Update app.py

app.py

@@ -15,6 +15,32 @@ import dash
 import plotly.express as px
 import plotly.graph_objects as go
 from plotly.subplots import make_subplots
+from predictor import predict_next_day_price
+
+
+try:
+    df_tsmc_raw = pd.read_csv('df_2330.csv')
+    df_climate_raw = pd.read_csv('business_climate.csv')
+    print("成功讀取原始資料檔案。")
+except FileNotFoundError:
+    print("錯誤：找不到 'df_2330.csv' 或 'business_climate.csv'。")
+    exit()
+
+# --- 2. 直接呼叫函式進行預測 ---
+# 您只需要將原始的 DataFrame 傳進去，剩下的交給 predictor 模組處理
+print("\n呼叫模型進行預測...")
+prediction = predict_next_day_price(df_tsmc_raw, df_climate_raw)
+
+# --- 3. 使用預測結果 ---
+if prediction is not None:
+    print("\n" + "="*40)
+    print(f" ✅ 預測成功！")
+    print(f" 模型預測的下一日收盤價為: {prediction:.2f}")
+    print("="*40)
+else:
+    print("\n" + "="*40)
+    print(f" ❌ 預測失敗。請檢查 predictor 模組的錯誤訊息。")
+    print("="*40)
 
 # 台股代號對應表 (移除台指期，因為它現在是獨立區塊)
 TAIWAN_STOCKS = {