Update app.py

app.py

@@ -8,8 +8,6 @@ import io
 import time
 from sklearn.cluster import KMeans
 from sklearn.preprocessing import StandardScaler
-import base64
-from io import BytesIO
 
 # 確保正確的中文字符編碼
 st.set_page_config(page_title="🌳台灣中小企業ESG數據分析與揭露儀表板🌲", page_icon=":chart_with_upwards_trend:", layout="wide")
@@ -30,15 +28,6 @@ def load_data(url):
     df = df.fillna(0)
     return df
 
-# 函數：將圖表轉換為可下載的連結
-def get_image_download_link(fig, filename, text):
-    buf = BytesIO()
-    fig.write_image(buf, format="png")
-    buf.seek(0)
-    b64 = base64.b64encode(buf.read()).decode()
-    href = f'<a href="data:image/png;base64,{b64}" download="{filename}">{text}</a>'
-    return href
-
 # Streamlit 應用程式
 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/")
@@ -95,9 +84,6 @@ if st.button("生成圖表"):
             margin=dict(t=50, b=50, l=50, r=50)
         )
         st.plotly_chart(fig_pie, use_container_width=True)
-        
-        # 添加下載按鈕
-        st.markdown(get_image_download_link(fig_pie, "pie_chart.png", "下載圓餅圖"), unsafe_allow_html=True)
 
     with tab2:
         # 使用 plotly 創建長條圖
@@ -118,22 +104,15 @@ if st.button("生成圖表"):
             height=600
         )
         st.plotly_chart(fig_bar, use_container_width=True)
-        
-        # 添加下載按鈕
-        st.markdown(get_image_download_link(fig_bar, "bar_chart.png", "下載長條圖"), unsafe_allow_html=True)
 
     with tab3:
-        # 對所有數據集執行K-means分析
-        st.subheader(f"{dataset_choice}數據的K-means分析")
-
-        # 選擇用於聚類的特徵
-        cluster_features = st.multiselect("選擇用於聚類的特徵", numeric_columns, default=numeric_columns[:2])
+        if dataset_choice == "溫室氣體":
+            # 對溫室氣體數據進行K-means分析
+            st.subheader("溫室氣體數據的K-means分析")
 
-        # 選擇聚類數量
-        n_clusters = st.slider("選擇聚類數量", min_value=2, max_value=10, value=3)
+            # 選擇用於聚類的特徵
+            cluster_features = st.multiselect("選擇用於聚類的特徵", numeric_columns, default=numeric_columns[:2])
 
-        # 添加一個執行K-means分析的按鈕
-        if st.button("執行K-means分析"):
             if len(cluster_features) >= 2:
                 # 準備數據
                 X = selected_df[cluster_features]
@@ -141,6 +120,7 @@ if st.button("生成圖表"):
                 X_scaled = scaler.fit_transform(X)
 
                 # 執行K-means聚類
+                n_clusters = st.slider("選擇聚類數量", min_value=2, max_value=10, value=3)
                 kmeans = KMeans(n_clusters=n_clusters, random_state=42)
                 clusters = kmeans.fit_predict(X_scaled)
 
@@ -154,12 +134,9 @@ if st.button("生成圖表"):
                     y=cluster_features[1],
                     color='Cluster',
                     hover_data=['公司名稱'],
-                    title=f"{dataset_choice}數據的K-means聚類 ({cluster_features[0]} vs {cluster_features[1]})"
+                    title=f"溫室氣體數據的K-means聚類 ({cluster_features[0]} vs {cluster_features[1]})"
                 )
                 st.plotly_chart(fig_scatter, use_container_width=True)
-                
-                # 添加下載按鈕
-                st.markdown(get_image_download_link(fig_scatter, "kmeans_scatter.png", "下載K-means散點圖"), unsafe_allow_html=True)
 
                 # 顯示每個聚類的特徵
                 st.subheader("聚類特徵")
@@ -168,8 +145,10 @@ if st.button("生成圖表"):
 
             else:
                 st.warning("請至少選擇兩個特徵進行聚類分析。")
+        else:
+            st.info("K-means分析僅適用於溫室氣體數據集。")
 
-    st.success("圖表生成完成！您可以使用下載按鈕保存圖表，然後列印。")
+    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"