app.py

import streamlit as st
import pandas as pd
import numpy as np
import datetime
from datetime import timedelta
import pandas as pd
import numpy as np
# from datetime import datetime
import matplotlib.pyplot as plt
from statsmodels.tsa.seasonal import seasonal_decompose
from statsmodels import api as sm
from statsmodels.graphics import tsaplots
from statsmodels.tsa.statespace.sarimax import SARIMAX
pd.options.display.float_format = '{:.2f}'.format



st.write('Калькулятор для Дениса')

# import streamlit as st
st.sidebar.title('Выбор параметров для расчета влияния фичи')

with st.sidebar:

    count_features = st.selectbox(
        "Введите количество фичей, влияние которых желаете оценить",
        options=[1, 2, 3, 4, 5, 6, 7, 8, 9, 10], key=f"4")
    list_with_data_by_features = [None for i in range(count_features)]

    for i in range(count_features):
        list_obout_features = [None for i in range(7)]
        st.subheader(f'Введите данные по фиче #{i+1}')

        count_view = st.number_input(
            "Введите охват аудитории - сколько пользователей увидят Вашу фичу/виджет/баннер",
            min_value=0,  # Минимальное значение
            step=1,  # Шаг единицы
            format='%d',  # Формат для целых чисел
            # max_value=(df1['ЗП в вакансии'].max() - 50000)
            # ("IT", "Продажи"),
            value = 1,
            key = f"2{i}"
        )
        # if count_view:
        list_obout_features[0] = count_view


        ctr = st.number_input(
            "Конверсия в клик",
            value = 0.03,
            key = f"22{i}"
        )
        list_obout_features[1] = ctr

        # dict_with_data[f"i"]['ctr'] = ctr

        ctr_connect = st.number_input(
            "Конверсия в подключение услуги",
            value = 0.05,

        key = f"26{i}"
        )
        list_obout_features[2] = ctr_connect

        money = st.selectbox(
            "Хотите ли Вы указать значение среднего чека или при расчете брать прогнозируемое значений", options=["Выставлю сам", "Использовать прогноз"], key = f"266{i}",
            index=None,
        )
        # dict_with_data[f"i"]['money'] = None

        if money == 'Выставлю сам':
            money_self = st.number_input(
                "Введите значение среднего чека",
                value = 1, key = f"267{i}"
            )
            # dict_with_data[f"i"]['money'] = money_self
            list_obout_features[3] = money_self

        list_obout_features[6] = money
        duration = st.selectbox(
            "Введите количество месяцев, на протяжении которых желаете оценивать влияние фичи",
            options=[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24], key = f"2677{i}")
        # dict_with_data[f"i"]['duration'] = duration
        list_obout_features[4] = duration

        # min_value=0,  # Минимальное значение
        # step=1,  # Шаг единицы
        # format='%d',  # Формат для целых чисел
        # # max_value=(df1['ЗП в вакансии'].max() - 50000)
        # # ("IT", "Продажи")


        date_start = st.date_input("Выберите дату старта акции:", datetime.date(2024, 10, 1), key = f"26i7{i}")
        list_obout_features[5] = date_start
        st.write("Вы выбрали дату:", date_start)
        list_with_data_by_features[i] = list_obout_features

# Заголовок приложения
st.title("Расчет прогнозных значений моделью SARIMA, с добавлением параментов фичи")
st.write("Файл должен содержать 3 колонки: Дата, Оборот, Средний чек")
st.write("Если Вы не подгружаете свои данные - расчет производится по дефолтным данным")
# Используем file_uploader для загрузки файла
uploaded_file = st.file_uploader("Выберите файл Excel", type=["xlsx"])

count_month = st.number_input(
        "Введите количество месяцев прогноза",
        min_value=0,  # Минимальное значение
        step=1,  # Шаг единицы
        format='%d',  # Формат для целых чисел
        # max_value=(df1['ЗП в вакансии'].max() - 50000)
        # ("IT", "Продажи")
        value=12
    )
# Проверяем, был ли загружен файл
if uploaded_file is not None:
    # Читаем файл Excel в DataFrame
    df = pd.read_excel(uploaded_file)

    # Отображаем загруженные данные
    st.write("Загруженные данные:")
    st.dataframe(df)


@st.cache_data
def load_file(path):
    data = pd.read_excel(path)
    return data

@st.cache_data
def fit_model(data_list, count_month):
    seasonal_order = (1, 1, 1, 12)  # Настройте параметры сезонности (P, D, Q, s)
    model = SARIMAX(data_list.dropna(), seasonal_order=seasonal_order)
    model_fit = model.fit()
    forecast = model_fit.forecast(steps=count_month)
    return forecast

data = load_file('Файл для построения прогноза.xlsx')
data = data.rename(columns={'Оборот по всем копилкам за месяц': 'Оборот', 'Изменение ср чека': 'Средний чек'})
st.dataframe(data, width=1100, height=250)
data['Дата'] = pd.to_datetime(data['Дата'], format="%d.%m.%Y") # изменяем тип данных на дату
data.set_index('Дата', inplace=True)
data = data.rename(columns={'Оборот по всем копилкам за месяц': 'Оборот', 'Изменение ср чека': 'Средний чек'})

# if count_month:
# seasonal_order = (1, 1, 1, 12)  # Настройте параметры сезонности (P, D, Q, s)
# model = SARIMAX(data['Оборот'].dropna(), seasonal_order=seasonal_order)
# model_fit = model.fit()
# forecast_new = model_fit.forecast(steps=count_month)

forecast_new = fit_model(data['Оборот'], count_month)

fig, ax = plt.subplots(figsize=(10, 5))
# plt.figure(figsize=(10, 5))
# plt.plot(train['Оборот по всем копилкам за месяц'], label='Train')
ax.plot(data['Оборот'], label='Исторические данные', color='orange')
ax.plot(forecast_new.index, forecast_new, label='Прогноз', color='green', linestyle='--')
ax.set_title('Прогнозирование общего оборота АН с помощью SARIMA')
ax.legend()
ax.grid()
# ax.show()
st.pyplot(fig)

forecast_chek = fit_model(data['Средний чек'], count_month)

# Визуализируем результаты
fig, ax = plt.subplots(figsize=(10, 5))
# plt.plot(train['Оборот по всем копилкам за месяц'], label='Train')
ax.plot(data['Средний чек'], label='Исторические данные', color='orange')
ax.plot(forecast_chek.index, forecast_chek, label='Прогноз', color='green', linestyle='--')
ax.set_title('Прогнозирование с помощью SARIMA среднего чека')
ax.legend()
ax.grid()
st.pyplot(fig)

st.subheader('Прогнозные значения без влияния фичи с понижающим коэффициентом 0,05')
df_no_feature = pd.DataFrame()
df_no_feature['Дата'] = forecast_new.index
df_no_feature['Оборот поогноз'] = [i*0.95 for i in list(forecast_new)]
df_no_feature['Средний чек'] = [i*0.95 for i in list(forecast_chek)]
st.dataframe(df_no_feature)

st.subheader('Прогнозные значения без влияния фичи без понижения коэффициентов')
df_no_feature = pd.DataFrame()
df_no_feature['Дата'] = forecast_new.index
df_no_feature['Оборот поогноз'] = [i for i in list(forecast_new)]
df_no_feature['Средний чек'] = [i for i in list(forecast_chek)]
st.dataframe(df_no_feature)

list_retention = [0.48, 0.58, 0.52, 0.47, 0.44, 0.42, 0.4, 0.38, 0.37, 0.35, 0.34, 0.33, 0.32, 0.31, 0.30, 0.29, 0.28, 0.27, 0.26, 0.25, 0.24]

st.subheader('Визуализация влияния фичи')

month_start = date_start

# summ_from_feature = 0

# random_colors = ['red', 'blue', 'lightgreen', 'gold', 'slategreay', 'indigo', 'coral', 'plum', 'blue', 'tomato']
# new_summ_with_features = ['red']

if money == 'Выставлю сам':
    forecast_chek = [money_self for i in range(len(forecast_new))]

# for i in range(count_features):
#  структура list_with_data_by_features: count_view, ctr, ctr_connect, money_self, duration, date_start, sum

list_with_colour = ['red', 'blue', 'lightgreen', 'gold', 'plum', 'indigo', 'coral', 'plum', 'blue', 'tomato']
r = 1
oborot = df_no_feature['Оборот поогноз']

for j in list_with_data_by_features:
    # st.write(j)
    if j[6] == 'Выставлю сам':
        forecast_chek = [j[3] for l in range(len(forecast_new))]
    new_summ_with_features = []
    list_retention = list_retention[:duration+1] + [0 for g in range(25)]
    summ_from_feature = 0
    for i in range(len(forecast_new)):
        # st.write(i)
        summ_from_feature = 0

        # print(f"Сумма прогноза без добавления фичи в период {forecast_new.index[i].date()} -", forecast_new[i])
        if (forecast_new.index[i].date() >= j[5]) & (
                forecast_new.index[i].date() <= j[5] + timedelta(days=j[4]*30)):
            # st.write((forecast_new.index[i].date() >= j[5]) & (
            #     forecast_new.index[i].date() <= j[5] + timedelta(days=180)))
            # oborot = df_no_feature['Оборот']
            summ_from_feature = j[0] * j[1] * j[2] * forecast_chek[i] * list_retention[i]
            # print("Доп сумма от фичи:", summ_from_feature)
            # st.write(summ_from_feature)

            new_summ_with_features.append(summ_from_feature + oborot[i])
            # st.write(new_summ_with_features)
            # i += 1
        else:
            new_summ_with_features.append(oborot[i])
            # st.write('new_summ_with_features', type(new_summ_with_features))
        # st.write('new_summ_with_features', type(new_summ_with_features))
    # st.write(forecast_new)
    # forecast_new
    df_no_feature[f'Прогноз с учетом фичи # {r}'] = list(new_summ_with_features)
    r+=1
    oborot = new_summ_with_features


# Визуализируем результаты
fig, ax = plt.subplots(figsize=(10, 5))
# plt.plot(train['Оборот по всем копилкам за месяц'], label='Train')
ax.plot(data['Оборот'], label='Исторические данные', color='orange')
ax.plot(forecast_new.index, df_no_feature['Оборот поогноз'], label='Прогноз', color='green', linestyle='--')
for k in range(len(list_with_data_by_features)):
    ax.plot(forecast_new.index, df_no_feature[f'Прогноз с учетом фичи # {k+1}'], label=f'Прогноз с добавлением фичи # {k+1}', color=list_with_colour[k], linestyle='--')

ax.set_title('Прогнозирование с помощью SARIMA')
ax.legend()
ax.grid()
st.pyplot(fig)

st.subheader('Данные с учетом влияния фичи')
# df_no_feature['Прогноз с учетом фичи'] = list(new_summ_with_features)
st.dataframe(df_no_feature)

st.subheader('Среднемесячные показатели за 2025 год')
mask = df_no_feature['Дата'].dt.year  == 2025
df_no_feature_2 = df_no_feature[mask]
df_no_feature_2.drop(columns={'Дата'}, inplace=True)
averages = df_no_feature_2.mean()
# averages.columns = ['Средние показатели']

# Вывод результата в одной строке

st.dataframe(averages)



st.write("Блок тестирования")
st.write(list_with_data_by_features)