Update app.py

app.py

@@ -1,7 +1,19 @@
 import streamlit as st
 import pandas as pd
 import numpy as np
-from datetime import datetime
+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')
 
@@ -15,15 +27,18 @@ with st.sidebar:
         step=1,  # Шаг единицы
         format='%d',  # Формат для целых чисел
         # max_value=(df1['ЗП в вакансии'].max() - 50000)
-        # ("IT", "Продажи")
+        # ("IT", "Продажи"),
+        value = 1
     )
 
     ctr = st.number_input(
         "Конверсия в клик",
+        value = 0.01
     )
 
     ctr_connect = st.number_input(
         "Конверсия в подключение услуги",
+        value = 0.01
     )
 
     money = st.selectbox(
@@ -34,6 +49,7 @@ with st.sidebar:
     if money == 'Выставлю сам':
         money_self = st.number_input(
             "Введите значение среднего чека",
+            value = 1
         )
 
     duration = st.selectbox(
@@ -42,6 +58,7 @@ with st.sidebar:
 
 
 
+
         # min_value=0,  # Минимальное значение
         # step=1,  # Шаг единицы
         # format='%d',  # Формат для целых чисел
@@ -49,16 +66,26 @@ with st.sidebar:
         # # ("IT", "Продажи")
     )
 
-    date_start = st.date_input("Выберите дату старта акции:", value=None)
+    date_start = st.date_input("Выберите дату старта акции:", datetime.date(2024, 10, 1))
     st.write("Вы выбрали дату:", date_start)
 
 
 # Заголовок приложения
-st.title("Загрузка файла Excel")
-
+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
@@ -67,3 +94,95 @@ if uploaded_file is not None:
     # Отображаем загруженные данные
     st.write("Загруженные данные:")
     st.dataframe(df)
+
+
+
+data = pd.read_excel('Файл для построения прогноза.xlsx')
+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)
+
+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)
+
+ # 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)
+# 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')
+df_no_feature = pd.DataFrame()
+df_no_feature['Дата'] = forecast_new.index
+df_no_feature['Оборот'] = list(forecast_new)
+df_no_feature['Средний чек'] = 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
+new_summ_with_features = []
+
+if money == 'Выставлю сам':
+    forecast_chek = [money_self for i in range(len(forecast_new))]
+
+list_retention = list_retention[:duration+1] + [0 for i in range(25)]
+for i in range(len(forecast_new)):
+
+    # print(f"Сумма прогноза без добавления фичи в период {forecast_new.index[i].date()} -", forecast_new[i])
+    if (forecast_new.index[i].date() >= month_start) & (
+            forecast_new.index[i].date() <= month_start + timedelta(days=180)):
+        summ_from_feature += count_view * ctr * ctr_connect * forecast_chek[i] * list_retention[i]
+        # print("Доп сумма от фичи:", summ_from_feature)
+
+        new_summ_with_features.append(summ_from_feature + forecast_new[i])
+        i += 1
+    else:
+        new_summ_with_features.append(forecast_new[i])
+
+
+# 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, forecast_new, label='Прогноз', color='green', linestyle='--')
+ax.plot(forecast_new.index, new_summ_with_features, label='Прогноз с добавлением фичи', color='red', 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)