 자동 설정)
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.
    # sudo apt-get install fonts-nanum*
    plt.rc('font', family='NanumGothic')

plt.rcParams['axes.unicode_minus'] = False # 마이너스 폰트 깨짐 방지

def main():
    """
    스트림릿을 이용한 학생 점수 분포 분석 애플리케이션
    """
    st.title("학생 점수 분포 분석 도구 📊")
    st.write("CSV 파일을 업로드하여 학생들의 점수 분포를 확인하고, 정규분포와의 차이 및 왜도(skewness)를 분석합니다.")
    st.write("---")

    # 파일 업로드 위젯
    uploaded_file = st.file_uploader("점수 데이터가 포함된 CSV 파일을 업로드하세요.", type="csv")

    if uploaded_file is not None:
        try:
            # utf-8-sig 인코딩으로 CSV 파일 읽기
            df = pd.read_csv(uploaded_file, encoding='utf-8-sig')

            st.subheader("업로드된 데이터 미리보기")
            st.dataframe(df.head())

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

            if score_column:
                # 선택된 열의 데이터 추출 (결측치 제거)
                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 표시
                    st.write("#### 📈 기술 통계량")
                    st.table(scores.describe())

                    # 2. 분포 시각화 및 정규분포 비교
                    st.write("#### 🎨 점수 분포 시각화")
                    fig, ax = plt.subplots(figsize=(10, 6))

                    # 히스토그램 및 KDE 플롯
                    sns.histplot(scores, kde=True, stat='density', label='학생 점수 분포', ax=ax)

                    # 정규분포 곡선 추가
                    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')

                    title = f"'{score_column}' 점수 분포 (평균: {mu:.2f}, 표준편차: {std:.2f})"
                    ax.set_title(title)
                    ax.set_xlabel('점수')
                    ax.set_ylabel('밀도')
                    ax.legend()
                    st.pyplot(fig)

                    # 3. 왜도(Skewness) 계산 및 해석
                    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 학생들이 매우 높은 점수를 받았습니다.")
                    elif skewness < -0.5:
                        st.info("꼬리가 왼쪽으로 긴 분포 (Negative Skew): 대부분의 학생들이 평균보다 높은 점수에 몰려있고, 일부 학생들이 매우 낮은 점수를 받았습니다.")
                    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 데이터로 구성된 열을 선택해주세요.")

        except Exception as e:
            st.error(f"파일을 읽는 도중 오류가 발생했습니다: {e}")
            st.warning("CSV 파일이 'utf-8-sig' 또는 'utf-8' 인코딩 형식인지 확인해주세요.")


if __name__ == '__main__':
    main()