Update app.py

app.py

@@ -1,76 +1,110 @@
+import streamlit as st
 import pandas as pd
-import numpy as np
+import matplotlib.pyplot as plt
 import plotly.graph_objects as go
-from plotly.subplots import make_subplots
-import dash
-from dash import dcc, html, Input, Output, State
-import dash_bootstrap_components as dbc
-
-# Load CSV into DataFrame
-df = pd.read_csv('dashboard18.csv')
-
-# List of unique farm names for the dropdown
-farm_names = df[' مزرعه '].unique()
-
-# Initialize the Dash app
-app = dash.Dash(__name__, external_stylesheets=[dbc.themes.BOOTSTRAP])
-
-app.layout = dbc.Container([
-    dbc.Row([
-        dbc.Col([
-            html.H1("Farm Height Dashboard", className='text-center'),
-            dcc.Dropdown(
-                id='farm-dropdown',
-                options=[{'label': name, 'value': name} for name in farm_names],
-                placeholder='Select a farm...'
-            ),
-            html.Div(id='output-container')
-        ], width=12)
-    ]),
-    dbc.Row([
-        dbc.Col([
-            dcc.Graph(id='height-histogram')
-        ], width=12)
-    ])
-], fluid=True)
-
-@app.callback(
-    Output('height-histogram', 'figure'),
-    Output('output-container', 'children'),
-    Input('farm-dropdown', 'value')
-)
-def update_graph(selected_farm):
-    if selected_farm is None:
-        return go.Figure(), "Please select a farm."
-
-    # Filter data based on selected farm
-    filtered_df = df[df[' مزرعه '] == selected_farm]
-    
-    # Prepare 3D surface data
-    weeks = np.arange(1, 19)
-    heights = filtered_df.iloc[:, 6:24].values  # Adjusted to match height columns
-
-    fig = make_subplots(rows=1, cols=1, specs=[[{'type': 'surface'}]])
-
-    fig.add_trace(
-        go.Surface(
-            z=heights,
-            x=weeks,
-            y=filtered_df[' مزرعه '].values,
-            colorscale='Viridis'
-        )
-    )
+import json
+from mpl_toolkits.mplot3d import Axes3D
+import base64
+from io import BytesIO
+
+# بارگذاری داده‌ها
+@st.cache_data
+def load_data():
+    with open('farm_data.json', 'r') as f:
+        data = json.load(f)
+    return pd.DataFrame(data)
+
+# فیلتر کردن داده‌ها بر اساس نام مزرعه
+def filter_data(df, farm_name):
+    return df[df['farm_name'].str.contains(farm_name, case=False)]
+
+# نمایش جدول اطلاعات مزرعه
+def show_farm_table(df):
+    st.dataframe(df)
 
-    fig.update_layout(
-        title=f'Height Histogram for {selected_farm}',
-        scene=dict(
-            xaxis_title='Week',
-            yaxis_title='Farm Name',
-            zaxis_title='Height'
-        )
+# اضافه کردن ارتفاع هفتگی
+def add_weekly_growth(df):
+    df['weekly_height'] = df['height'] + (df['age'] * 0.5)
+    return df
+
+# ایجاد نمودار 3D
+def create_3d_plot(df):
+    fig = plt.figure(figsize=(10, 8))
+    ax = fig.add_subplot(111, projection='3d')
+    ax.scatter(df['x'], df['y'], df['height'])
+    ax.set_xlabel('X')
+    ax.set_ylabel('Y')
+    ax.set_zlabel('Height')
+    ax.set_title('3D Farm Plot')
+    return fig
+
+# ایجاد نمودار انیمیشنی Plotly
+def create_animated_plot(df):
+    frames = []
+    for week in range(5):
+        df['animated_height'] = df['height'] + (week * 0.5)
+        frame = go.Frame(data=[go.Scatter3d(x=df['x'], y=df['y'], z=df['animated_height'],
+                                            mode='markers', marker=dict(size=5))])
+        frames.append(frame)
+
+    fig = go.Figure(
+        data=[go.Scatter3d(x=df['x'], y=df['y'], z=df['height'], mode='markers', marker=dict(size=5))],
+        layout=go.Layout(
+            scene=dict(xaxis_title='X', yaxis_title='Y', zaxis_title='Height'),
+            updatemenus=[dict(type='buttons', showactive=False, buttons=[dict(label='Play',
+                method='animate', args=[None, dict(frame=dict(duration=500, redraw=True), fromcurrent=True)])])]
+        ),
+        frames=frames
     )
 
-    return fig, f"Displaying data for: {selected_farm}"
+    return fig
+
+# تابع اصلی Streamlit
+def main():
+    st.title("داشبورد هوشمند مزرعه")
+
+    # بارگذاری داده‌ها
+    df = load_data()
+
+    # جستجوی نام مزرعه
+    farm_name = st.text_input("نام مزرعه را جستجو کنید:")
+    if farm_name:
+        df = filter_data(df, farm_name)
+
+    # نمایش جدول اطلاعات مزرعه
+    show_farm_table(df)
+
+    # فیلد رشد هفتگی
+    weekly_growth = st.checkbox("نمایش رشد هفتگی")
+    if weekly_growth:
+        df = add_weekly_growth(df)
+        show_farm_table(df)
+
+    # نمایش نمودارها
+    if st.button("نمایش نمودارها"):
+        plot_type = st.selectbox("نوع نمودار را انتخاب کنید:", ["نمودار 3D ثابت", "نمودار 3D انیمیشنی"])
+        
+        if plot_type == "نمودار 3D ثابت":
+            fig = create_3d_plot(df)
+            st.pyplot(fig)
+        else:
+            fig = create_animated_plot(df)
+            st.plotly_chart(fig)
+
+    # دانلود داده و نمودار
+    if st.button("دانلود داده‌ها (CSV)"):
+        csv = df.to_csv(index=False)
+        b64 = base64.b64encode(csv.encode()).decode()
+        href = f'<a href="data:file/csv;base64,{b64}" download="farm_data.csv">دانلود فایل CSV</a>'
+        st.markdown(href, unsafe_allow_html=True)
+
+    if st.button("دانلود نمودار (PNG)"):
+        fig = create_3d_plot(df)
+        buf = BytesIO()
+        fig.savefig(buf, format="png")
+        b64 = base64.b64encode(buf.getvalue()).decode()
+        href = f'<a href="data:image/png;base64,{b64}" download="farm_plot.png">دانلود تصویر PNG</a>'
+        st.markdown(href, unsafe_allow_html=True)
 
-if __name__ == '__main__':
-    app.run_server(debug=True)
+if __name__ == "__main__":
+    main()