Update app.py

app.py

@@ -2,113 +2,111 @@ 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")
+# 設置顏色主題
+theme = px.colors.qualitative.Bold
 
-# 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):
+# 下載並載入 CSV 數據
+def download_and_load_csv(url):
     response = requests.get(url)
     response.encoding = 'utf-8'
     df = pd.read_csv(io.StringIO(response.text), encoding='utf-8')
-    df = df.fillna(0)
+    df = df.fillna(0)  # 避免 NaN 錯誤
     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])
+# 美化圖表
+def beautify_chart(fig):
+    fig.update_layout(
+        font_family="Arial",
+        font_color="#444",
+        title_font_family="Arial",
+        title_font_color="#000",
+        legend_title_font_color="#000",
+        plot_bgcolor='rgba(0,0,0,0)',
+        paper_bgcolor='rgba(0,0,0,0)',
+    )
+    fig.update_xaxes(showline=True, linewidth=2, linecolor='lightgray', gridcolor='lightgray')
+    fig.update_yaxes(showline=True, linewidth=2, linecolor='lightgray', gridcolor='lightgray')
+    return fig
 
-# 顯示爬取的資料
-st.write("### 爬取的資料預覽")
-st.dataframe(selected_df.head())
+# **生成 Plotly 圖表**
+def generate_plots(df, df_name, selected_columns, chart_type):
+    selected_columns = list(selected_columns)  # 確保是列表
 
-# 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)
+    if not selected_columns:
+        st.error("❌ 沒有選擇數據欄位，請至少選擇一個！")
+        return
+    
+    if "公司名稱" not in df.columns:
+        st.error("❌ 缺少 公司名稱 欄位，請確認數據格式！")
+        return
 
-# 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)
+    # ✅ **確保所有 y 軸數據與 x 軸 (公司名稱) 長度一致**
+    df = df.dropna(subset=["公司名稱"] + selected_columns)  # **移除 NaN 確保長度相同**
+    df[selected_columns] = df[selected_columns].apply(pd.to_numeric, errors='coerce')  # **轉換數據類型**
     
-    # 創建一個標籤頁布局
-    tab1, tab2 = st.tabs(["圓餅圖", "長條圖"])
+    valid_columns = [col for col in selected_columns if col in df.columns and len(df[col]) == len(df["公司名稱"])]
     
-    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
-        )
+    if not valid_columns:
+        st.error(f"❌ 選擇的欄位長度與 公司名稱 不匹配，請檢查數據！\n"
+                 f"📊 公司名稱 長度: {len(df['公司名稱'])}\n"
+                 f"🟢 可用欄位: {valid_columns}")
+        return
+
+    with st.expander(f"📊 顯示 {df_name} 圖表"):
+        st.subheader(f"{df_name} - {chart_type} 圖")
+
+        # **根據選擇的圖表類型來繪製**
+        if chart_type == "折線圖":
+            fig = px.line(df, x="公司名稱", y=valid_columns, title=f"{df_name} - 折線圖", color_discrete_sequence=theme)
         
-        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')
+        elif chart_type == "散點圖":
+            fig = px.scatter(df, x="公司名稱", y=valid_columns, title=f"{df_name} - 散點圖", color_discrete_sequence=theme)
+        
+        elif chart_type == "長條圖":
+            fig = px.bar(df, x="公司名稱", y=valid_columns, title=f"{df_name} - 長條圖", color_discrete_sequence=theme)
+        
+        elif chart_type == "餅圖":
+            total_emissions = df.groupby("公司名稱")[valid_columns].sum().reset_index()
+            total_emissions = total_emissions.melt(id_vars=["公司名稱"], value_vars=valid_columns, var_name="排放類型", value_name="總排放量")
+            fig = px.pie(total_emissions, values='總排放量', names='公司名稱', title=f"{df_name} - 餅圖", color_discrete_sequence=theme, hole=0.3)
+            fig.update_traces(textposition='inside', textinfo='percent+label')
+
+        fig = beautify_chart(fig)
+        st.plotly_chart(fig, use_container_width=True)  # ✅ **讓圖表自適應畫面**
+
+# **下載數據**
+urls = [
+    "https://mopsfin.twse.com.tw/opendata/t187ap46_L_1.csv",
+    "https://mopsfin.twse.com.tw/opendata/t187ap46_O_2.csv",
+    "https://mopsfin.twse.com.tw/opendata/t187ap46_L_6.csv"
+]
+
+dfs = [download_and_load_csv(url) for url in urls]
+combined_df = pd.concat(dfs, ignore_index=True).fillna(0)  # 合併數據並填充 NaN 值
+
+# **再次填充 NaN 值**
+combined_df = combined_df.fillna(0)
+
+# **只顯示前300筆數據**
+combined_df = combined_df.head(300)
+
+# **Streamlit UI**
+st.title("📊 台灣企業 ESG 數據分析")
+
+st.subheader("📂 數據預覽")
+st.dataframe(combined_df)
+
+# **選擇數據欄位**
+emission_columns = ["範疇一排放量(噸CO2e)", "範疇二排放量(噸CO2e)", "範疇三排放量(噸CO2e)"]
+selected_columns = st.multiselect("選擇要顯示的排放類別", emission_columns, default=emission_columns[:1])
+
+# **選擇圖表類型**
+chart_type = st.selectbox("選擇圖表類型", ["折線圖", "散點圖", "長條圖", "餅圖"])
+
+# **生成圖表**
+if selected_columns:
+    generate_plots(combined_df, "綜合數據", selected_columns, chart_type)
+else:
+    st.write("⚠️ 請選擇至少一個排放類別來顯示圖表。")