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

# --- 기존 set_korean_font 함수를 아래 코드로 전체 교체해주세요 ---

def set_korean_font():
    """
    Hugging Face Space에 포함된 폰트 파일을 직접 지정하여 로드합니다.
    """
    # 1. 사용자가 업로드한 폰트 파일의 경로와 이름을 정확히 지정합니다.
    #    스크린샷 기준으로, 파일이 최상위 경로에 있으므로 아래와 같이 설정합니다.
    font_path = 'NanumGaRamYeonGgoc.ttf'

    # 2. 파일이 실제로 해당 경로에 존재하는지 확인합니다.
    if os.path.exists(font_path):
        # 3. 폰트 프로퍼티를 가져와서, matplotlib의 기본 폰트로 설정합니다.
        font_prop = fm.FontProperties(fname=font_path)
        plt.rc('font', family=font_prop.get_name())
        
        # 앱의 사이드바에 성공 메시지를 표시합니다. (선택 사항)
        try:
            st.sidebar.success(f"'{font_prop.get_name()}' 폰트 로딩 성공!")
        except Exception:
            # 스트림릿의 실행 순서에 따라 오류가 날 수 있어 예외 처리
            pass
    else:
        # 4. 파일이 없을 경우, 경고 메시지를 표시합니다.
        try:
            st.sidebar.warning(f"폰트 파일을 찾을 수 없습니다: '{font_path}'. 한글이 깨져 보일 수 있습니다.")
        except Exception:
            pass
        
    # 5. 마이너스 기호가 깨지지 않도록 설정합니다.
    plt.rcParams['axes.unicode_minus'] = False
    
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()