Update app.py

app.py

@@ -148,7 +148,6 @@ def _standardize_columns(df: pd.DataFrame) -> pd.DataFrame:
         df.reset_index(inplace=True)
         df.rename(columns={df.columns[0]: "date"}, inplace=True)
 
-
     # ── convert YYYYMM string to datetime ──────────────────────────────────────
     if "date" in df.columns and pd.api.types.is_object_dtype(df["date"]):
         if len(df) > 0:
@@ -172,7 +171,6 @@ def _standardize_columns(df: pd.DataFrame) -> pd.DataFrame:
             except:
                 # 실패 시 일반 변환 시도
                 df["date"] = pd.to_datetime(df["date"], errors="coerce")
-  
 
     # ── build item from pdlt_nm + spcs_nm if needed ────────────────────
     if "item" not in df.columns and {"pdlt_nm", "spcs_nm"}.issubset(df.columns):
@@ -185,8 +183,6 @@ def _standardize_columns(df: pd.DataFrame) -> pd.DataFrame:
 
     return df
 
-
-
 @st.cache_data(show_spinner=False)
 def load_data() -> pd.DataFrame:
     """Load price data from CSV file."""
@@ -254,47 +250,6 @@ def load_data() -> pd.DataFrame:
         st.code(traceback.format_exc())
         st.stop()
 
-# 메인 코드에 다음 부분 추가 - 품목별 데이터 수 확인
-item_df = raw_df.query("item == @selected_item").copy()
-if item_df.empty:
-    st.error(f"선택한 품목 '{selected_item}' 데이터가 없습니다.")
-    st.stop()
-elif len(item_df) < 2:
-    st.warning(f"선택한 품목 '{selected_item}' 데이터가 너무 적습니다 (데이터 수: {len(item_df)}). 예측이 부정확할 수 있습니다.")
-else:
-    st.success(f"선택한 품목 '{selected_item}'에 대해 {len(item_df)}개의 데이터가 있습니다.")
-
-# 아래처럼 장기 예측 부분 수정
-try:
-    # 데이터 필터링 로직 개선
-    macro_start_dt = pd.Timestamp("1996-01-01") 
-    
-    # 최소 데이터 수 확인
-    macro_df = item_df.copy()  # 전체 데이터 사용
-    
-    # 데이터가 매우 적은 경우 경고 표시
-    if len(macro_df) < 5:
-        st.warning(f"{selected_item}에 대한 데이터가 매우 적습니다 (데이터 수: {len(macro_df)}). 예측이 부정확할 수 있습니다.")
-    
-    # 진단 정보 표시
-    with st.expander("데이터 진단"):
-        st.write(f"- 전체 데이터 수: {len(item_df)}")
-        st.write(f"- 분석 데이터 수: {len(macro_df)}")
-        if len(macro_df) > 0:
-            st.write(f"- 기간: {macro_df['date'].min().strftime('%Y-%m-%d')} ~ {macro_df['date'].max().strftime('%Y-%m-%d')}")
-            st.dataframe(macro_df.head())
-        else:
-            st.write("데이터가 없습니다.")
-    
-    # 데이터 필터링 조건 완화 - 최소 2개 이상이면 진행
-    if len(macro_df) >= 2:
-        # 기존 코드 (모델 학습 및 시각화)
-        with st.spinner("장기 예측 모델 생성 중..."):
-            if use_ensemble:
-                fc_macro = fit_ensemble_model(macro_df, selected_item, MACRO_END)
-            else:
-                fc_macro = fit_optimal_model(macro_df, selected_item, MACRO_END)
-
 @st.cache_data(show_spinner=False)
 def get_items(df: pd.DataFrame):
     return sorted(df["item"].unique())
@@ -1217,6 +1172,12 @@ item_df = raw_df.query("item == @selected_item").copy()
 if item_df.empty:
     st.error("선택한 품목 데이터 없음")
     st.stop()
+    
+# 데이터 수 검사
+if len(item_df) < 2:
+    st.warning(f"선택한 품목 '{selected_item}' 데이터가 너무 적습니다 (데이터 수: {len(item_df)}). 예측이 부정확할 수 있습니다.")
+else:
+    st.success(f"선택한 품목 '{selected_item}'에 대해 {len(item_df)}개의 데이터가 있습니다.")
 
 # -------------------------------------------------
 # MACRO FORECAST 1996‑2030 ------------------------