Update app.py

app.py

@@ -258,15 +258,29 @@ def update_download_link():
         model_date_pivot = model_date_pivot.sort_index()
         model_cumulative = model_date_pivot.cumsum()
         
-        # Создаем график накопительного количества сообщений по моделям
+        # После вычисления model_cumulative
+        
+        # 1. Получаем накопительные итоги на последнюю дату
+        last_date_totals = model_cumulative.iloc[-1]
+        
+        # 2. Сортируем модели по накопительным итогам
+        sorted_models = last_date_totals.sort_values(ascending=False).index.tolist()
+        
+        # 3. Переупорядочиваем столбцы в model_cumulative
+        model_cumulative = model_cumulative[sorted_models]
+        
+        # 4. Сбрасываем индекс и преобразуем DataFrame для построения графика
         model_cumulative_reset = model_cumulative.reset_index()
         model_cumulative_melted = model_cumulative_reset.melt(id_vars='Дата сохранения', var_name='Модель', value_name='Количество сообщений')
+        
+        # Создаем график с указанием порядка категорий
         cumulative_model_fig = px.line(
             model_cumulative_melted,
             x='Дата сохранения',
             y='Количество сообщений',
             color='Модель',
-            title='Накопительное количество сообщений по моделям'
+            title='Накопительное количество сообщений по моделям',
+            category_orders={'Модель': sorted_models}
         )
 
         # Вычисляем накопительное количество сообщений без корректировок по моделям
@@ -284,19 +298,29 @@ def update_download_link():
         # Вычисляем накопительную сумму по датам
         clean_model_cumulative = clean_model_date_pivot.cumsum()
         
-        # Сбрасываем индекс для преобразования 'Дата сохранения' из индекса в столбец
-        clean_model_cumulative_reset = clean_model_cumulative.reset_index()
+        # После вычисления clean_model_cumulative
+        
+        # 1. Получаем накопительные итоги на последнюю дату
+        last_date_clean_totals = clean_model_cumulative.iloc[-1]
+        
+        # 2. Сортируем модели по накопительным итогам
+        sorted_clean_models = last_date_clean_totals.sort_values(ascending=False).index.tolist()
         
-        # Преобразуем DataFrame в длинный формат для построения графика
+        # 3. Переупорядочиваем столбцы в clean_model_cumulative
+        clean_model_cumulative = clean_model_cumulative[sorted_clean_models]
+        
+        # 4. Сбрасываем индекс и преобразуем DataFrame для построения графика
+        clean_model_cumulative_reset = clean_model_cumulative.reset_index()
         clean_model_cumulative_melted = clean_model_cumulative_reset.melt(id_vars='Дата сохранения', var_name='Модель', value_name='Количество сообщений без корректировок')
         
-        # Создаем график
+        # Создаем график с указанием порядка категорий
         cumulative_clean_model_fig = px.line(
             clean_model_cumulative_melted,
             x='Дата сохранения',
             y='Количество сообщений без корректировок',
             color='Модель',
-            title='Накопительное количество сообщений без корректировок по моделям'
+            title='Накопительное количество сообщений без корректировок по моделям',
+            category_orders={'Модель': sorted_clean_models}
         )
 
         # Вычисляем накопительное количество сообщений по авторам
@@ -314,21 +338,31 @@ def update_download_link():
         # Вычисляем накопительную сумму по датам
         author_cumulative = author_date_pivot.cumsum()
         
-        # Сбрасываем индекс для преобразования 'Дата сохранения' из индекса в столбец
-        author_cumulative_reset = author_cumulative.reset_index()
+        # После вычисления author_cumulative
+        
+        # 1. Получаем накопительные итоги на последнюю дат��
+        last_date_author_totals = author_cumulative.iloc[-1]
         
-        # Преобразуем DataFrame в длинный формат для построения графика
+        # 2. Сортируем авторов по накопительным итогам
+        sorted_authors = last_date_author_totals.sort_values(ascending=False).index.tolist()
+        
+        # 3. Переупорядочиваем столбцы в author_cumulative
+        author_cumulative = author_cumulative[sorted_authors]
+        
+        # 4. Сбрасываем индекс и преобразуем DataFrame для построения графика
+        author_cumulative_reset = author_cumulative.reset_index()
         author_cumulative_melted = author_cumulative_reset.melt(id_vars='Дата сохранения', var_name='Автор', value_name='Количество сообщений')
         
-        # Создаем график
+        # Создаем график с указанием порядка категорий
         cumulative_author_fig = px.line(
             author_cumulative_melted,
             x='Дата сохранения',
             y='Количество сообщений',
             color='Автор',
-            title='Накопительное количество сообщений по авторам'
+            title='Накопительное количество сообщений по авторам',
+            category_orders={'Автор': sorted_authors}
         )
-   
+
         # Prepare display outputs
         total_messages_display_value = f"**Общее количество сообщений:** {total_messages}"
         total_clean_messages_display_value = f"**Общее количество сообщений без необходимости корректировок:** {total_clean_messages}"