Update app.py

app.py

@@ -96,18 +96,33 @@ if uploaded_file is not None:
     st.dataframe(df)
 
 
-
-data = pd.read_excel('Файл для построения прогноза.xlsx')
+@st.cache_data
+def load_file(path):
+    data = pd.read_excel(path)
+    return data
+
+@st.cache_data
+def fit_model(data_list):
+    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)
+# 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'])
 
 fig, ax = plt.subplots(figsize=(10, 5))
 # plt.figure(figsize=(10, 5))
@@ -122,11 +137,14 @@ st.pyplot(fig)
 
  # данные по среднему чеку также спрогнозируем помесячно
 # Обучаем модель SARIMA
-seasonal_order = (1, 1, 1, 12)  # Настройте параметры сезонности (P, D, Q, s)
-model = SARIMAX(data['Средний чек'].dropna(), seasonal_order=seasonal_order)
-model_fit = model.fit()
-# Прогнозируем
-forecast_chek = model_fit.forecast(steps=count_month)
+# seasonal_order = (1, 1, 1, 12)  # Настройте параметры сезонности (P, D, Q, s)
+# model = SARIMAX(data['Средний чек'].dropna(), seasonal_order=seasonal_order)
+# model_fit = model.fit()
+# # Прогнозируем
+# forecast_chek = model_fit.forecast(steps=count_month)
+
+forecast_chek = fit_model(data['Средний чек'])
+
 # Визуализируем результаты
 fig, ax = plt.subplots(figsize=(10, 5))
 # plt.plot(train['Оборот по всем копилкам за месяц'], label='Train')
@@ -185,4 +203,4 @@ 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.dataframe(df_no_feature)