Update src/streamlit_app.py

src/streamlit_app.py

@@ -1,40 +1,102 @@
-import altair as alt
-import numpy as np
-import pandas as pd
 import streamlit as st
+import pandas as pd
+import plotly.graph_objects as go
+import matplotlib.pyplot as plt
+
+# Sayfa Genişliği ve Ayarlar
+st.set_page_config(page_title="World Data Analysis", layout="wide")
+
+# --- SIDEBAR (SOL TARAF) ---
+st.sidebar.header("📊 Analysis Notes / Analiz Notları")
+
+# İngilizce Notlar (Üstte)
+st.sidebar.markdown("""
+**EN:** Analysis shows that developed countries have high GDP and internet usage. 
+It has also been observed that CO2 emissions are high in these countries. 
+In low-income countries, energy and internet usage are found to be lower. 
+In some cases, an inverse relationship between forest rate and CO2 emissions has been seen.
+
+**Examples:**
+* **High GDP & CO2:** USA, China, Germany.
+* **Low Income & Energy:** Afghanistan, Yemen, Zambia.
+""")
+
+st.sidebar.markdown("---") # Ayırıcı çizgi
+
+# Türkçe Notlar (Altta)
+st.sidebar.markdown("""
+**TR:** Analiz sonucunda gelişmiş ülkelerde GDP ve internet kullanımının yüksek olduğu görülmüştür. 
+Aynı zamanda bu ülkelerde CO2 emisyonunun da yüksek olduğu tespit edilmiştir. 
+Düşük gelirli ülkelerde ise enerji ve internet kullanımının daha düşük olduğu gözlemlenmiştir. 
+Orman oranı ile CO2 emisyonu arasında bazı durumlarda ters ilişki olduğu görülmüştür.
+
+**Örnekler:**
+* **Yüksek GDP & CO2:** ABD (USA), Çin (China), Almanya.
+* **Düşük Gelir & Enerji:** Afganistan, Yemen, Zambiya.
+""")
+
+# --- DATA LOAD ---
+try:
+    df = pd.read_csv("us_pollution_cleaned.csv") # Dosya adını kontrol et!
+except:
+    st.error("Dosya bulunamadı! / File not found!")
+    st.stop()
+
+# GDP_LEVEL Sütununu Oluşturma (Emin olmak için)
+if 'GDP' in df.columns and 'GDP_LEVEL' not in df.columns:
+    df['GDP_LEVEL'] = pd.cut(df['GDP'], bins=[0, 2000, 10000, 100000], labels=['Low', 'Medium', 'High'])
+
+# --- ANA SAYFA BAŞLIK ---
+st.title("🌍 World Data Analysis Dashboard / Dünya Veri Analizi Paneli")
+st.write("Veri Analizi ve Görselleştirme / Data Analysis and Visualization")
+st.divider()
+
+# ==========================================
+# --- 1. HARİTA (EN ÜSTTE VE GENİŞ) ---
+# ==========================================
+st.subheader("🗺️ World GDP Map / Dünya GSYİH Haritası")
+fig_map = go.Figure(data=dict(
+    type="choropleth",
+    colorscale='Viridis',
+    locations=df["COUNTRY"],
+    locationmode="country names",
+    z=df["GDP"],
+    colorbar={'title': "GDP"}
+))
+# Haritayı biraz daha basık yapıyoruz (yüksekliği 350)
+fig_map.update_layout(height=350, margin={"r":0,"t":0,"l":0,"b":0})
+st.plotly_chart(fig_map, use_container_width=True)
+
+st.divider()
+
+# ==========================================
+# --- 2. KÜÇÜK GRAFİKLER (ALTTAN VE YAN YANA) ---
+# ==========================================
+col1, col2 = st.columns(2)
+
+with col1:
+    st.subheader("📊 GDP vs CO2")
+    # figsize=(4, 3) ile çok daha küçük bir ebat
+    fig1, ax1 = plt.subplots(figsize=(4, 3)) 
+    ax1.scatter(df['GDP'], df['CO2'], color='royalblue', alpha=0.6, s=15) # s=15 noktaları küçültür
+    ax1.set_xlabel("GDP", fontsize=10)
+    ax1.set_ylabel("CO2", fontsize=10)
+    # Eksen yazılarını küçültme
+    ax1.tick_params(axis='both', which='major', labelsize=8)
+    st.pyplot(fig1)
+
+with col2:
+    st.subheader("Pie Chart / Gelir Seviyesi Dağılımı")
+    # figsize=(4, 3) ile çok daha küçük bir ebat
+    fig2, ax2 = plt.subplots(figsize=(4, 3))
+    df['GDP_LEVEL'].value_counts().plot.pie(
+        autopct='%1.1f%%', 
+        ax=ax2, 
+        colors=['#ff9999','#66b3ff','#99ff99'],
+        textprops={'fontsize': 8} # Yüzde yazılarını küçültür
+    )
+    ax2.set_ylabel("") # Yan taraftaki etiketi siler
+    st.pyplot(fig2)
 
-"""
-# Welcome to Streamlit!
-
-Edit `/streamlit_app.py` to customize this app to your heart's desire :heart:.
-If you have any questions, checkout our [documentation](https://docs.streamlit.io) and [community
-forums](https://discuss.streamlit.io).
-
-In the meantime, below is an example of what you can do with just a few lines of code:
-"""
-
-num_points = st.slider("Number of points in spiral", 1, 10000, 1100)
-num_turns = st.slider("Number of turns in spiral", 1, 300, 31)
-
-indices = np.linspace(0, 1, num_points)
-theta = 2 * np.pi * num_turns * indices
-radius = indices
-
-x = radius * np.cos(theta)
-y = radius * np.sin(theta)
-
-df = pd.DataFrame({
-    "x": x,
-    "y": y,
-    "idx": indices,
-    "rand": np.random.randn(num_points),
-})
-
-st.altair_chart(alt.Chart(df, height=700, width=700)
-    .mark_point(filled=True)
-    .encode(
-        x=alt.X("x", axis=None),
-        y=alt.Y("y", axis=None),
-        color=alt.Color("idx", legend=None, scale=alt.Scale()),
-        size=alt.Size("rand", legend=None, scale=alt.Scale(range=[1, 150])),
-    ))
+st.divider()
+st.write("✅ Proje tamamlandı / Project completed")