Update app.py

app.py

@@ -1,15 +1,22 @@
-# -*- coding: utf-8 -*-
-"""DASS心理模型(Q12).ipynb
+#!/usr/bin/env python
+# coding: utf-8
 
-Automatically generated by Colab.
+# 建立環境
 
-Original file is located at
-    https://colab.research.google.com/drive/19ATyW5Lb692QV2Gk2I0rlsbeSQNwEDnQ
+# In[50]:
+
+
+# get_ipython().system('pip install gradio')
+
+
+# In[51]:
+
+
+# get_ipython().system('pip install gspread google-auth')
 
-建立環境
-"""
 
-# !pip install gradio
+# In[52]:
+
 
 import pandas as pd
 import matplotlib.pyplot as plt
@@ -36,7 +43,11 @@ from AutoPreprocess import AutoPreprocess
 from google.oauth2.service_account import Credentials
 from datetime import datetime, timezone, timedelta
 
-"""Gradio 使用者介面"""
+
+# Gradio 使用者介面
+
+# In[53]:
+
 
 # 載入模型
 import pickle
@@ -46,14 +57,78 @@ with open(model_path, "rb") as f:
     model = pickle.load(f)
 model
 
-"""定義歷史紀錄功能"""
 
-def update_history(current_result_1, current_result_2, out_error, history_list):
+# 定義儲存測試資料的功能
+
+# In[54]:
+
+
+import os
+import json
+from datetime import datetime, timezone, timedelta
+import gspread
+from google.oauth2.service_account import Credentials
+
+# 設定台灣時區
+tw_timezone = timezone(timedelta(hours=8))
+
+def save_to_google_sheets(inputs, a_score, d_score, s_score, t_score, score):
+
+    # 1. 設定 Google Sheets 存取權限
+    scope = ['https://www.googleapis.com/auth/spreadsheets',
+             'https://www.googleapis.com/auth/drive']
+
+    # 設定Secret Variables(藏金鑰)
+    google_json = os.environ.get("DASS_JSON")
+    info = json.loads(google_json)
+    creds = Credentials.from_service_account_info(info, scopes=scope)
+    client = gspread.authorize(creds)
+
+    # 2. 開啟指定名稱的試算表 (確保已分享權限給 service account)
+    sheet = client.open("DASS使用者測試資料").sheet1 # 存於檔案的第一張工作表
+
+
+    # 1. 拆分資料：前 3 個是基本資料，後面剩下的 (*rest) 是 12 題答案
+    user_info = inputs[:3]  # 取得前三個：姓名, 年齡, 性別
+    q_answers = inputs[3:]  # 取得剩下的 12 題
+    now = datetime.now(tw_timezone).strftime("%Y-%m-%d %H:%M:%S")
+
+    # 2. 準備要儲存的資料字典
+    row_to_add = [
+        now,             # 欄位 A: 測試時間
+        user_info[0],   # 欄位 B: 性別
+        user_info[1],   # 欄位 C: 年齡
+        user_info[2],   # 欄位 D: 家庭人數
+        a_score,         # 欄位 E: 焦慮分數
+        d_score,         # 欄位 F: 憂鬱分數
+        s_score,         # 欄位 G: 壓力分數
+        t_score,         # 欄位 H: 總體分數
+        score            # 欄位 I: 整體程度 (標籤)
+    ]
+
+    row_to_add.extend(q_answers) # 加入 Q1-Q12 (J欄以後)
+
+    # 4. 追加到試算表最後一行
+
+    def to_py(v):
+        return v.item() if hasattr(v, "item") else v
+
+    row_to_add = [to_py(x) for x in row_to_add]
+
+    sheet.append_row(row_to_add)
+
+
+# 定義歷史紀錄功能
+
+# In[56]:
+
+
+def update_history(current_result_1, current_result_2, history_list):
     """
     current_result_1 & 2: 來自 predict_risk 的兩個回傳值 (HTML 字串)
     history_list: 來自 gr.State 的現有紀錄列表
     """
-    tw_timezone = timezone(timedelta(hours=8))
+
     # 獲取當前時間，格式為：2023-10-27 14:30:05
     now = datetime.now(tw_timezone).strftime("%Y-%m-%d %H:%M:%S")
 
@@ -95,183 +170,120 @@ def update_history(current_result_1, current_result_2, out_error, history_list):
 
     return combined_html, history_list
 
-"""定義儲存測試資料的功能
-
-Google Sheet 連線
-"""
-
-import os
-import json
-from datetime import datetime, timezone, timedelta
-import gspread
-from google.oauth2.service_account import Credentials
-
- # 1. 設定 Google Sheets 存取權限
-scope = ['https://www.googleapis.com/auth/spreadsheets',
-                'https://www.googleapis.com/auth/drive']
 
-# ... 之前的 import ...
+# 定義重新測驗功能
 
-sheet = None # 預設
+# In[57]:
 
-# 寫一個連線函式
-def init_gspread():
-    global sheet
-    google_json = os.environ.get("DASS_JSON")
-    if not google_json:
-        print("⚠️ 找不到 DASS_JSON")
-        return
-    try:
-        info = json.loads(google_json)
-        creds = Credentials.from_service_account_info(info, scopes=scope)
-        client = gspread.authorize(creds)
-        # 再次確認試算表名稱是否完全正確
-        sheet = client.open_by_key("1SPMKe5uOK7EMukB4udyEFKCibpJRNGCQdOQEUVJAgN4").sheet1
-        print("✅ Google Sheets 初始化成功")
-    except Exception as e:
-        print(f"❌ 初始化失敗: {e}")
-
-def save_to_google_sheets(inputs, a_score, d_score, s_score, t_score, score):
-
-    global sheet
-
-    if sheet is None:
-        print("⚠️ 試算表未連線，跳過儲存步驟")
-        return
-
-    try:
-
-        # 設定台灣時區
-        tw_timezone = timezone(timedelta(hours=8))
-        # 1. 拆分資料：前 3 個是基本資料，後面剩下的 (*rest) 是 12 題答案
-        user_info = inputs[:3]  # 取得前三個：姓名, 年齡, 性別
-        q_answers = inputs[3:]  # 取得剩下的 12 題
-        now = datetime.now(tw_timezone).strftime("%Y-%m-%d %H:%M:%S")
 
-        # 2. 準備要儲存的資料字典
-        row_to_add = [
-            now,             # 欄位 A: 測試時間
-            user_info[0],   # 欄位 B: 性別
-            user_info[1],   # 欄位 C: 年齡
-            user_info[2],   # 欄位 D: 家庭人數
-            a_score,         # 欄位 E: 焦慮分數
-            d_score,         # 欄位 F: 憂鬱分數
-            s_score,         # 欄位 G: 壓力分數
-            t_score,         # 欄位 H: 總體分數
-            score            # 欄位 I: 整體程度 (標籤)
-        ]
+# 清空函數：回傳與輸入組件數量相同的 None (15個：gen, age, family + 12個問題)
+def clear_all():
+    # 15個輸入(gen, age, family, q1~q12) + 2個即時結果 + 1個歷史面板
+    return [None] * 15 + ["", ""]
 
-        row_to_add.extend(q_answers) # 加入 Q1-Q12 (J欄以後)
 
-        # 4. 追加到試算表最後一行
-        sheet.append_row(row_to_add)
-        print(f"✨ 資料已成功存入試算表: {now}")
+# 定義主要測試功能
 
-    except Exception as e:
-        print(f"❌ 寫入資料時發生錯誤: {e}")
+# In[58]:
 
-"""定義重新測驗功能"""
 
-# 清空函數：回傳與輸入組件數量相同的 None (15個：gen, age, family + 12個問題)
-def clear_all():
-    # 15個輸入(gen, age, family, q1~q12) + 2個即時結果
-    return [None] * 15 + ["", ""]
-
-"""定義主要測試功能"""
+# 定義預測功能
 
 def predict_risk(gen, age, family, q1, q2, q3, q4, q5, q6, q7, q8, q9, q10, q11, q12):
     inputs = [gen, age, family, q1, q2, q3, q4, q5, q6, q7, q8, q9, q10, q11, q12]
-    result_score = ""
-    label_html = ""
-    error_message = ""
 
-    # 檢查是否有任何一個選項是 None (未填)
+    # 檢查是否有任何一個選項是 None (未按)
     if any(v is None or v == "" for v in inputs):
-        error_message = '<div style="color: red; font-weight: bold;">⚠️測驗載入有誤：請確保每一題都已填答或查看填答格式是否正確。</div>'
-        return result_score, label_html, error_message
-
-    try:
-        # 1. 跑進度條 (需確保函式參數有 progress=gr.Progress())
-        progress = gr.Progress()
-        progress(0, desc="模型計算中...")
-
-        # 2. 將 12 個輸入整理成模型認得的 DataFrame
-        # 欄位名稱必須與訓練時完全相同
-        cols = ["gender", "age", "familysize", "Q2A", "Q4A", "Q19A", "Q20A", "Q28A", "Q21A", "Q26A", "Q37A", "Q42A", "Q11A", "Q12A", "Q27A"]
-        input_df = pd.DataFrame([inputs], columns=cols)
-
-        progress(0.5, desc="正在分析數據...")
-        time.sleep(0.5) # 模擬運算時間
-
-        # 3. 使用模型 model 進行預測
-        score = model.predict(input_df)[0]
-
-        # 4. 定義風險標籤
-        risk_map = {
-            0: ("低度風險", "#91cd92"),
-            1: ("中度風險", "#f59e0b"),
-            2: ("高度風險", "#ef4444")
-        }
-        label, color = risk_map.get(score, ("計算結果有誤，請重新測試。", "#ef4444"))
-
-
-        # 定義類別分數條
-        a_score = sum([q1, q2, q3, q4, q5])
-        d_score = sum([q6, q7, q8, q9])
-        s_score = sum([q10, q11, q12])
-        t_score = a_score + d_score + s_score
-        max_val = 36
-
-        def make_bar(label, score, max_val, color):
-            percent = (score / max_val) * 100
-            return f"""
-            <div style="margin-bottom: 10px;">
-                <div style="display: flex; justify-content: space-between; margin-bottom: 5px;">
-                    <span style="font-weight: bold;">{label}</span>
-                </div>
-                <div style="background-color: #e0e0e0; border-radius: 10px; height: 12px; width: 100%;">
-                    <div style="background-color: {color}; width: {percent}%; height: 100%; border-radius: 10px;"></div>
-                </div>
+        # 觸發彈出視窗
+        raise gr.Error("⚠️測驗載入有誤：請確保每一題都已填答或查看填答格式是否正確。")
+
+    # 1. 跑進度條 (需確保函式參數有 progress=gr.Progress())
+    progress = gr.Progress()
+    progress(0, desc="模型計算中...")
+
+    # 2. 將 12 個輸入整理成模型認得的 DataFrame
+    # 欄位名稱必須與訓練時完全相同
+    cols = ["gender", "age", "familysize", "Q2A", "Q4A", "Q19A", "Q20A", "Q28A", "Q21A", "Q26A", "Q37A", "Q42A", "Q11A", "Q12A", "Q27A"
+]
+    input_df = pd.DataFrame([[gen, age, family, q1, q2, q3, q4, q5, q6, q7, q8, q9, q10, q11, q12]], columns=cols)
+
+    progress(0.5, desc="正在分析數據...")
+    time.sleep(0.5) # 模擬運算時間
+
+    # 3. 使用模型 model 進行預測
+    score = model.predict(input_df)[0]
+    progress(1.0, desc="計算完成！")
+
+
+    # 4. 定義風險標籤
+    if score == 0:
+        label = "低���風險"
+        color = "#91cd92"  # 綠色
+    elif score == 1:
+        label = "中度風險"
+        color = "#f59e0b"  # 橘色
+    elif score == 2:
+        label = "高度風險"
+        color = "#ef4444"  # 紅色
+    else:
+        label = "計算結果有誤，請重新測試。"
+
+    # 定義類別分數條
+    a_score = (q1 + q2 + q3 + q4 + q5)
+    d_score = (q6 + q7 + q8 + q9)
+    s_score = (q10 + q11 + q12)
+    t_score = a_score + d_score + s_score
+    max_val = 36
+
+    def make_bar(label, score, max_val, color):
+        percent = (score / max_val) * 100
+        return f"""
+        <div style="margin-bottom: 10px;">
+            <div style="display: flex; justify-content: space-between; margin-bottom: 5px;">
+                <span style="font-weight: bold;">{label}</span>
+            </div>
+            <div style="background-color: #e0e0e0; border-radius: 10px; height: 12px; width: 100%;">
+                <div style="background-color: {color}; width: {percent}%; height: 100%; border-radius: 10px;"></div>
             </div>
-            """
-
-        # 5. 準備回傳內容
-        # 總分與風險標籤
-        result_score = f"""
-        <div style="text-align: center; font-family: sans-serif;">
-            <h2 style="color: #313230;">您的預測結果為</h2>
-            <h1 style="font-size: 60px; color: {color}; margin: 0;">
-                {label}
-            </h1>
-            <h1 style="font-size: 20px; color: #bbbbc2; margin: 0;">
-                {t_score}/36
-            </h1>
         </div>
         """
 
-        # 類別分數條
-        label_html = f"""
-        <div style="padding: 20px; background: white; border-radius: 10px; border: 1px solid #ddd;">
-            <h2 style="color: #313230;margin-top: 0; margin-bottom: 15px;">各面向之比重</h2>
-            {make_bar("焦慮 (Anxiety)", a_score, max_val, "#fccb42")}
-            {make_bar("憂鬱 (Depression)", d_score, max_val, "#6dc8fe")}
-            {make_bar("壓力 (Stress)", s_score, max_val, "#fb6d6d")}
-        </div>
-        """
+    # 5. 準備回傳內容
+    # 總分與風險標籤
+    result_score = f"""
+    <div style="text-align: center; font-family: sans-serif;">
+        <h2 style="color: #313230;">您的預測結果為</h2>
+        <h1 style="font-size: 60px; color: {color}; margin: 0;">
+            {label}
+        </h1>
+        <h1 style="font-size: 20px; color: #bbbbc2; margin: 0;">
+            {t_score}/36
+        </h1>
+    </div>
+    """
+
+    # 類別分數條
+    label_html = f"""
+    <div style="padding: 20px; background: white; border-radius: 10px; border: 1px solid #ddd;">
+        <h2 style="color: #313230;margin-top: 0; margin-bottom: 15px;">各面向之比重</h2>
+        {make_bar("焦慮 (Anxiety)", a_score, max_val, "#fccb42")}
+        {make_bar("憂鬱 (Depression)", d_score, max_val, "#6dc8fe")}
+        {make_bar("壓力 (Stress)", s_score, max_val, "#fb6d6d")}
+    </div>
+    """
+
+    # 儲存測試資料
+    save_to_google_sheets(inputs, a_score, d_score, s_score, t_score, score)
+
 
-        # 儲存測試資料
-        try:
-            save_to_google_sheets(inputs, a_score, d_score, s_score, t_score, score)
-        except Exception as sheet_err:
-                print(f"Sheet Error: {sheet_err}")
+    progress(1.0, desc="完成")
 
+    return result_score, label_html
 
-        progress(1.0, desc="計算完成！")
-        return result_score, label_html, error_message
 
-    except Exception as e:
-        error_message = f"<div style='color: red;'>系統錯誤: {str(e)}</div>"
-        return "", "", error_message
+
+# In[59]:
+
 
 # 設定主題色
 
@@ -282,11 +294,16 @@ theme = gr.themes.Default(
     body_background_fill="#fffbeb"
 )
 
+
+# In[60]:
+
+
 # 線上主題調色器
 # gr.themes.builder()
 
-# 執行連線
-init_gspread()
+
+# In[61]:
+
 
 # 介面編排
 
@@ -388,18 +405,17 @@ with gr.Blocks(theme=theme, css=custom_css) as demo:
         q12 = gr.Radio([("從不", 0), ("偶爾", 1), ("經常", 2), ("總是", 3)],
                     label="Q12.我發現自己非常易怒（容易焦躁）。")
 
-    # 錯誤訊息顯示區 (放在按鈕上方)
-    out_error = gr.HTML()
 
-    # 確認送出、重新測驗按鈕
+    # 確認送出按鈕
     sub_button = gr.Button("確認送出", elem_id="my_green_btn")
-    btn_reset = gr.Button("重新測驗", elem_id="my_white_btn")
+    # 重新測驗按鈕
+    with gr.Row():
+        btn_reset = gr.Button("重新測驗", elem_id="my_white_btn")
 
     # 輸出測試結果
     with gr.Row():
-        out_html = gr.HTML()
-        out_label = gr.HTML()
-
+            out_html = gr.HTML()
+            out_label = gr.HTML()
 
     # --- 新增：歷史紀錄呈現區域 ---
     with gr.Accordion("查看歷史紀錄", open=False, elem_id="history_panel"):
@@ -408,28 +424,43 @@ with gr.Blocks(theme=theme, css=custom_css) as demo:
 
     # 按鈕設定
     # 1. 確認送出
-    sub_button.click(
-        fn=predict_risk,
-        inputs= [gen, age, family, q1, q2, q3, q4, q5, q6, q7, q8, q9, q10, q11, q12],
-        outputs= [out_html, out_label, out_error]
-    ).then(
-        fn=update_history,
-        inputs=[out_html, out_label, out_error, history_state],
-        outputs=[history_display, history_state]
-    )
+    sub_button.click(fn=predict_risk,
+                inputs= [gen, age, family, q1, q2, q3, q4, q5, q6, q7, q8, q9, q10, q11, q12],
+                outputs= [out_html, out_label]
+                ).then(
+    fn=update_history,
+    inputs=[out_html, out_label, history_state],
+    outputs=[history_display, history_state])
 
     # 2. 重新測驗 (清空所有輸入與輸出)
     # 注意：outputs 必須包含所有輸入的組件
     btn_reset.click(
-        fn=lambda: [None]*15 + ["", "", ""],
+        fn=lambda: [None]*15 + ["", ""], # 只清空輸入與目前的顯示結果
         inputs=None,
-        outputs=[gen, age, family, q1, q2, q3, q4, q5, q6, q7, q8, q9, q10, q11, q12, out_html , out_label, out_error]
+        outputs=[gen, age, family, q1, q2, q3, q4, q5, q6, q7, q8, q9, q10, q11, q12, out_html , out_label]
     )
 
+
+
+
+
     gr.Markdown("## 免責聲明")
     gr.Markdown("""本測驗結果僅供參考，非屬正規醫療檢驗範疇。
     若對於自身狀況有任何疑慮，敬請尋求正規專業醫療協助！♡第四組關心您♡""")
 
-demo.launch(share=True)
 
-# 如需免費永久托管，需在終端機模式執行「gradio deploy」部署到 Hugging Face Spaces。
+# In[ ]:
+
+
+demo.launch()
+
+
+# In[63]:
+
+
+# 如需免費永久托管，需在終端機模式執行「gradio deploy」部署到 Hugging Face Spaces。
+
+
+
+
+