Update app.py

app.py

@@ -1,22 +1,17 @@
 import faicons as fa
 import plotly.express as px
-import pandas as pd
-
-# بارگذاری داده‌ها
-from shared import app_dir, tips  # فرض بر این است که tips از قبل DataFrame است
 from shinywidgets import render_plotly
 from shiny import reactive, render
 from shiny.express import input, ui
+from shared import app_dir, tips  # فرض بر این است که tips دیتافریم شماست
 
-# تبدیل احساس به عدد (تحلیل احساسات)
-tips["tip"] = tips["احساس"].map({"مثبت": 1, "خنثی": 0, "منفی": -1})
-
-# تعیین بازه سنی
+# محدوده‌ی سنی موجود در داده
 bill_rng = (min(tips.سن), max(tips.سن))
 
-# صفحه و سایدبار
+# تنظیمات صفحه
 ui.page_opts(title="تحلیل احساسات کاربران", fillable=True)
 
+# ------------------ Sidebar ------------------
 with ui.sidebar(open="desktop"):
     ui.input_slider(
         "سن",
@@ -24,18 +19,20 @@ with ui.sidebar(open="desktop"):
         min=bill_rng[0],
         max=bill_rng[1],
         value=bill_rng,
-        pre="سال"
+        pre="سال",
     )
+
     ui.input_checkbox_group(
-        "تاریخ",
-        "شبکه اجتماعی",
+        "شبکه_اجتماعی",
+        "انتخاب شبکه اجتماعی",
         tips["شبکه اجتماعی"].unique().tolist(),
         selected=tips["شبکه اجتماعی"].unique().tolist(),
         inline=True,
     )
+
     ui.input_action_button("reset", "بازنشانی فیلتر")
 
-# آیکون‌ها
+# ------------------ آیکون‌ها ------------------
 ICONS = {
     "user": fa.icon_svg("user", "regular"),
     "wallet": fa.icon_svg("wallet"),
@@ -43,7 +40,7 @@ ICONS = {
     "ellipsis": fa.icon_svg("ellipsis"),
 }
 
-# باکس‌های آماری
+# ------------------ Value Boxes ------------------
 with ui.layout_columns(fill=False):
     with ui.value_box(showcase=ICONS["user"]):
         "تعداد کاربران"
@@ -51,7 +48,7 @@ with ui.layout_columns(fill=False):
         @render.express
         def total_tippers():
             data = tips_data()
-            return data.shape[0]
+            print(data.shape[0])
 
     with ui.value_box(showcase=ICONS["wallet"]):
         "میانگین احساس"
@@ -60,7 +57,7 @@ with ui.layout_columns(fill=False):
         def average_tip():
             data = tips_data()
             if data.shape[0] > 0:
-                return f"{data['tip'].mean():.2f}"
+                print(data["احساس"].mean())
 
     with ui.value_box(showcase=ICONS["currency-dollar"]):
         "میانگین سن"
@@ -69,9 +66,9 @@ with ui.layout_columns(fill=False):
         def average_bill():
             data = tips_data()
             if data.shape[0] > 0:
-                return f"{data['سن'].mean():.1f} سال"
+                print(f"{data['سن'].mean():.1f} سال")
 
-# نمودار و جدول
+# ------------------ جدول و نمودار ------------------
 with ui.layout_columns(col_widths=[6, 6, 12]):
     with ui.card(full_screen=True):
         ui.card_header("جدول داده‌ها")
@@ -85,25 +82,24 @@ with ui.layout_columns(col_widths=[6, 6, 12]):
             data = tips_data()
             if data.shape[0] == 0:
                 return {}
+
             return px.scatter(
                 data,
                 x="سن",
-                y="tip",
+                y="احساس",
                 color="جنسیت",
                 trendline="lowess",
-                labels={"tip": "امتیاز احساس", "سن": "سن"},
-                title="رابطه سن با احساس"
             )
 
     with ui.card(full_screen=True):
         with ui.card_header(class_="d-flex justify-content-between align-items-center"):
-            "تحلیل پراکندگی احساس"
-            with ui.popover(title="گروه‌بندی بر اساس متغیر"):
+            "توزیع احساس بر اساس ویژگی‌ها"
+            with ui.popover(title="انتخاب ویژگی برای مقایسه"):
                 ICONS["ellipsis"]
                 ui.input_radio_buttons(
                     "tip_perc_y",
-                    "گروه‌بندی بر اساس:",
-                    ["جنسیت", "تأثیر", "سطح تأثیر", "موضوع"],
+                    "تفکیک بر اساس:",
+                    ["جنسیت", "موضوع", "سطح تأثیر"],
                     selected="جنسیت",
                     inline=True,
                 )
@@ -116,11 +112,11 @@ with ui.layout_columns(col_widths=[6, 6, 12]):
             if dat.shape[0] == 0:
                 return {}
 
-            dat["percent"] = dat["tip"]  # استفاده از tip به عنوان درصد احساس
+            dat["percent"] = dat["احساس"]
             yvar = input.tip_perc_y()
             uvals = dat[yvar].unique()
 
-            samples = [[dat.percent[dat[yvar] == val]] for val in uvals]
+            samples = [[dat["percent"][dat[yvar] == val]] for val in uvals]
 
             plt = ridgeplot(
                 samples=samples,
@@ -138,25 +134,23 @@ with ui.layout_columns(col_widths=[6, 6, 12]):
 
             return plt
 
-# اعمال CSS
+# ------------------ CSS ------------------
 ui.include_css(app_dir / "styles.css")
 
-# --------------------------------------------------------
-# واکنش‌ها
-# --------------------------------------------------------
+# ------------------ Reactive ------------------
 
 @reactive.calc
 def tips_data():
-    سنی = input.سن()
-    تاریخ_انتخابی = input.تاریخ()
+    رنج_سنی = input.سن()
+    شبکه‌ها = input.شبکه_اجتماعی()
+
+    idx1 = tips["سن"].between(رنج_سنی[0], رنج_سنی[1])
+    idx2 = tips["شبکه اجتماعی"].isin(شبکه‌ها)
 
-    idx1 = tips["سن"].between(سنی[0], سنی[1])
-    idx2 = tips["شبکه اجتماعی"].isin(تاریخ_انتخابی)
-    
     return tips[idx1 & idx2]
 
 @reactive.effect
 @reactive.event(input.reset)
 def _():
     ui.update_slider("سن", value=bill_rng)
-    ui.update_checkbox_group("تاریخ", selected=tips["شبکه اجتماعی"].unique().tolist())
+    ui.update_checkbox_group("شبکه_اجتماعی", selected=tips["شبکه اجتماعی"].unique().tolist())