app.py

import os
import warnings

# --- TİTREMEYİ VE GEREKSİZ LOGLARI ENGELLE ---
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3' 
os.environ['TF_ENABLE_ONEDNN_OPTS'] = '0'
warnings.filterwarnings('ignore')

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

# Sayfa Yapılandırması
st.set_page_config(page_title="Hotel AI Decision Support", layout="wide")

@st.cache_resource
def load_assets():
    model_file = "hotel_model.keras"
    scaler_file = "scaler.pkl"
    if not os.path.exists(model_file) or not os.path.exists(scaler_file):
        st.error("❌ Dosyalar bulunamadı! Lütfen Hugging Face klasörünüzü kontrol edin.")
        st.stop()
    model = load_model(model_file)
    with open(scaler_file, "rb") as f:
        sc = pickle.load(f)
    return model, sc

try:
    model, sc = load_assets()
except Exception as e:
    st.error(f"⚠️ Yükleme Hatası: {e}")
    st.stop()

# ==========================================
# SIDEBAR / SOL PANEL (TÜM BİLGİLER BURADA)
# ==========================================
with st.sidebar:
    st.markdown("<h2 style='color: #2980b9;'>📖 User Guide / Rehber</h2>", unsafe_allow_html=True)
    
    # 1. NASIL YÜKLENMELİ?
    st.markdown("### 📥 How to Upload? / Nasıl Yüklenmeli?")
    st.info("""
    **Format:** Sütun adı **'bookings'** olan bir CSV yükleyin.
    
    | bookings |
    | :--- |
    | 120 |
    | 155 |
    """)
    
    # 2. ANALİZİ BAŞLAT (İstediğin yer: Rehberin hemen altı)
    st.markdown("### 🚀 Start Analysis / Analizi Başlat")
    file = st.file_uploader("Upload CSV / CSV Yükle", type=["csv"])
    
    st.markdown("---")
    
    # 3. BOOKINGS NEDİR?
    st.markdown("### ❓ What is 'Bookings'? / 'Bookings' Nedir?")
    st.write("""
    **EN:** Total daily reservations. (Example: 150 means 150 rooms sold)
    
    **TR:** Günlük toplam rezervasyon. (Örn: 150 değeri o gün 150 oda satıldığını gösterir)
    """)
    
    st.markdown("---")
    
    # 4. YOĞUNLUK MANTIĞI
    st.markdown("### 📊 Thresholds / Yoğunluk")
    st.warning("**High (Yoğun):** > Ortalamadan %20 fazla")
    st.success("**Stable (Stabil):** Normal aralıkta")

# ==========================================
# MAIN CONTENT / ANA SAYFA
# ==========================================
st.markdown("<h1 style='text-align: center;'>🏨 Hotel Demand Forecasting / Otel Talep Tahmini</h1>", unsafe_allow_html=True)

if file is not None:
    df = pd.read_csv(file)
    
    # AI TAHMİN SÜRECİ
    raw_data = df[["bookings"]].values
    data_scaled = sc.transform(raw_data)
    predictions_scaled = model.predict(data_scaled, verbose=0) 
    predictions = sc.inverse_transform(predictions_scaled).flatten().astype(int)

    avg_val = int(predictions.mean())
    busy_limit = int(avg_val * 1.2)
    current_max = int(predictions.max())

    # 1. METRİKLER (EN ÜSTTE)
    st.markdown("---")
    c1, c2, c3 = st.columns(3)
    with c1: st.markdown(f"<div style='text-align: center;'><strong>Avg Forecast / Ort. Tahmin</strong><br><span style='font-size: 45px; color: #2980b9;'>{avg_val}</span></div>", unsafe_allow_html=True)
    with c2: st.markdown(f"<div style='text-align: center;'><strong>Busy Threshold / Yoğunluk Sınırı</strong><br><span style='font-size: 45px; color: #e74c3c;'>{busy_limit}</span></div>", unsafe_allow_html=True)
    with c3:
        status_color = "#e67e22" if current_max >= busy_limit else "#27ae60"
        status_text = "HIGH / YOĞUN" if current_max >= busy_limit else "STABLE / STABİL"
        st.markdown(f"<div style='text-align: center;'><strong>Status / Durum</strong><br><span style='font-size: 40px; color: {status_color}; font-weight: bold;'>{status_text}</span></div>", unsafe_allow_html=True)

    # 2. YÖNETİM TAVSİYESİ (ÜSTTE)
    st.markdown("---")
    st.markdown("<h3 style='text-align: center;'>👔 Management Advice / Yönetim Tavsiyesi</h3>", unsafe_allow_html=True)
    adv_en, adv_tr = st.columns(2)
    with adv_en:
        if current_max >= busy_limit: st.warning("**High Demand Advice:** Peak days detected. Increase staff.")
        else: st.success("**Stable Demand Advice:** Demand is normal. Focus on maintenance.")
    with adv_tr:
        if current_max >= busy_limit: st.warning("**Yoğun Talep Tavsiyesi:** Zirve günler tespit edildi. Personel artırın.")
        else: st.success("**Stabil Talep Tavsiyesi:** Talep normal. Bakım işlerine odaklanılabilir.")

    # 3. SONUÇ TABLOSU (GRAFİK ÜSTÜNDE)
    st.markdown("---")
    st.subheader("📋 Results Table / Sonuç Tablosu")
    res_df = pd.DataFrame({"Actual / Gerçek": raw_data.flatten(), "Predicted / Tahmin": predictions})
    st.dataframe(res_df, width=1200, height=250)
    st.download_button("📥 Download Results", res_df.to_csv(index=False).encode('utf-8'), "hotel_results.csv", "text/csv")

    # 4. GRAFİK
    st.markdown("---")
    st.subheader("📈 Prediction Graph / Tahmin Grafiği")
    plt.clf()
    fig, ax = plt.subplots(figsize=(10, 3.5)) 
    ax.plot(raw_data, label="Actual / Gerçek", color="#bdc3c7", alpha=0.6, linestyle='--')
    ax.plot(predictions, label="AI Forecast / YZ Tahmini", color="#2980b9", linewidth=2)
    ax.axhline(y=busy_limit, color='#e74c3c', linestyle=':', label="Limit")
    ax.legend(prop={'size': 8})
    st.pyplot(fig, clear_figure=True)

    # 5. VERİ ÖN İZLEME (EN ALTTA)
    st.markdown("---")
    st.subheader("📊 Data Preview / Veri Ön İzleme")
    st.dataframe(df, width=1200, height=150)

else:
    st.warning("👈 Please upload a CSV file from the left panel. / Lütfen sol panelden bir CSV dosyası yükleyin.")