Update src/streamlit_app.py

src/streamlit_app.py

@@ -2,13 +2,9 @@ import streamlit as st
 import pandas as pd
 import numpy as np
 
-# ---核心計算函式 (與前一個範例相同)---
+# --- 核心計算函式 (保持不變) ---
 
 def calculate_theoretical_pga(magnitude, distance):
-    """
-    根據給定的地震動預估式(GMPE)計算理論PGA值
-    PGA = 1.657 * e^(0.533*M) * r^(-1.607)
-    """
     if distance <= 0:
         return np.inf
     exp_term = np.exp(0.533 * magnitude)
@@ -16,109 +12,150 @@ def calculate_theoretical_pga(magnitude, distance):
     return 1.657 * exp_term * dist_term
 
 def calculate_site_amplification(df):
-    """
-    計算每個測站的平均場址放大因子 S
-    """
     df_copy = df.copy()
-    
-    # 計算理論PGA
     df_copy['theoretical_pga'] = df_copy.apply(
         lambda row: calculate_theoretical_pga(row['magnitude'], row['distance_km']),
         axis=1
     )
-    
-    # 計算單次放大效應
     df_copy['single_event_amplification'] = df_copy['observed_pga'] / df_copy['theoretical_pga']
-    
-    # 計算各站點平均放大因子
     site_amplification_factors = df_copy.groupby('station_id')['single_event_amplification'].mean().reset_index()
     site_amplification_factors.rename(columns={'single_event_amplification': 'site_amplification_factor_S'}, inplace=True)
-    
     return df_copy, site_amplification_factors
 
+# --- 創意功能函式 ---
+
+def get_s_factor_interpretation(s_value):
+    """將 S 因子轉換成白話文解說"""
+    if s_value > 2.0:
+        return f"🔴 **極顯著放大 ({s_value:.2f})**: 此處地質鬆軟，搖晃程度可能是堅硬岩盤地區的 **2倍以上**！需特別注意建築結構安全。"
+    elif s_value > 1.5:
+        return f"🟠 **顯著放大 ({s_value:.2f})**: 此處有明顯的場址放大效應，搖晃會比理論值強烈很多。"
+    elif s_value > 1.1:
+        return f"🟡 **輕微放大 ({s_value:.2f})**: 搖晃程度略高於理論值，存在一定的放大效應。"
+    elif s_value < 0.9:
+        return f"🔵 **減弱效應 ({s_value:.2f})**: 此處地質可能較為堅硬，搖晃程度反而比理論值小。"
+    else:
+        return f"🟢 **接近基準 ({s_value:.2f})**: 此處的搖晃程度與標準岩盤地區接近。"
+        
+def predict_pga_with_s(magnitude, distance, s_factor):
+    """使用S因子預測一個假想地震的PGA"""
+    base_pga = calculate_theoretical_pga(magnitude, distance)
+    return base_pga * s_factor
+
 # --- Streamlit 介面 ---
 
-st.set_page_config(page_title="場址放大因子計算器", layout="wide")
+st.set_page_config(page_title="創意場址放大因子儀表板", layout="wide")
 
-st.title("🌋 場址放大因子 (S) 計算器")
-st.markdown("""
-這是一個根據地震觀測紀錄，計算各地震測站「場址放大因子 (Site Amplification Factor, S)」的工具。
-其原理是比較 **實際觀測到的地動值 (PGA)** 與 **理論上的預估值** 之間的差異，從而量化特定場址因局部地質條件對地震波的放大程度。
-""")
+# 1. 標題與介紹
+st.title("🌋 創意場址放大因子儀表板")
+st.image("https://media.giphy.com/media/l41lGvinEgARjB2HC/giphy.gif", caption="地震波在地層中傳遞示意圖")
+st.markdown("不僅計算 S 因子，更透過地圖、情境模擬，讓您『看見』並『感受』場址效應的威力！")
 
-# --- 側邊欄：資料來源選擇 ---
 
-st.sidebar.header("Step 1: 選擇資料來源")
-data_source = st.sidebar.radio(
-    "請選擇您的資料來源：",
-    ("使用內建範例資料", "上傳自己的 CSV 檔案")
-)
+# 2. 側邊欄
+st.sidebar.header("Step 1: 載入資料")
+data_source = st.sidebar.radio("請選擇資料來源：", ("使用內建範例資料", "上傳自己的 CSV 檔案"))
 
-# 準備資料 DataFrame
 input_df = None
-
 if data_source == "使用內建範例資料":
-    st.sidebar.info("您已選擇使用程式內建的範例資料進行計算。")
+    st.sidebar.info("範例資料已加入經緯度(lat, lon)，以用於地圖視覺化。")
     data = {
-        'station_id': ['STA1', 'STA2', 'STA3', 'STA1', 'STA2', 'STA3', 'STA1', 'STA2', 'STA3', 'STA1', 'STA2', 'STA3', 'STA1', 'STA2', 'STA3'],
-        'earthquake_id': ['EQ1', 'EQ1', 'EQ1', 'EQ2', 'EQ2', 'EQ2', 'EQ3', 'EQ3', 'EQ3', 'EQ4', 'EQ4', 'EQ4', 'EQ5', 'EQ5', 'EQ5'],
-        'magnitude': [6.2, 6.2, 6.2, 5.5, 5.5, 5.5, 7.0, 7.0, 7.0, 4.8, 4.8, 4.8, 6.5, 6.5, 6.5],
-        'distance_km': [50, 80, 75, 30, 25, 45, 120, 90, 100, 60, 80, 70, 40, 65, 55],
-        'observed_pga': [80, 150, 90, 100, 180, 110, 60, 130, 75, 25, 50, 30, 150, 280, 180] 
+        'station_id': ['TPE', 'KHH', 'HUA', 'TPE', 'KHH', 'HUA', 'TPE', 'KHH', 'HUA', 'TPE', 'KHH', 'HUA'],
+        'lat': [25.0330, 22.6273, 23.9739, 25.0330, 22.6273, 23.9739, 25.0330, 22.6273, 23.9739, 25.0330, 22.6273, 23.9739],
+        'lon': [121.5654, 120.3014, 121.6059, 121.5654, 120.3014, 121.6059, 121.5654, 120.3014, 121.6059, 121.5654, 120.3014, 121.6059],
+        'earthquake_id': ['EQ1', 'EQ1', 'EQ1', 'EQ2', 'EQ2', 'EQ2', 'EQ3', 'EQ3', 'EQ3', 'EQ4', 'EQ4', 'EQ4'],
+        'magnitude': [6.2, 6.2, 6.2, 5.5, 5.5, 5.5, 7.0, 7.0, 7.0, 6.5, 6.5, 6.5],
+        'distance_km': [50, 200, 30, 80, 150, 60, 120, 250, 40, 40, 180, 25],
+        # KHH(高雄)的地質條件較軟，預期會有較大的放大效應
+        'observed_pga': [80, 40, 150, 30, 25, 60, 60, 35, 180, 150, 55, 280] 
     }
     input_df = pd.DataFrame(data)
-
 else:
-    uploaded_file = st.sidebar.file_uploader("請上傳您的 CSV 檔案", type=["csv"])
-    if uploaded_file is not None:
+    uploaded_file = st.sidebar.file_uploader("上傳 CSV (需含 lat, lon 欄位)", type=["csv"])
+    if uploaded_file:
         input_df = pd.read_csv(uploaded_file)
-        st.sidebar.success("檔案上傳成功！")
-    else:
-        st.sidebar.warning("請上傳一個 CSV 檔。")
-
-# --- 主畫面 ---
 
+# 3. 主畫面
 if input_df is not None:
-    st.header("1. 原始觀測資料")
-    st.dataframe(input_df)
-
-    # 檢查必要欄位是否存在
-    required_columns = ['station_id', 'magnitude', 'distance_km', 'observed_pga']
-    if not all(col in input_df.columns for col in required_columns):
-        st.error(f"錯誤：您上傳的檔案缺少必要的欄位。請確保檔案包含以下欄位：{', '.join(required_columns)}")
-    else:
-        st.sidebar.header("Step 2: 開始計算")
-        if st.sidebar.button("🚀 計算場址放大因子 (S)"):
-            with st.spinner('正在進行計算中，請稍候...'):
-                # 執行計算
+    st.sidebar.header("Step 2: 執行計算")
+    if st.sidebar.button("🚀 點我開始分析！"):
+        with st.spinner('科學計算中，請稍候...'):
+            required_cols = ['station_id', 'lat', 'lon', 'magnitude', 'distance_km', 'observed_pga']
+            if not all(col in input_df.columns for col in required_cols):
+                 st.error(f"資料格式錯誤！請確保您的 CSV 包含以下欄位: {required_cols}")
+            else:
                 intermediate_df, final_factors_df = calculate_site_amplification(input_df)
-                
-                st.header("2. 計算過程詳情")
-                st.markdown("下方表格增加了 `theoretical_pga` (理論預估PGA) 與 `single_event_amplification` (單次放大效應) 欄位。")
-                st.dataframe(intermediate_df)
-                
-                st.header("3. 最終計算結果")
-                st.markdown("各測站的平均場址放大因子 (S) 如下：")
-                
-                # 使用欄位並排顯示表格和圖表
-                col1, col2 = st.columns([0.4, 0.6])
-                
-                with col1:
-                    st.dataframe(final_factors_df)
-                
-                with col2:
-                    st.markdown("#### 結果視覺化比較")
-                    # 將 station_id 設為 index 以便繪圖
-                    chart_data = final_factors_df.set_index('station_id')
-                    st.bar_chart(chart_data['site_amplification_factor_S'])
-
-                # 解讀結果
-                st.info("""
-                **結果解讀:**
-                - **S > 1**: 表示該測站的平均地動比理論值大，存在「放大效應」。S值越大，放大效應越顯著。
-                - **S ≈ 1**: 表示該測站的平均地動與理論值接近。
-                - **S < 1**: 表示該測站的平均地動比理論值小，可能存在「減弱效應」。
-                """)
+                # 將 station 的經緯度資訊合併到最終結果中
+                station_locations = input_df[['station_id', 'lat', 'lon']].drop_duplicates().set_index('station_id')
+                st.session_state.final_results = final_factors_df.join(station_locations, on='station_id')
+                st.session_state.intermediate_results = intermediate_df
+                st.success("計算完成！請查看下方分頁結果。")
+    
+    if 'final_results' in st.session_state:
+        # 使用分頁呈現結果
+        tab1, tab2, tab3, tab4 = st.tabs(["📊 結果總覽", "🗺️ 地圖視覺化", "🔬 What-If 模擬器", "📄 資料詳情"])
+
+        final_df = st.session_state.final_results
+
+        with tab1:
+            st.header("📊 各測站平均場址放大因子 (S)")
+            col1, col2 = st.columns([0.5, 0.5])
+            with col1:
+                st.dataframe(final_df[['station_id', 'site_amplification_factor_S']].style.format({'site_amplification_factor_S': "{:.2f}"}))
+                st.bar_chart(final_df.set_index('station_id')['site_amplification_factor_S'])
+
+            with col2:
+                st.subheader("💬 結果白話文解說")
+                for index, row in final_df.iterrows():
+                    st.markdown(f"**{row['station_id']} 測站:**")
+                    st.markdown(get_s_factor_interpretation(row['site_amplification_factor_S']))
+                    st.markdown("---")
+
+        with tab2:
+            st.header("🗺️ 場址放大效應地理分佈")
+            st.markdown("地圖上的點越大，���表該地的場址放大效應越強烈。")
+            
+            # 為了讓地圖上的點大小差異更明顯，進行正規化
+            min_s = final_df['site_amplification_factor_S'].min()
+            max_s = final_df['site_amplification_factor_S'].max()
+            # 避免 max_s == min_s 的情況
+            if (max_s - min_s) > 0:
+                final_df['size'] = 50 + ((final_df['site_amplification_factor_S'] - min_s) / (max_s - min_s)) * 500
+            else:
+                final_df['size'] = 100
+
+            st.map(final_df, latitude='lat', longitude='lon', size='size', zoom=6)
+
+        with tab3:
+            st.header("🔬 What-If 情境模擬器")
+            st.markdown("如果現在發生一場地震，各地搖晃程度會是多少？")
+            
+            sim_col1, sim_col2 = st.columns(2)
+            with sim_col1:
+                sim_mag = st.slider("設定假想地震規模 (M)", min_value=4.0, max_value=8.0, value=6.5, step=0.1)
+            with sim_col2:
+                sim_dist = st.number_input("設定您與震央的距離 (公里)", min_value=10, max_value=300, value=50)
+
+            st.markdown(f"#### 模擬結果：規模 **{sim_mag}**、距離 **{sim_dist}** 公里的地震")
+
+            sim_results = []
+            for index, row in final_df.iterrows():
+                predicted_pga = predict_pga_with_s(sim_mag, sim_dist, row['site_amplification_factor_S'])
+                sim_results.append({
+                    "測站": row['station_id'],
+                    "場址放大因子 (S)": f"{row['site_amplification_factor_S']:.2f}",
+                    "預估搖晃程度 (PGA)": f"{predicted_pga:.2f}"
+                })
+            
+            st.table(pd.DataFrame(sim_results))
+            st.info("💡 注意：PGA 越高，代表地表加速度越大，感受到的搖晃越劇烈。")
+
+        with tab4:
+            st.header("📄 詳細資料與計算過程")
+            with st.expander("點此查看原始觀測資料"):
+                st.dataframe(input_df)
+            with st.expander("點此查看詳細計算過程 (含單次放大效應)"):
+                st.dataframe(st.session_state.intermediate_results)
 else:
-    st.info("請在左方側邊欄選擇或上傳資料以開始。")
+    st.info("請在左方側邊欄選擇資料來源，然後點擊按鈕開始分析。")