src/streamlit_app.py

import streamlit as st
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import pickle
from keras.models import load_model

# 1. Sayfa Ayarları / Page Settings
st.set_page_config(page_title="Weather Forecast", layout="wide")

@st.cache_resource
def modeli_getir():
    # Model ismin .keras olduğu için böyle güncelledim
    model = load_model("lstm_traffic_model.keras")
    return model

@st.cache_resource
def scaler_getir():
    with open("scaler.pkl", "rb") as f:
        return pickle.load(f)

model = modeli_getir()
olcekleyici = scaler_getir()

# --- SIDEBAR / YAN PANEL ---
st.sidebar.header("📁 CSV Format Guide / Rehber")
st.sidebar.info("""
**English:** Your file must contain the following columns in order: 
`date`, `meantemp`, `humidity`, `wind_speed`, `meanpressure`.

**Türkçe:** Dosyanız şu sütunları sırasıyla içermelidir: 
`date`, `meantemp`, `humidity`, `wind_speed`, `meanpressure`.
""")

# Senin gerçek verinden bir kesit örnek olarak
ornek_data = pd.DataFrame({
    'date': ['2015-08-21', '2015-08-22'],
    'meantemp': [29.375, 30.25],
    'humidity': [72, 65.37],
    'wind_speed': [8.57, 5.8],
    'meanpressure': [1002, 1000.8]
})
st.sidebar.write("Example Format / Örnek Format:", ornek_data)

# --- MAIN PAGE / ANA SAYFA ---
st.title("🌡️ Weather Forecasting System / Hava Durumu Tahmin Sistemi")
st.markdown("### LSTM Network Analysis / LSTM Ağ Analizi")

# Dosya Yükleme
dosya = st.file_uploader("Upload your CSV file / CSV Dosyanızı Yükleyin", type=["csv"])

if dosya is not None:
    df = pd.read_csv(dosya)
    
    col1, col2 = st.columns(2)
    
    with col1:
        st.subheader("📊 Data Preview / Veri Önizleme")
        st.write(df.head())

    try:
        # ÖNEMLİ: Senin verinde 'meantemp' 2. kolonda (index 1)
        # Sadece bu kolonu tahmin için seçiyoruz
        veriler = df.iloc[:, 1:2].values
        
        # Scale işlemi
        olcekli_veriler = olcekleyici.transform(veriler)

        # Tahmin (LSTM tahmini)
        tahminler_scaled = model.predict(olcekli_veriler)
        tahminler = olcekleyici.inverse_transform(tahminler_scaled)

        with col2:
            st.subheader("📈 Prediction Result / Tahmin Sonucu")
            fig, ax = plt.subplots(figsize=(10, 6))
            ax.plot(veriler, label="Actual / Gerçek", color="#e74c3c", linewidth=2)
            ax.plot(tahminler, label="Predicted / Tahmin", color="#3498db", linestyle="--", linewidth=2)
            ax.set_title("Temperature Forecast")
            ax.set_ylabel("Celsius (°C)")
            ax.legend()
            st.pyplot(fig)

        # Kutlama Balonları
        st.balloons()
        st.success("✅ Process Completed! / İşlem Başarıyla Tamamlandı!")
        
    except Exception as e:
        st.error(f"Error / Hata: {e}. Please check your column order.")

else:
    st.warning("👈 Please upload a CSV file to start / Başlamak için lütfen bir CSV dosyası yükleyin.")