Update app.py

app.py

@@ -1,5 +1,5 @@
-# app.py — Thai Sentiment Analysis (เรียบง่าย + Shop Analysis)
-import os, json, importlib.util, traceback, re, math, tempfile, datetime
+# app.py — Thai Sentiment Analysis (ยืดหยุ่น + ง่าย)
+import os, json, importlib.util, traceback, re, math, tempfile
 import gradio as gr
 import torch, pandas as pd
 import torch.nn.functional as F
@@ -69,51 +69,48 @@ def _is_substantive_text(s, min_chars=2):
     return True
 
 def _format_pct(x): return f"{x*100:.2f}%"
-def _to_datetime_safe(s): return pd.to_datetime(s, errors="coerce", infer_datetime_format=True, utc=False)
 
-LIKELY_TEXT_COLS = ["text","review","message","comment","content","ข้อความ","รีวิว"]
-LIKELY_DATE_COLS = ["date","created_at","time","timestamp","datetime","วันที่","เวลา"]
-LIKELY_SHOP_COLS = ["shop","store","branch","ร้าน","สาขา","ชื่อร้าน"]
+# คำที่น่าจะเป็นคอลัมน์ข้อความ
+LIKELY_TEXT_COLS = ["text","review","message","comment","content","sentence","body",
+                    "ข้อความ","รีวิว","ความคิดเห็น"]
+
+# คำที่น่าจะเป็นคอลัมน์หมวดหมู่ (ร้าน/product/category)
+LIKELY_GROUP_COLS = ["shop","store","branch","category","product","brand","type","group",
+                     "ร้าน","สาขา","ชื่อร้าน","หมวดหมู่","ประเภท","แบรนด์"]
 
 def detect_columns(df):
-    """ตรวจหา text, date, shop columns อัตโนมัติ"""
+    """ตรวจหา text และ group columns อัตโนมัติ"""
     cols = list(df.columns)
     low = {c.lower(): c for c in cols}
     
     # Text column
     text_col = None
     for k in LIKELY_TEXT_COLS:
-        if k in low: text_col = low[k]; break
+        if k in low: 
+            text_col = low[k]
+            break
     if text_col is None:
         cand = [c for c in cols if df[c].dtype == object]
         text_col = cand[0] if cand else cols[0]
     
-    # Date candidates
-    date_candidates = []
+    # Group candidates (ร้าน/หมวดหมู่)
+    group_candidates = []
     for c in cols:
-        if c.lower() in LIKELY_DATE_COLS: 
-            date_candidates.append(c)
+        if c == text_col:  # ข้ามคอลัมน์ที่เป็น text
             continue
-        sample = df[c].head(50)
-        if _to_datetime_safe(sample).notna().sum() >= max(3, int(len(sample)*0.2)):
-            date_candidates.append(c)
-    date_candidates = list(dict.fromkeys(date_candidates))
-    date_col = date_candidates[0] if len(date_candidates) > 0 else None
-    
-    # Shop candidates
-    shop_candidates = []
-    for c in cols:
-        if c.lower() in LIKELY_SHOP_COLS:
-            shop_candidates.append(c)
+        if c.lower() in LIKELY_GROUP_COLS:
+            group_candidates.append(c)
             continue
+        # ตรวจว่ามีค่าซ้ำพอสมควร (categorical)
         if df[c].dtype == object:
             unique_ratio = df[c].nunique() / len(df)
-            if 0.01 <= unique_ratio <= 0.5:
-                shop_candidates.append(c)
-    shop_candidates = list(dict.fromkeys(shop_candidates))
-    shop_col = shop_candidates[0] if len(shop_candidates) > 0 else None
+            if 0.01 <= unique_ratio <= 0.5:  # 1-50% ของข้อมูลเป็นค่าซ้ำ
+                group_candidates.append(c)
     
-    return text_col, date_candidates, date_col, shop_candidates, shop_col
+    group_candidates = list(dict.fromkeys(group_candidates))
+    group_col = group_candidates[0] if len(group_candidates) > 0 else None
+    
+    return text_col, group_candidates, group_col
 
 # ================= Core Predict =================
 def _predict_batch(texts, model_name, batch_size=32):
@@ -170,58 +167,53 @@ def make_summary_chart(df):
     
     return fig, info
 
-def make_shop_chart(df, shop_col, date_col=None, days_filter=None):
-    """กราฟแสดงรีวิวแต่ละร้าน - เรียบง่าย"""
-    
-    # กรองตามวันที่ถ้าต้องการ
-    if date_col and days_filter:
-        cutoff = pd.Timestamp.now() - pd.Timedelta(days=days_filter)
-        df = df[df[date_col] >= cutoff]
+def make_group_chart(df, group_col):
+    """กราฟแสดงรีวิวแยกตามกลุ่ม (ร้าน/หมวดหมู่/etc)"""
     
-    # สรุปแต่ละร้าน
-    shop_data = []
-    for shop in df[shop_col].unique():
-        if pd.isna(shop):
+    # สรุปแต่ละกลุ่ม
+    group_data = []
+    for group in df[group_col].unique():
+        if pd.isna(group):
             continue
-        shop_df = df[df[shop_col] == shop]
-        neg = len(shop_df[shop_df["label"]=="negative"])
-        pos = len(shop_df[shop_df["label"]=="positive"])
-        total = len(shop_df)
+        group_df = df[df[group_col] == group]
+        neg = len(group_df[group_df["label"]=="negative"])
+        pos = len(group_df[group_df["label"]=="positive"])
+        total = len(group_df)
         
-        shop_data.append({
-            "shop": str(shop),
+        group_data.append({
+            "group": str(group),
             "negative": neg,
             "positive": pos,
             "total": total,
             "pos_pct": pos/total*100 if total > 0 else 0
         })
     
-    shop_df = pd.DataFrame(shop_data).sort_values("total", ascending=False)
+    group_df = pd.DataFrame(group_data).sort_values("total", ascending=False)
     
     # กราฟแท่ง Stacked
     fig = go.Figure()
     fig.add_bar(
         name="😞 เชิงลบ",
-        x=shop_df["shop"],
-        y=shop_df["negative"],
-        marker_color=NEG_COLOR
+        x=group_df["group"],
+        y=group_df["negative"],
+        marker_color=NEG_COLOR,
+        text=group_df["negative"],
+        textposition='inside'
     )
     fig.add_bar(
         name="😊 เชิงบวก",
-        x=shop_df["shop"],
-        y=shop_df["positive"],
-        marker_color=POS_COLOR
+        x=group_df["group"],
+        y=group_df["positive"],
+        marker_color=POS_COLOR,
+        text=group_df["positive"],
+        textposition='inside'
     )
     
-    title = "🏪 รีวิวแต่ละร้าน/สาขา"
-    if days_filter:
-        title += f" ({days_filter} วันล่าสุด)"
-    
     fig.update_layout(
-        title=title,
+        title=f"📊 รีวิวแยกตามกลุ่ม",
         barmode='stack',
         template=TEMPLATE,
-        xaxis_title="ร้าน/สาขา",
+        xaxis_title="",
         yaxis_title="จำนวนรีวิว",
         height=450,
         showlegend=True
@@ -229,11 +221,11 @@ def make_shop_chart(df, shop_col, date_col=None, days_filter=None):
     
     # ตารางสรุป
     summary_df = pd.DataFrame({
-        "ร้าน/สาขา": shop_df["shop"],
-        "รีวิวทั้งหมด": shop_df["total"],
-        "😞 เชิงลบ": shop_df["negative"],
-        "😊 เชิงบวก": shop_df["positive"],
-        "% เชิงบวก": shop_df["pos_pct"].apply(lambda x: f"{x:.1f}%")
+        "กลุ่ม": group_df["group"],
+        "รีวิวทั้งหมด": group_df["total"],
+        "😞 เชิงลบ": group_df["negative"],
+        "😊 เชิงบวก": group_df["positive"],
+        "% เชิงบวก": group_df["pos_pct"].apply(lambda x: f"{x:.1f}%")
     })
     
     return fig, summary_df
@@ -264,47 +256,46 @@ def on_file_change(file_obj):
     if file_obj is None:
         return (gr.update(choices=[], value=None), 
                 gr.update(choices=[], value=None),
-                gr.update(choices=[], value=None),
+                gr.update(visible=False),
                 gr.update(visible=False),
                 "⚠️ กรุณาอัปโหลดไฟล์ CSV")
     
     try:
         df = pd.read_csv(file_obj.name)
-        text_col, date_candidates, date_col, shop_candidates, shop_col = detect_columns(df)
-        
-        has_shop = shop_col is not None
+        text_col, group_candidates, group_col = detect_columns(df)
         
-        note = f"✅ **ตรวจพบคอลัมน์**\n"
-        note += f"- 📝 ข้อความ: **{text_col}**\n"
+        has_group = group_col is not None
         
-        if date_col:
-            note += f"- 📅 วันที่: **{date_col}**\n"
+        note = f"✅ **ตรวจพบคอลัมน์**\n\n"
+        note += f"📝 **ข้อความรีวิว:** {text_col}\n\n"
         
-        if has_shop:
-            note += f"- 🏪 ร้าน/สาขา: **{shop_col}** ({df[shop_col].nunique()} ร้าน)\n"
+        if has_group:
+            note += f"📊 **กลุ่ม/หมวดหมู่:** {group_col} ({df[group_col].nunique()} กลุ่ม)\n\n"
         else:
-            note += f"- 🏪 ร้าน/สาขา: _ไม่พบ_\n"
+            note += f"📊 **กลุ่ม/หมวดหมู่:** _ไม่พบ_\n\n"
         
-        note += f"\n_หากไม่ถูกต้อง เลือกใหม่ได้ด้านบน_"
+        note += "_หากต้องการเปลี่ยน สามารถเลือกคอลัมน์ใหม่ได้ด้านบน_"
         
         return (gr.update(choices=list(df.columns), value=text_col),
-                gr.update(choices=date_candidates if date_candidates else ["ไม่มี"], value=date_col),
-                gr.update(choices=shop_candidates if shop_candidates else ["ไม่มี"], value=shop_col),
-                gr.update(visible=has_shop),
+                gr.update(choices=group_candidates if group_candidates else ["ไม่มี"], 
+                         value=group_col if group_col else "ไม่มี"),
+                gr.update(visible=has_group),
+                gr.update(visible=has_group),
                 note)
         
     except Exception as e:
         return (gr.update(choices=[], value=None),
                 gr.update(choices=[], value=None),
-                gr.update(choices=[], value=None),
+                gr.update(visible=False),
                 gr.update(visible=False),
                 f"❌ ไม่สามารถอ่านไฟล์ได้: {str(e)}")
 
-def predict_csv(file_obj, model_choice, text_col, date_col, shop_col, days_filter):
+def predict_csv(file_obj, model_choice, text_col, group_col):
     """วิเคราะห์ CSV"""
     if file_obj is None: 
         return (pd.DataFrame(), go.Figure(), 
-                gr.update(visible=False), pd.DataFrame(),
+                gr.update(visible=False), 
+                gr.update(visible=False),
                 "❌ กรุณาอัปโหลดไฟล์", None)
     
     try:
@@ -314,7 +305,7 @@ def predict_csv(file_obj, model_choice, text_col, date_col, shop_col, days_filte
         
         # ตรวจสอบ text column
         if text_col not in cols:
-            text_col, _, _, _, _ = detect_columns(df_raw)
+            text_col, _, _ = detect_columns(df_raw)
         
         # ดึงข้อความ
         texts = [_norm_text(v) for v in df_raw[text_col].tolist()]
@@ -323,7 +314,8 @@ def predict_csv(file_obj, model_choice, text_col, date_col, shop_col, days_filte
         
         if not texts_clean: 
             return (pd.DataFrame(), go.Figure(),
-                    gr.update(visible=False), pd.DataFrame(),
+                    gr.update(visible=False),
+                    gr.update(visible=False),
                     "❌ ไม่พบข้อความที่วิเคราะห์ได้", None)
         
         # ทำนาย
@@ -334,41 +326,26 @@ def predict_csv(file_obj, model_choice, text_col, date_col, shop_col, days_filte
         fig_main, info = make_summary_chart(df_out)
         
         if skipped > 0:
-            info += f"\n\n⚠️ ข้ามแถวว่าง: {skipped} แถว"
+            info += f"\n\n⚠️ ข้ามแถวว่าง: {skipped} แถว (ใช้ {len(texts_clean)}/{total_rows} แถว)"
         
-        # วิเคราะห์ Shop (ถ้ามี)
-        fig_shop = go.Figure()
-        shop_summary = pd.DataFrame()
-        show_shop = False
+        # วิเคราะห์ตามกลุ่ม (ถ้ามี)
+        fig_group = go.Figure()
+        group_summary = pd.DataFrame()
+        show_group = False
         
-        if shop_col and shop_col in cols and shop_col != "ไม่มี":
+        if group_col and group_col in cols and group_col != "ไม่มี":
             # เตรียมข้อมูล
-            df_shop = df_out.copy()
-            df_shop[shop_col] = df_raw[shop_col].iloc[:len(df_out)]
+            df_group = df_out.copy()
+            df_group[group_col] = df_raw[group_col].iloc[:len(df_out)]
             
-            # เพิ่ม date ถ้ามี
-            if date_col and date_col in cols and date_col != "ไม่มี":
-                dts = _to_datetime_safe(df_raw[date_col])
-                df_shop[date_col] = dts.iloc[:len(df_out)]
-                df_shop = df_shop.dropna(subset=[date_col])
-                
-                # แปลง days_filter
-                days = None
-                if days_filter == "7 วันล่าสุด":
-                    days = 7
-                elif days_filter == "15 วันล่าสุด":
-                    days = 15
-                elif days_filter == "30 วันล่าสุด":
-                    days = 30
-                
-                fig_shop, shop_summary = make_shop_chart(df_shop, shop_col, date_col, days)
-                
-                if days:
-                    info += f"\n\n📅 แสดงข้อมูล: {days_filter}"
-            else:
-                fig_shop, shop_summary = make_shop_chart(df_shop, shop_col)
+            # ลบแถวที่ไม่มีข้อมูลกลุ่ม
+            df_group = df_group.dropna(subset=[group_col])
             
-            show_shop = True
+            if len(df_group) > 0:
+                fig_group, group_summary = make_group_chart(df_group, group_col)
+                show_group = True
+                
+                info += f"\n\n📊 **วิเคราะห์เพิ่มเติม:** แยกตาม '{group_col}'"
         
         # บันทึกไฟล์
         fd, path = tempfile.mkstemp(suffix=".csv")
@@ -376,13 +353,14 @@ def predict_csv(file_obj, model_choice, text_col, date_col, shop_col, days_filte
         df_out.to_csv(path, index=False, encoding="utf-8-sig")
         
         return (df_out, fig_main,
-                gr.update(visible=show_shop, value=fig_shop),
-                shop_summary,
+                gr.update(visible=show_group, value=fig_group),
+                gr.update(visible=show_group, value=group_summary),
                 info, path)
         
     except Exception as e:
         return (pd.DataFrame(), go.Figure(),
-                gr.update(visible=False), pd.DataFrame(),
+                gr.update(visible=False),
+                gr.update(visible=False),
                 f"❌ เกิดข้อผิดพลาด:\n{traceback.format_exc()}", None)
 
 # ================= Gradio UI =================
@@ -399,14 +377,23 @@ with gr.Blocks(title="Thai Sentiment Analysis", theme=gr.themes.Soft()) as demo:
         info="WCB = เร็ว | WCB_BiLSTM = แม่นยำสูงสุด (แนะนำ)"
     )
 
-    # =================== Tab 1 ===================
+    # =================== Tab 1: วิเคราะห์ข้อความ ===================
     with gr.Tab("📝 วิเคราะห์ข้อความ"):
-        gr.Markdown("**วิธีใช้:** ป้อนรีวิวหลายรายการ (แต่ละบรรทัด = 1 รีวิว)")
+        gr.Markdown("""
+        **วิธีใช้:** ป้อนรีวิวหลายรายการ (แต่ละบรรทัด = 1 รีวิว)
+        
+        **ตัวอย่าง:**
+        ```
+        อาหารอร่อยมาก บริการดี
+        ของแพง รสชาติธรรมดา
+        บรรยากาศดี แนะนำเลย
+        ```
+        """)
         
         text_input = gr.Textbox(
             lines=8, 
             label="📄 ข้อความรีวิว",
-            placeholder="ป้อนรีวิว แต่ละบรรทัด = 1 รีวิว\n\nตัวอย่าง:\nอาหารอร่อยมาก บริการดี\nของแพง รสชาติธรรมดา"
+            placeholder="ป้อนรีวิว แต่ละบรรทัด = 1 รีวิว..."
         )
         
         predict_btn_1 = gr.Button("🚀 เริ่มวิเคราะห์", variant="primary", size="lg")
@@ -425,53 +412,64 @@ with gr.Blocks(title="Thai Sentiment Analysis", theme=gr.themes.Soft()) as demo:
             [result_df_1, result_chart_1, result_info_1]
         )
 
-    # =================== Tab 2 ===================
-    with gr.Tab("📤 อัปโหลด CSV"):
-        gr.Markdown("**วิธีใช้:** อัปโหลดไฟล์ CSV ที่มีคอลัมน์รีวิว (และอาจมีวันที่/ร้านด้วย)")
+    # =================== Tab 2: อัปโหลด CSV ===================
+    with gr.Tab("📤 วิเคราะห์ไฟล์ CSV"):
+        gr.Markdown("""
+        **วิธีใช้:** อัปโหลดไฟล์ CSV ที่มีคอลัมน์รีวิว
+        
+        **ระบบจะตรวจหาอัตโนมัติ:**
+        - 📝 คอลัมน์ข้อความรีวิว
+        - 📊 คอลัมน์กลุ่ม/หมวดหมู่ (เช่น ร้าน, สาขา, ประเภทสินค้า, แบรนด์)
+        
+        **ใช้ได้กับหลายสถานการณ์:**
+        - เปรียบเทียบร้านค้า/สาขา
+        - วิเคราะห์ตาม product category
+        - แยกตามแบรนด์/ประเภทสินค้า
+        - หรือข้อมูล categorical อื่นๆ
+        """)
         
         file_input = gr.File(file_types=[".csv"], label="📁 อัปโหลดไฟล์ CSV")
         
         detect_note = gr.Markdown("⬆️ อัปโหลดไฟล์เพื่อเริ่มต้น")
         
         with gr.Row():
-            text_col_dd = gr.Dropdown(label="📝 คอลัมน์ข้อความรีวิว")
-            date_col_dd = gr.Dropdown(label="📅 คอลัมน์วันที่ (ถ้ามี)")
-            shop_col_dd = gr.Dropdown(label="🏪 คอลัมน์ร้าน/สาขา (ถ้ามี)")
-        
-        days_filter = gr.Radio(
-            choices=["ทั้งหมด", "7 วันล่าสุด", "15 วันล่าสุด", "30 วันล่าสุด"],
-            value="ทั้งหมด",
-            label="📆 ช่วงเวลา",
-            info="ใช้กรองข้อมูลเฉพาะกราฟร้าน (ถ้ามีวันที่)",
-            visible=False
-        )
+            text_col_dd = gr.Dropdown(
+                label="📝 คอลัมน์ข้อความรีวิว",
+                info="เลือกคอลัมน์ที่มีเนื้อหารีวิว"
+            )
+            group_col_dd = gr.Dropdown(
+                label="📊 คอลัมน์กลุ่ม/หมวดหมู่ (ถ้ามี)",
+                info="เช่น ร้าน, สาขา, ประเภทสินค้า, แบรนด์"
+            )
         
         predict_btn_2 = gr.Button("🚀 เริ่มวิเคราะห์", variant="primary", size="lg")
         
-        result_df_2 = gr.Dataframe(label="📋 ผลการวิเคราะห์ทั้งหมด")
+        gr.Markdown("### 📊 ผลการวิเคราะห์")
+        
+        result_df_2 = gr.Dataframe(label="📋 รายละเอียดทุกรีวิว")
         
         with gr.Row():
             with gr.Column(scale=1):
-                result_chart_2 = gr.Plot(label="📊 กราฟสรุปภาพรวม")
+                result_chart_2 = gr.Plot(label="📊 สรุปภาพรวม")
             with gr.Column(scale=1):
                 result_info_2 = gr.Markdown()
         
-        result_shop = gr.Plot(label="🏪 รีวิวแต่ละร้าน/สาขา", visible=False)
-        shop_summary = gr.Dataframe(label="📊 สรุปแต่ละร้าน", visible=False)
+        result_group = gr.Plot(label="📊 เปรียบเทียบแต่ละกลุ่ม", visible=False)
+        group_summary = gr.Dataframe(label="📋 สรุปแต่ละกลุ่ม", visible=False)
         
-        download_file = gr.File(label="💾 ดาวน์โหลดผลลัพธ์")
+        download_file = gr.File(label="💾 ดาวน์โหลดผลลัพธ์ (CSV)")
         
         # Events
         file_input.change(
             on_file_change,
             [file_input],
-            [text_col_dd, date_col_dd, shop_col_dd, days_filter, detect_note]
+            [text_col_dd, group_col_dd, result_group, group_summary, detect_note]
         )
         
         predict_btn_2.click(
             predict_csv,
-            [file_input, model_radio, text_col_dd, date_col_dd, shop_col_dd, days_filter],
-            [result_df_2, result_chart_2, result_shop, shop_summary, result_info_2, download_file]
+            [file_input, model_radio, text_col_dd, group_col_dd],
+            [result_df_2, result_chart_2, result_group, group_summary, result_info_2, download_file]
         )
     
     gr.Markdown("""