Update src/streamlit_app.py

src/streamlit_app.py

@@ -6,91 +6,97 @@ 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
+# 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():
-    """
-    스트림릿을 이용한 학생 점수 분포 분석 애플리케이션
-    """
+    set_korean_font()
     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("CSV 파일을 직접 업로드하거나 Google Sheets URL을 붙여넣어 학생 점수 분포를 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.")
-
+    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()