app.py

import streamlit as st
import pandas as pd
import requests
import plotly.express as px
import matplotlib.font_manager as fm
import matplotlib as mpl
import io
import time

# 確保正確的中文字符編碼
st.set_page_config(page_title="🌳台灣中小企業ESG數據分析與揭露儀錶板🌲", page_icon=":chart_with_upwards_trend:", layout="wide")

# 定義 URL
urls = {
    "溫室氣體": "https://mopsfin.twse.com.tw/opendata/t187ap46_L_1.csv",
    "能源": "https://mopsfin.twse.com.tw/opendata/t187ap46_O_2.csv",
    "董事會揭露": "https://mopsfin.twse.com.tw/opendata/t187ap46_L_6.csv"
}

# 下載並加載 CSV 文件到 DataFrame 的函數
@st.cache_data
def load_data(url):
    response = requests.get(url)
    response.encoding = 'utf-8'
    df = pd.read_csv(io.StringIO(response.text), encoding='utf-8')
    df = df.fillna(0)
    return df

# Streamlit 應用
st.title("台灣企業ESG數據分析與揭露")
st.subheader("以溫室氣體 X 再生能源 X 董事會資訊: https://www.tejwin.com/insight/carbon-footprint-verification/")
st.subheader("ESG投資: https://www.fhtrust.com.tw/ESG/operating")

# 允許用戶選擇數據集
dataset_choice = st.selectbox("選擇要顯示的數據集", list(urls.keys()))

# 加載選定的數據集
selected_df = load_data(urls[dataset_choice])

# 顯示爬取的資料
st.write("### 爬取的資料預覽")
st.dataframe(selected_df.head())

# 過濾出數值類型的列，排除 '出表日期' 和 '報告年度'
numeric_columns = selected_df.select_dtypes(include=['float64', 'int64']).columns
numeric_columns = [col for col in numeric_columns if col not in ['出表日期', '報告年度']]

# 允許用戶選擇用於繪製圖表的列
column_choice = st.selectbox("選擇欄位來繪製圖表", numeric_columns)

# 添加一個生成圖表的按鈕
if st.button("生成圖表"):
    # 顯示進度條
    progress_bar = st.progress(0)
    for i in range(100):
        time.sleep(0.01)
        progress_bar.progress(i + 1)
    
    # 創建一個標籤頁布局
    tab1, tab2 = st.tabs(["圓餅圖", "長條圖"])
    
    with tab1:
        # 使用 plotly 創建圓餅圖
        fig_pie = px.pie(
            selected_df, 
            names='公司名稱', 
            values=column_choice, 
            title=f"{dataset_choice} - {column_choice} 圓餅圖",
            color_discrete_sequence=px.colors.qualitative.Pastel
        )
        
        fig_pie.update_traces(textposition='inside', textinfo='percent+label')

        # 將 legend 移到圖表的下方
        fig_pie.update_layout(
            font=dict(size=12),
            legend=dict(
                orientation="h",  # 橫向排列
                yanchor="top",  # 固定在圖表的頂部
                y=-0.3,  # 將 legend 移到圖表下方，調整這個值控制距離
                xanchor="center", 
                x=0.5
            ),
            height=700,  # 增加圖表高度
            margin=dict(t=50, b=50, l=50, r=50)  # 邊距調整
        )

        st.plotly_chart(fig_pie, use_container_width=True)

    with tab2:
        # 使用 plotly 創建長條圖
        fig_bar = px.bar(selected_df, x='公司名稱', y=column_choice, 
                         title=f"{dataset_choice} - {column_choice} 長條圖",
                         color='公司名稱',
                         color_discrete_sequence=px.colors.qualitative.Pastel)
        fig_bar.update_layout(
            xaxis_title="企業",
            yaxis_title=column_choice,
            font=dict(size=12),
            xaxis_tickangle=-45,
            showlegend=False,
            height=600  # 增加圖表高度
        )
        st.plotly_chart(fig_bar, use_container_width=True)
    
    st.success("圖表生成完成！")

# 下載並設置自定義字體以顯示中文字符
font_url = "https://drive.google.com/uc?id=1eGAsTN1HBpJAkeVM57_C7ccp7hbgSz3_&export=download"
font_response = requests.get(font_url)
with open("TaipeiSansTCBeta-Regular.ttf", "wb") as font_file:
    font_file.write(font_response.content)
fm.fontManager.addfont("TaipeiSansTCBeta-Regular.ttf")
mpl.rc('font', family='Taipei Sans TC Beta')