Upload data_analysis_app.py

modules/data_analysis/data_analysis_app.py

@@ -1,330 +1,508 @@
 import streamlit as st
 import pandas as pd
 import numpy as np
+import matplotlib.pyplot as plt
 import plotly.express as px
 import plotly.graph_objects as go
+import seaborn as sns
 from datetime import datetime
-import io
 import os
-import json
+import sys
 from pathlib import Path
 
+# إضافة المسار للوصول إلى الوحدات الأخرى
+current_dir = os.path.dirname(os.path.abspath(__file__))
+parent_dir = os.path.dirname(os.path.dirname(current_dir))
+if parent_dir not in sys.path:
+    sys.path.append(parent_dir)
+
 class DataAnalysisApp:
+    """تطبيق تحليل البيانات"""
+
     def __init__(self):
+        """تهيئة تطبيق تحليل البيانات"""
         self.data = None
         self.file_path = None
-        # تهيئة حالة الجلسة في البداية
-        if 'analysis_data' not in st.session_state:
-            st.session_state.analysis_data = {
-                'uploaded_files': {},
-                'analysis_results': {},
-                'ai_insights': {}
-            }
-        
-    def render(self):
-        """عرض واجهة تحليل البيانات"""
-        st.title("تحليل البيانات")
-        self.run()
+        self.ui = None
 
     def run(self):
-        st.title("تحليل البيانات المتقدم")
+        """تشغيل تطبيق تحليل البيانات"""
+        # استيراد مدير التكوين
+        from config_manager import ConfigManager
+
 
-        # إنشاء التبويبات
-        tabs = st.tabs([
-            "تحميل وإدارة البيانات",
-            "التحليل الإحصائي",
-            "التحليل المرئي",
-            "تحليل الذكاء الاصطناعي",
-            "التقارير"
-        ])
+        # عرض عنوان التطبيق
+        st.title("تحليل البيانات")
+        st.write("استخدم هذه الأداة لتحليل بيانات المناقصات والمشاريع")
+
+        # إنشاء علامات تبويب للتطبيق
+        tabs = st.tabs(["تحميل البيانات", "استكشاف البيانات", "تحليل متقدم", "التصور المرئي", "التقارير"])
 
         with tabs[0]:
-            self._render_data_management()
+            self._load_data_tab()
 
         with tabs[1]:
-            self._render_statistical_analysis()
+            self._explore_data_tab()
 
         with tabs[2]:
-            self._render_visualization()
+            self._advanced_analysis_tab()
 
         with tabs[3]:
-            self._render_ai_analysis()
+            self._visualization_tab()
 
         with tabs[4]:
-            self._render_reports()
+            self._reports_tab()
 
-    def _render_data_management(self):
-        st.header("تحميل وإدارة البيانات")
+    def _load_data_tab(self):
+        """علامة تبويب تحميل البيانات"""
+        st.header("تحميل البيانات")
 
-        # منطقة تحميل الملفات
-        uploaded_files = st.file_uploader(
-            "قم بتحميل ملفات البيانات",
-            type=["csv", "xlsx", "xls", "pdf"],
-            accept_multiple_files=True,
-            key="data_files"
+        # خيارات تحميل البيانات
+        data_source = st.radio(
+            "اختر مصدر البيانات:",
+            ["تحميل ملف", "استيراد من قاعدة البيانات", "استخدام بيانات نموذجية"]
         )
 
-        if uploaded_files:
-            for file in uploaded_files:
+        if data_source == "تحميل ملف":
+            uploaded_file = st.file_uploader("اختر ملف CSV أو Excel", type=["csv", "xlsx", "xls"])
+
+            if uploaded_file is not None:
                 try:
-                    if file.name.endswith('.pdf'):
-                        import PyPDF2
-                        pdf_reader = PyPDF2.PdfReader(file)
-                        text_content = ""
-                        for page in pdf_reader.pages:
-                            text_content += page.extract_text()
-
-                        st.session_state.analysis_data['uploaded_files'][file.name] = {
-                            'data': text_content,
-                            'metadata': {
-                                'pages': len(pdf_reader.pages),
-                                'upload_time': datetime.now().strftime("%Y-%m-%d %H:%M:%S")
-                            }
-                        }
-                        st.success(f"تم تحميل الملف PDF {file.name} بنجاح!")
-
-                    elif file.name.endswith('.csv'):
-                        df = pd.read_csv(file)
-                        st.session_state.analysis_data['uploaded_files'][file.name] = {
-                            'data': df,
-                            'metadata': {
-                                'rows': len(df),
-                                'columns': len(df.columns),
-                                'upload_time': datetime.now().strftime("%Y-%m-%d %H:%M:%S")
-                            }
-                        }
-                        st.success(f"تم تحميل الملف {file.name} بنجاح!")
+                    if uploaded_file.name.endswith('.csv'):
+                        self.data = pd.read_csv(uploaded_file)
                     else:
-                        df = pd.read_excel(file)
-                        st.session_state.analysis_data['uploaded_files'][file.name] = {
-                            'data': df,
-                            'metadata': {
-                                'rows': len(df),
-                                'columns': len(df.columns),
-                                'upload_time': datetime.now().strftime("%Y-%m-%d %H:%M:%S")
-                            }
-                        }
-                        st.success(f"تم تحميل الملف {file.name} بنجاح!")
+                        self.data = pd.read_excel(uploaded_file)
 
+                    st.success(f"تم تحميل الملف بنجاح! عدد الصفوف: {self.data.shape[0]}, عدد الأعمدة: {self.data.shape[1]}")
+                    st.write("معاينة البيانات:")
+                    st.dataframe(self.data.head())
                 except Exception as e:
-                    st.error(f"خطأ في تحميل الملف {file.name}: {str(e)}")
-
-        # عرض الملفات المحملة
-        if 'uploaded_files' in st.session_state.analysis_data and st.session_state.analysis_data['uploaded_files']:
-            st.subheader("الملفات المحملة")
-            for filename, file_info in st.session_state.analysis_data['uploaded_files'].items():
-                with st.expander(f"📄 {filename}"):
-                    st.write("معلومات الملف:")
-                    if 'rows' in file_info['metadata']:
-                        st.write(f"- عدد الصفوف: {file_info['metadata']['rows']}")
-                    if 'columns' in file_info['metadata']:
-                        st.write(f"- عدد الأعمدة: {file_info['metadata']['columns']}")
-                    if 'pages' in file_info['metadata']:
-                        st.write(f"- عدد الصفحات: {file_info['metadata']['pages']}")
-                    st.write(f"- وقت التحميل: {file_info['metadata']['upload_time']}")
-
-                    if st.button(f"عرض البيانات", key=f"show_{filename}"):
-                        st.write(file_info['data'].head() if isinstance(file_info['data'], pd.DataFrame) else file_info['data'])
-
-    def _render_statistical_analysis(self):
-        st.header("التحليل الإحصائي")
-
-        if 'uploaded_files' not in st.session_state.analysis_data or not st.session_state.analysis_data['uploaded_files']:
-            st.info("الرجاء تحميل البيانات أولاً")
+                    st.error(f"حدث خطأ أثناء تحميل الملف: {str(e)}")
+
+        elif data_source == "استيراد من قاعدة البيانات":
+            st.info("هذه الميزة قيد التطوير")
+
+            # محاكاة الاتصال بقاعدة البيانات
+            if st.button("اتصال بقاعدة البيانات"):
+                with st.spinner("جاري الاتصال بقاعدة البيانات..."):
+                    # محاكاة تأخير الاتصال
+                    import time
+                    time.sleep(2)
+
+                    # إنشاء بيانات نموذجية
+                    self.data = self._create_sample_data()
+
+                    st.success("تم الاتصال بقاعدة البيانات بنجاح!")
+                    st.write("معاينة البيانات:")
+                    st.dataframe(self.data.head())
+
+        elif data_source == "استخدام بيانات نموذجية":
+            if st.button("تحميل بيانات نموذجية"):
+                self.data = self._create_sample_data()
+                st.success("تم تحميل البيانات النموذجية بنجاح!")
+                st.write("معاينة البيانات:")
+                st.dataframe(self.data.head())
+
+    def _explore_data_tab(self):
+        """علامة تبويب استكشاف البيانات"""
+        st.header("استكشاف البيانات")
+
+        if self.data is None:
+            st.info("الرجاء تحميل البيانات أولاً من علامة تبويب 'تحميل البيانات'")
             return
 
-        # اختيار الملف للتحليل
-        selected_file = st.selectbox(
-            "اختر الملف للتحليل",
-            list(st.session_state.analysis_data['uploaded_files'].keys())
-        )
+        # عرض معلومات عامة عن البيانات
+        st.subheader("معلومات عامة")
+        col1, col2 = st.columns(2)
 
-        if selected_file:
-            data = st.session_state.analysis_data['uploaded_files'][selected_file]['data']
-            if isinstance(data, pd.DataFrame):
-                # الإحصاءات الوصفية
-                st.subheader("الإحصاءات الوصفية")
-                st.dataframe(data.describe())
-
-                # تحليل القيم المفقودة
-                st.subheader("تحليل القيم المفقودة")
-                missing_data = pd.DataFrame({
-                    'العمود': data.columns,
-                    'عدد القيم المفقودة': data.isnull().sum(),
-                    'نسبة القيم المفقودة (%)': (data.isnull().sum() / len(data) * 100).round(2)
-                })
-                st.dataframe(missing_data)
-            else:
-                st.info("لا يمكن إجراء تحليل إحصائي على ملفات PDF.")
+        with col1:
+            st.write(f"عدد الصفوف: {self.data.shape[0]}")
+            st.write(f"عدد الأعمدة: {self.data.shape[1]}")
+            st.write(f"القيم المفقودة: {self.data.isna().sum().sum()}")
+
+        with col2:
+            st.write(f"أنواع البيانات:")
+            st.write(self.data.dtypes)
+
+        # عرض إحصاءات وصفية
+        st.subheader("إحصاءات وصفية")
+        st.dataframe(self.data.describe())
+
+        # عرض معلومات عن الأعمدة
+        st.subheader("معلومات الأعمدة")
 
+        selected_column = st.selectbox("اختر عمودًا لتحليله:", self.data.columns)
 
-    def _render_visualization(self):
-        st.header("التحليل المرئي")
+        if selected_column:
+            col1, col2 = st.columns(2)
 
-        if 'uploaded_files' not in st.session_state.analysis_data or not st.session_state.analysis_data['uploaded_files']:
-            st.info("الرجاء تحميل البيانات أولاً")
+            with col1:
+                st.write(f"نوع البيانات: {self.data[selected_column].dtype}")
+                st.write(f"القيم الفريدة: {self.data[selected_column].nunique()}")
+                st.write(f"القيم المفقودة: {self.data[selected_column].isna().sum()}")
+
+            with col2:
+                if pd.api.types.is_numeric_dtype(self.data[selected_column]):
+                    st.write(f"الحد الأدنى: {self.data[selected_column].min()}")
+                    st.write(f"الحد الأقصى: {self.data[selected_column].max()}")
+                    st.write(f"المتوسط: {self.data[selected_column].mean()}")
+                    st.write(f"الوسيط: {self.data[selected_column].median()}")
+                else:
+                    st.write("القيم الأكثر تكرارًا:")
+                    st.write(self.data[selected_column].value_counts().head())
+
+            # عرض رسم بياني للعمود المحدد
+            st.subheader(f"رسم بياني لـ {selected_column}")
+
+            if pd.api.types.is_numeric_dtype(self.data[selected_column]):
+                fig = px.histogram(self.data, x=selected_column, title=f"توزيع {selected_column}")
+                st.plotly_chart(fig, use_container_width=True)
+            else:
+                # الكود المعدل لحل مشكلة الرسم البياني
+                value_counts_df = self.data[selected_column].value_counts().reset_index()
+                value_counts_df.columns = ['القيمة', 'العدد']  # تسمية الأعمدة بأسماء واضحة
+                fig = px.bar(value_counts_df, x='القيمة', y='العدد', title=f"توزيع {selected_column}")
+                fig.update_layout(xaxis_title="القيمة", yaxis_title="العدد")
+                st.plotly_chart(fig, use_container_width=True)
+
+    def _advanced_analysis_tab(self):
+        """علامة تبويب التحليل المتقدم"""
+        st.header("تحليل متقدم")
+
+        if self.data is None:
+            st.info("الرجاء تحميل البيانات أولاً من علامة تبويب 'تحميل البيانات'")
             return
 
-        selected_file = st.selectbox(
-            "اختر الملف للتحليل المرئي",
-            list(st.session_state.analysis_data['uploaded_files'].keys()),
-            key="viz_file_select"
+        # أنواع التحليل المتقدم
+        analysis_type = st.selectbox(
+            "اختر نوع التحليل:",
+            ["تحليل الارتباط", "تحليل الاتجاهات", "تحليل المجموعات", "تحليل التباين"]
         )
 
-        if selected_file:
-            data = st.session_state.analysis_data['uploaded_files'][selected_file]['data']
-            if isinstance(data, pd.DataFrame):
-                # اختيار نوع المخطط
-                chart_type = st.selectbox(
-                    "اختر نوع المخطط",
-                    ["رسم بياني شريطي", "رسم بياني خطي", "رسم ب��اني دائري", "مخطط التشتت", "مخطط الصندوق"],
-                    key="chart_type"
-                )
-
-                # تخصيص المخطط
-                if chart_type == "رسم بياني شريطي":
-                    x_col = st.selectbox("اختر محور X", data.columns, key="bar_x")
-                    y_col = st.selectbox("اختر محور Y", data.select_dtypes(include=['number']).columns, key="bar_y")
-                    fig = px.bar(data, x=x_col, y=y_col)
-                    st.plotly_chart(fig, use_container_width=True)
-                elif chart_type == "رسم بياني خطي":
-                    x_col = st.selectbox("اختر محور X", data.columns, key="line_x")
-                    y_cols = st.multiselect("اختر محاور Y", data.select_dtypes(include=['number']).columns, key="line_y")
-                    if y_cols:
-                        fig = go.Figure()
-                        for y_col in y_cols:
-                            fig.add_trace(go.Scatter(x=data[x_col], y=data[y_col], mode='lines+markers', name=y_col))
-                        fig.update_layout(title=f"مخطط خطي", xaxis_title=x_col, yaxis_title="القيمة")
-                        st.plotly_chart(fig, use_container_width=True)
-                    else:
-                        st.warning("الرجاء اختيار عمود واحد على الأقل للمحور الرأسي")
-
-                elif chart_type == "رسم بياني دائري":
-                    col = st.selectbox("اختر العمود", data.columns, key="pie_column")
-                    value_counts_df = data[col].value_counts().reset_index()
-                    value_counts_df.columns = ['القيمة', 'العدد']
-                    fig = px.pie(value_counts_df, names='القيمة', values='العدد', title=f"توزيع {col}")
-                    st.plotly_chart(fig, use_container_width=True)
-                elif chart_type == "مخطط التشتت":
-                    numeric_columns = data.select_dtypes(include=['number']).columns.tolist()
-                    if len(numeric_columns) < 2:
-                        st.warning("يجب أن يكون هناك عمودان رقميان على الأقل لإنشاء مخطط تشتت")
-                        return
-                    x_column = st.selectbox("اختر عمود المحور الأفقي (x):", numeric_columns, key="scatter_x")
-                    y_column = st.selectbox("اختر عمود المحور الرأسي (y):", numeric_columns, key="scatter_y")
-                    fig = px.scatter(data, x=x_column, y=y_column)
-                    st.plotly_chart(fig, use_container_width=True)
-                elif chart_type == "مخطط الصندوق":
-                    numeric_columns = data.select_dtypes(include=['number']).columns.tolist()
-                    if not numeric_columns:
-                        st.warning("يجب أن يكون هناك عمود رقمي واحد على الأقل لإنشاء مخطط صندوقي")
-                        return
-                    y_column = st.selectbox("اختر عمود القيمة:", numeric_columns, key="box_y")
-                    fig = px.box(data, y=y_column, title=f"مخطط صندوقي لـ {y_column}")
-                    st.plotly_chart(fig, use_container_width=True)
+        if analysis_type == "تحليل الارتباط":
+            st.subheader("تحليل الارتباط")
+
+            # اختيار الأعمدة الرقمية فقط
+            numeric_columns = self.data.select_dtypes(include=['number']).columns.tolist()
+
+            if len(numeric_columns) < 2:
+                st.warning("يجب أن يكون هناك عمودان رقميان على الأقل لإجراء تحليل الارتباط")
+                return
+
+            # حساب مصفوفة الارتباط
+            correlation_matrix = self.data[numeric_columns].corr()
+
+            # عرض مصفوفة الارتباط
+            st.write("مصفوفة الارتباط:")
+            st.dataframe(correlation_matrix)
+
+            # رسم خريطة حرارية للارتباط
+            st.write("خريطة حرارية للارتباط:")
+            fig = px.imshow(correlation_matrix, text_auto=True, aspect="auto",
+                           title="خريطة حرارية لمصفوفة الارتباط")
+            st.plotly_chart(fig, use_container_width=True)
+
+            # تحليل الارتباط بين عمودين محددين
+            st.subheader("تحليل الارتباط بين عمودين محددين")
+
+            col1 = st.selectbox("اختر العمود الأول:", numeric_columns, key="corr_col1")
+            col2 = st.selectbox("اختر العمود الثاني:", numeric_columns, key="corr_col2")
+
+            if col1 != col2:
+                # حساب معامل الارتباط
+                correlation = self.data[col1].corr(self.data[col2])
+
+                st.write(f"معا��ل الارتباط بين {col1} و {col2}: {correlation:.4f}")
+
+                # رسم مخطط التشتت
+                fig = px.scatter(self.data, x=col1, y=col2, title=f"مخطط التشتت: {col1} مقابل {col2}")
+                fig.update_layout(xaxis_title=col1, yaxis_title=col2)
+                st.plotly_chart(fig, use_container_width=True)
             else:
-                st.info("لا يمكن إنشاء مخططات مرئية من ملفات PDF.")
+                st.warning("الرجاء اختيار عمودين مختلفين")
+
+        elif analysis_type == "تحليل الاتجاهات":
+            st.subheader("تحليل الاتجاهات")
+            st.info("هذه الميزة قيد التطوير")
 
-    def _render_ai_analysis(self):
-        st.header("تحليل الذكاء الاصطناعي")
+        elif analysis_type == "تحليل المجموعات":
+            st.subheader("تحليل المجموعات")
+            st.info("هذه الميزة قيد التطوير")
 
-        if 'uploaded_files' not in st.session_state.analysis_data or not st.session_state.analysis_data['uploaded_files']:
-            st.info("الرجاء تحميل البيانات أولاً")
+        elif analysis_type == "تحليل التباين":
+            st.subheader("تحليل التباين")
+            st.info("هذه الميزة قيد التطوير")
+
+    def _visualization_tab(self):
+        """علامة تبويب التصور المرئي"""
+        st.header("التصور المرئي")
+
+        if self.data is None:
+            st.info("الرجاء تحميل البيانات أولاً من علامة تبويب 'تحميل البيانات'")
             return
 
-        selected_file = st.selectbox(
-            "اختر الملف للتحليل",
-            list(st.session_state.analysis_data['uploaded_files'].keys()),
-            key="ai_file_select"
+        # أنواع الرسوم البيانية
+        chart_type = st.selectbox(
+            "اختر نوع الرسم البياني:",
+            ["مخطط شريطي", "مخطط خطي", "مخطط دائري", "مخطط تشتت", "مخطط صندوقي", "مخطط حراري"]
         )
 
-        if selected_file:
-            data = st.session_state.analysis_data['uploaded_files'][selected_file]['data']
-            if isinstance(data, pd.DataFrame):
-                analysis_type = st.selectbox(
-                    "اختر نوع التحليل",
-                    ["تحليل الاتجاهات", "التنبؤ", "اكتشاف الأنماط", "تحليل العلاقات"]
-                )
-
-                if st.button("تحليل البيانات"):
-                    with st.spinner("جاري تحليل البيانات..."):
-                        # محاكاة تحليل الذكاء الاصطناعي
-                        st.session_state.analysis_data['ai_insights'][selected_file] = {
-                            'trends': self._analyze_trends(data),
-                            'patterns': self._analyze_patterns(data),
-                            'correlations': self._analyze_correlations(data)
-                        }
-
-                        st.success("تم اكتمال التحليل!")
-
-                        # عرض النتائج
-                        st.json(st.session_state.analysis_data['ai_insights'][selected_file])
+        # اختيار الأعمدة حسب نوع الرسم البياني
+        if chart_type == "مخطط شريطي":
+            st.subheader("مخطط شريطي")
+
+            x_column = st.selectbox("اختر عمود المحور الأفقي (x):", self.data.columns, key="bar_x")
+            y_column = st.selectbox("اختر عمود المحور الرأسي (y):", 
+                                   self.data.select_dtypes(include=['number']).columns.tolist(), 
+                                   key="bar_y")
+
+            # خيارات إضافية
+            color_column = st.selectbox("اختر عمود اللون (اختياري):", 
+                                       ["لا يوجد"] + self.data.columns.tolist(), 
+                                       key="bar_color")
+
+            # إنشاء الرسم البياني
+            if color_column == "لا يوجد":
+                fig = px.bar(self.data, x=x_column, y=y_column, title=f"{y_column} حسب {x_column}")
+            else:
+                fig = px.bar(self.data, x=x_column, y=y_column, color=color_column, 
+                            title=f"{y_column} حسب {x_column} (مصنف حسب {color_column})")
+
+            fig.update_layout(xaxis_title=x_column, yaxis_title=y_column)
+            st.plotly_chart(fig, use_container_width=True)
+
+        elif chart_type == "مخطط خطي":
+            st.subheader("مخطط خطي")
+
+            x_column = st.selectbox("اختر عمود المحور الأفقي (x):", self.data.columns, key="line_x")
+            y_columns = st.multiselect("اخت�� أعمدة المحور الرأسي (y):", 
+                                      self.data.select_dtypes(include=['number']).columns.tolist(), 
+                                      key="line_y")
+
+            if y_columns:
+                # إنشاء الرسم البياني
+                fig = go.Figure()
+
+                for y_column in y_columns:
+                    fig.add_trace(go.Scatter(x=self.data[x_column], y=self.data[y_column], 
+                                           mode='lines+markers', name=y_column))
+
+                fig.update_layout(title=f"مخطط خطي", xaxis_title=x_column, yaxis_title="القيمة")
+                st.plotly_chart(fig, use_container_width=True)
+            else:
+                st.warning("الرجاء اختيار عمود واحد على الأقل للمحور الرأسي")
+
+        elif chart_type == "مخطط دائري":
+            st.subheader("مخطط دائري")
+
+            column = st.selectbox("اختر العمود:", self.data.columns, key="pie_column")
+
+            # إنشاء الرسم البياني
+            # تعديل لحل مشكلة مماثلة في مخطط دائري
+            value_counts_df = self.data[column].value_counts().reset_index()
+            value_counts_df.columns = ['القيمة', 'العدد']
+            fig = px.pie(value_counts_df, names='القيمة', values='العدد', title=f"توزيع {column}")
+            st.plotly_chart(fig, use_container_width=True)
+
+        elif chart_type == "مخطط تشتت":
+            st.subheader("مخطط تشتت")
+
+            numeric_columns = self.data.select_dtypes(include=['number']).columns.tolist()
+
+            if len(numeric_columns) < 2:
+                st.warning("يجب أن يكون هناك عمودان رقميان على الأقل لإنشاء مخطط تشتت")
+                return
+
+            x_column = st.selectbox("اختر عمود المحور الأفقي (x):", numeric_columns, key="scatter_x")
+            y_column = st.selectbox("اختر عمود المحور الرأسي (y):", numeric_columns, key="scatter_y")
+
+            # خيارات إضافية
+            color_column = st.selectbox("اختر عمود اللون (اختياري):", 
+                                       ["لا يوجد"] + self.data.columns.tolist(), 
+                                       key="scatter_color")
+
+            size_column = st.selectbox("اختر عمود الحجم (اختياري):", 
+                                      ["لا يوجد"] + numeric_columns, 
+                                      key="scatter_size")
+
+            # إنشاء الرسم البياني
+            if color_column == "لا يوجد" and size_column == "لا يوجد":
+                fig = px.scatter(self.data, x=x_column, y=y_column, 
+                                title=f"{y_column} مقابل {x_column}")
+            elif color_column != "لا يوجد" and size_column == "لا يوجد":
+                fig = px.scatter(self.data, x=x_column, y=y_column, color=color_column, 
+                                title=f"{y_column} مقابل {x_column} (مصنف حسب {color_column})")
+            elif color_column == "لا يوجد" and size_column != "لا يوجد":
+                fig = px.scatter(self.data, x=x_column, y=y_column, size=size_column, 
+                                title=f"{y_column} مقابل {x_column} (الحجم حسب {size_column})")
+            else:
+                fig = px.scatter(self.data, x=x_column, y=y_column, color=color_column, size=size_column, 
+                                title=f"{y_column} مقابل {x_column} (مصنف حسب {color_column}, الحجم حسب {size_column})")
+
+            fig.update_layout(xaxis_title=x_column, yaxis_title=y_column)
+            st.plotly_chart(fig, use_container_width=True)
+
+        elif chart_type == "مخطط صندوقي":
+            st.subheader("مخطط صندوقي")
+
+            numeric_columns = self.data.select_dtypes(include=['number']).columns.tolist()
+
+            if not numeric_columns:
+                st.warning("يجب أن يكون هناك عمود رقمي واحد على الأقل لإنشاء مخطط صندوقي")
+                return
+
+            y_column = st.selectbox("اختر عمود القيمة:", numeric_columns, key="box_y")
+
+            # خيارات إضافية
+            x_column = st.selectbox("اختر عمود التصنيف (اختياري):", 
+                                   ["لا يوجد"] + self.data.columns.tolist(), 
+                                   key="box_x")
+
+            # إنشاء الرسم البياني
+            if x_column == "لا يوجد":
+                fig = px.box(self.data, y=y_column, title=f"مخطط صندوقي لـ {y_column}")
+            else:
+                fig = px.box(self.data, x=x_column, y=y_column, 
+                            title=f"مخطط صندوقي لـ {y_column} حسب {x_column}")
+
+            st.plotly_chart(fig, use_container_width=True)
+
+        elif chart_type == "مخطط حراري":
+            st.subheader("مخطط حراري")
+
+            numeric_columns = self.data.select_dtypes(include=['number']).columns.tolist()
+
+            if len(numeric_columns) < 2:
+                st.warning("يجب أن يكون هناك عمودان رقميان على الأقل لإنشاء مخطط حراري")
+                return
+
+            # اختيار الأعمدة للمخطط الحراري
+            selected_columns = st.multiselect("اختر الأعمدة للمخطط الحراري:", 
+                                             numeric_columns, 
+                                             default=numeric_columns[:5] if len(numeric_columns) > 5 else numeric_columns)
+
+            if selected_columns:
+                # حساب مصفوفة الارتباط
+                correlation_matrix = self.data[selected_columns].corr()
+
+                # إنشاء الرسم البياني
+                fig = px.imshow(correlation_matrix, text_auto=True, aspect="auto",
+                               title="مخطط حراري لمصفوفة الارتباط")
+                st.plotly_chart(fig, use_container_width=True)
             else:
-                st.info("لا يمكن إجراء تحليل ذكاء اصطناعي على ملفات PDF.")
+                st.warning("الرجاء اختيار عمود واحد على الأقل")
 
-    def _render_reports(self):
+    def _reports_tab(self):
+        """علامة تبويب التقارير"""
         st.header("التقارير")
 
-        if 'uploaded_files' not in st.session_state.analysis_data or not st.session_state.analysis_data['uploaded_files']:
-            st.info("الرجاء تحميل البيانات أولاً")
+        if self.data is None:
+            st.info("الرجاء تحميل البيانات أولاً من علامة تبويب 'تحميل البيانات'")
             return
 
-        # إنشاء تقرير
-        if st.button("إنشاء تقرير تحليلي شامل"):
-            report_data = self._generate_comprehensive_report()
-
-            # تصدير التقرير
-            output = io.BytesIO()
-            with pd.ExcelWriter(output, engine='xlsxwriter') as writer:
-                for sheet_name, data in report_data.items():
-                    pd.DataFrame(data).to_excel(writer, sheet_name=sheet_name)
-
-            st.download_button(
-                label="تحميل التقرير",
-                data=output.getvalue(),
-                file_name=f"analytical_report_{datetime.now().strftime('%Y%m%d_%H%M%S')}.xlsx",
-                mime="application/vnd.openxmlformats-officedocument.spreadsheetml.sheet"
-            )
-
-    def _analyze_trends(self, df):
-        """تحليل الاتجاهات في البيانات"""
-        # محاكاة تحليل الاتجاهات
-        return {
-            "trend_1": "اتجاه تصاعدي في المبيعات",
-            "trend_2": "انخفاض في التكاليف التشغيلية",
-            "trend_3": "زيادة في رضا العملاء"
-        }
+        st.subheader("إنشاء تقرير")
 
-    def _analyze_patterns(self, df):
-        """اكتشاف الأنماط في البيانات"""
-        # محاكاة اكتشاف الأنماط
-        return {
-            "pattern_1": "نمط موسمي في الطلب",
-            "pattern_2": "نمط دوري في الإنتاج",
-            "pattern_3": "نمط جغرافي في التوزيع"
-        }
+        # خيارات التقرير
+        report_type = st.selectbox(
+            "اختر نوع التقرير:",
+            ["تقرير ملخص", "تقرير تحليلي", "تقرير مقارنة"]
+        )
 
-    def _analyze_correlations(self, df):
-        """تحليل العلاقات بين المتغيرات"""
-        # محاكاة تحليل العلاقات
-        numeric_cols = df.select_dtypes(include=['number']).columns
-        correlations = df[numeric_cols].corr().round(2).to_dict()
-        return correlations
-
-    def _generate_comprehensive_report(self):
-        """إنشاء تقرير شامل"""
-        report = {
-            'ملخص_البيانات': {},
-            'التحليل_الإحصائي': {},
-            'تحليل_الذكاء_الاصطناعي': {},
-            'التوصيات': {}
+        if report_type == "تقرير ملخص":
+            st.write("محتوى التقرير:")
+
+            # إنشاء ملخص للبيانات
+            st.write("### ملخص البيانات")
+            st.write(f"عدد الصفوف: {self.data.shape[0]}")
+            st.write(f"عدد الأعمدة: {self.data.shape[1]}")
+
+            # إحصاءات وصفية
+            st.write("### إحصاءات وصفية")
+            st.dataframe(self.data.describe())
+
+            # معلومات عن القيم المفقودة
+            st.write("### ا��قيم المفقودة")
+            missing_data = pd.DataFrame({
+                'العمود': self.data.columns,
+                'عدد القيم المفقودة': self.data.isna().sum().values,
+                'نسبة القيم المفقودة (%)': (self.data.isna().sum().values / len(self.data) * 100).round(2)
+            })
+            st.dataframe(missing_data)
+
+            # توزيع البيانات الرقمية
+            st.write("### توزيع البيانات الرقمية")
+            numeric_columns = self.data.select_dtypes(include=['number']).columns.tolist()
+
+            if numeric_columns:
+                for i in range(0, len(numeric_columns), 2):
+                    cols = st.columns(2)
+                    for j in range(2):
+                        if i + j < len(numeric_columns):
+                            col = numeric_columns[i + j]
+                            with cols[j]:
+                                fig = px.histogram(self.data, x=col, title=f"توزيع {col}")
+                                st.plotly_chart(fig, use_container_width=True)
+
+            # خيارات تصدير التقرير
+            st.subheader("تصدير التقرير")
+            export_format = st.radio("اختر صيغة التصدير:", ["PDF", "Excel", "HTML"])
+
+            if st.button("تصدير التقرير"):
+                st.success(f"تم تصدير التقرير بصيغة {export_format} بنجاح!")
+
+        elif report_type == "تقرير تحليلي":
+            st.info("هذه الميزة قيد التطوير")
+
+        elif report_type == "تقرير مقارنة":
+            st.info("هذه الميزة قيد التطوير")
+
+    def _create_sample_data(self):
+        """إنشاء بيانات نموذجية للمناقصات"""
+        # إنشاء تواريخ عشوائية
+        start_date = datetime(2023, 1, 1)
+        end_date = datetime(2025, 3, 31)
+        days = (end_date - start_date).days
+
+        # إنشاء بيانات نموذجية
+        data = {
+            'رقم المناقصة': [f'T-{i:04d}' for i in range(1, 101)],
+            'اسم المشروع': [f'مشروع {i}' for i in range(1, 101)],
+            'نوع المشروع': np.random.choice(['بناء', 'صيانة', 'تطوير', 'توريد', 'خدمات'], 100),
+            'الموقع': np.random.choice(['الرياض', 'جدة', 'الدمام', 'مكة', 'المدينة', 'تبوك', 'أبها'], 100),
+            'تاريخ الإعلان': [start_date + pd.Timedelta(days=np.random.randint(0, days)) for _ in range(100)],
+            'تاريخ الإغلاق': [start_date + pd.Timedelta(days=np.random.randint(30, days)) for _ in range(100)],
+            'الميزانية التقديرية': np.random.uniform(1000000, 50000000, 100),
+            'عدد المتقدمين': np.random.randint(1, 20, 100),
+            'سعر العرض': np.random.uniform(900000, 55000000, 100),
+            'نسبة الفوز (%)': np.random.uniform(0, 100, 100),
+            'مدة التنفيذ (أشهر)': np.random.randint(3, 36, 100),
+            'عدد العمال': np.random.randint(10, 500, 100),
+            'تكلفة المواد': np.random.uniform(500000, 30000000, 100),
+            'تكلفة العمالة': np.random.uniform(200000, 15000000, 100),
+            'تكلفة المعدات': np.random.uniform(100000, 10000000, 100),
+            'هامش الربح (%)': np.random.uniform(5, 25, 100),
+            'درجة المخاطرة': np.random.choice(['منخفضة', 'متوسطة', 'عالية'], 100),
+            'حالة المناقصة': np.random.choice(['جارية', 'مغلقة', 'ملغاة', 'فائزة', 'خاسرة'], 100)
         }
 
-        for filename, file_info in st.session_state.analysis_data['uploaded_files'].items():
-            report['ملخص_البيانات'][filename] = file_info['metadata']
+        # إنشاء DataFrame
+        df = pd.DataFrame(data)
+
+        # إضافة بعض العلاقات المنطقية
+        df['إجمالي التكلفة'] = df['تكلفة المواد'] + df['تكلفة العمالة'] + df['تكلفة المعدات']
+        df['الربح المتوقع'] = df['سعر العرض'] - df['إجمالي التكلفة']
+        df['نسبة التكلفة من العرض (%)'] = (df['إجمالي التكلفة'] / df['سعر العرض'] * 100).round(2)
+
+        return df
+
+class UIEnhancer: #Dummy Class
+    def __init__(self, page_title, page_icon):
+        st.set_page_config(page_title=page_title, page_icon=page_icon, layout="wide", initial_sidebar_state="expanded")
+
+    def apply_theme_colors(self):
+        pass # Dummy function
 
-        if 'ai_insights' in st.session_state.analysis_data:
-            report['تحليل_الذكاء_الاصطناعي'] = st.session_state.analysis_data['ai_insights']
 
-        return report
-        
+if __name__ == "__main__":
+    app = DataAnalysisApp()
+    app.run()