Upload app (10).py

app (10).py

@@ -0,0 +1,120 @@
+# app.py
+import os
+import pandas as pd
+import gradio as gr
+import comtradeapicall
+from huggingface_hub import InferenceClient
+from deep_translator import GoogleTranslator
+import spaces  # برای مدیریت GPU کرایه‌ای
+
+# --- بارگذاری HS DATA از CSV گیت‌هاب ---
+HS_CSV_URL = (
+    "https://raw.githubusercontent.com/"
+    "datasets/harmonized-system/master/data/harmonized-system.csv"
+)
+hs_df = pd.read_csv(HS_CSV_URL, dtype=str)
+
+def get_product_name(hs_code: str) -> str:
+    code4 = str(hs_code).zfill(4)
+    row = hs_df[hs_df["hscode"] == code4]
+    return row.iloc[0]["description"] if not row.empty else "–"
+
+# --- تابع دریافت واردات و پردازش ستون‌ها ---
+def get_importers(hs_code: str, year: str, month: str):
+    product_name = get_product_name(hs_code)
+    period = f"{year}{int(month):02d}"
+    df = comtradeapicall.previewFinalData(
+        typeCode='C', freqCode='M', clCode='HS', period=period,
+        reporterCode=None, cmdCode=hs_code, flowCode='M',
+        partnerCode=None, partner2Code=None,
+        customsCode=None, motCode=None,
+        maxRecords=500, includeDesc=True
+    )
+    if df is None or df.empty:
+        return product_name, pd.DataFrame()
+
+    # شناسایی ستون‌های مورد نیاز (کد کشور، نام کشور، ارزش)
+    # ابتدا سعی در استفاده از ستون‌های استاندارد
+    std_map = {
+        'کد کشور': 'ptCode',
+        'نام کشور': 'ptTitle',
+        'ارزش CIF': 'TradeValue'
+    }
+    code_col = std_map['کد کشور'] if 'ptCode' in df.columns else next((c for c in df.columns if 'code' in c.lower()), None)
+    title_col= std_map['نام کشور'] if 'ptTitle' in df.columns else next((c for c in df.columns if 'title' in c.lower()), None)
+    value_col= std_map['ارزش CIF'] if 'TradeValue' in df.columns else next((c for c in df.columns if 'value' in c.lower()), None)
+
+    if not (code_col and title_col and value_col):
+        # اگر نتوانست ستون‌ها را شناسایی کند، برگرداندن DataFrame خام
+        return product_name, df
+
+    # محدودسازی به 10 کشور برتر بر اساس ستون value_col
+    df_sorted = df.sort_values(value_col, ascending=False).head(10)
+
+    out = df_sorted[[code_col, title_col, value_col]]
+    out.columns = ['کد کشور', 'نام کشور', 'ارزش CIF']
+    return product_name, out
+
+# --- تابع تولید مشاوره تخصصی با GPU کرایه‌ای ---
+hf_token = os.getenv("HF_API_TOKEN")
+client = InferenceClient(token=hf_token)
+translator = GoogleTranslator(source='en', target='fa')
+
+@spaces.GPU
+def provide_advice(table_data: pd.DataFrame, hs_code: str, year: str, month: str):
+    if table_data is None or table_data.empty:
+        return "ابتدا نمایش داده‌های واردات را انجام دهید."
+
+    # محدودسازی تعداد ردیف‌های ورودی به 10 (در صورت بیشتر)
+    df_limited = table_data.head(10)
+    table_str = df_limited.to_string(index=False)
+    period = f"{year}/{int(month):02d}"
+    prompt = (
+        f"The following table shows the top {len(df_limited)} countries by CIF value importing HS code {hs_code} during {period}:\n"
+        f"{table_str}\n\n"
+        "Please provide a detailed and comprehensive analysis of market trends, risks, "
+        "and opportunities for a new exporter entering this market."
+    )
+    try:
+        outputs = client.text_generation(
+            prompt=prompt,
+            model="mistralai/Mixtral-8x7B-Instruct-v0.1",
+            max_new_tokens=1024
+        )
+        return translator.translate(outputs)
+    except Exception as e:
+        return f"خطا در تولید مشاوره: {e}"
+
+# --- رابط کاربری Gradio ---
+with gr.Blocks() as demo:
+    gr.Markdown("## تحلیل واردات بر اساس کد HS و ارائه مشاوره تخصصی")
+
+    with gr.Row():
+        inp_hs = gr.Textbox(label="کد HS", placeholder="مثلاً 1006")
+        inp_year = gr.Textbox(label="سال", placeholder="مثلاً 2023")
+        inp_month = gr.Textbox(label="ماه", placeholder="مثلاً 1 تا 12")
+
+    btn_show = gr.Button("نمایش داده‌های واردات")
+    out_name = gr.Markdown(label="**نام محصول**")
+    out_table = gr.Dataframe(
+        datatype="pandas",
+        interactive=True
+    )
+
+    btn_show.click(
+        fn=get_importers,
+        inputs=[inp_hs, inp_year, inp_month],
+        outputs=[out_name, out_table]
+    )
+
+    btn_advice = gr.Button("ارائه مشاوره تخصصی")
+    out_advice = gr.Textbox(label="مشاوره تخصصی", lines=8)
+
+    btn_advice.click(
+        fn=provide_advice,
+        inputs=[out_table, inp_hs, inp_year, inp_month],
+        outputs=out_advice
+    )
+
+if __name__ == "__main__":
+    demo.launch()