src/streamlit_app.py

import streamlit as st
import pandas as pd
import joblib
import os
import warnings

# Gereksiz uyarıları kapat / Silence warnings
warnings.filterwarnings('ignore')

# 1️⃣ Sayfa Ayarları / Page Configuration
st.set_page_config(page_title="Spotify Analysis Pro", layout="wide")

# 2️⃣ Veri ve Model Yükleme / Load Data & Models
@st.cache_data
def load_data():
    if not os.path.exists("spotify_clustered.csv"): return None
    return pd.read_csv("spotify_clustered.csv")

@st.cache_resource
def load_models():
    try:
        model = joblib.load("kmeans_music_model.pkl")
        scaler = joblib.load("scaler_music.pkl")
        return model, scaler
    except: return None, None

df = load_data()
model, scaler = load_models()

# 3️⃣ Sol Panel (Sidebar) - YÖNETİCİ NOTLARI / EXECUTIVE NOTES
with st.sidebar:
    st.title("📂 Analiz Notları / Analysis Notes")
    st.success("✅ System: Active / Sistem: Aktif")
    
    st.markdown("""
    ### 📊 Stratejik Özet / Strategic Summary
    *TR:* Bu sistem, şarkıları karakteristik benzerliklerine göre **2 ana gruba** ayırmıştır.
    *EN:* This system has categorized songs into **2 main groups** based on their characteristics.
    
    ### 🔍 Küme Yorumları / Cluster Interpretation
    * **Cluster 0 (Sakin/Quiet):** - *TR:* Düşük enerji, odaklanma müzikleri.
      - *EN:* Low energy, focus/chill music.
    * **Cluster 1 (Dinamik/Dynamic):** - *TR:* Yüksek enerji, ritmik ve popüler.
      - *EN:* High energy, rhythmic and popular.
    
    ### 📈 Teknik Onay / Technical Validation
    *TR:* Silhouette skoru pozitiftir; ayrım tutarlıdır.
    *EN:* Silhouette score is positive; separation is consistent.
    """)
    st.divider()
    st.caption("Spotify Segmentation Project v2.0")

# 4️⃣ Ana Başlık / Main Title
st.title("🎵 Spotify Müzik Kümeleme Analizi | Spotify Music Clustering Analysis")
st.write("Veri madenciliği ile şarkı segmentasyonu / Song segmentation with data mining.")
st.write("---")

if df is not None:
    # 📄 Veri Önizleme / Preview
    st.subheader("📄 Veri Önizleme / Dataset Preview")
    st.dataframe(df.head(5), use_container_width=True) 

    # 5️⃣ Görselleştirmeler / Visualizations
    col1, col2 = st.columns(2)
    with col1:
        st.subheader("📊 Küme Dağılımı / Cluster Distribution")
        st.bar_chart(df['cluster'].value_counts())

    with col2:
        st.subheader("🎯 Enerji vs Dans / Energy vs Danceability")
        st.scatter_chart(df.sample(min(1000, len(df))), x='danceability', y='energy', color='cluster')

    # 6️⃣ Tahmin Bölümü / Prediction Section
    st.divider()
    st.subheader("🤖 Yeni Şarkı Analizi / New Song Analysis")
    
    with st.form("prediction_form"):
        st.info("Özellikleri girin / Enter song features.")
        c1, c2, c3 = st.columns(3)
        with c1:
            pop = st.slider("Popularity / Popülerlik", 0, 100, 50)
            dur = st.number_input("Duration / Süre (ms)", value=200000)
        with c2:
            dance = st.slider("Danceability / Dans Edilebilirlik", 0.0, 1.0, 0.5)
            energy = st.slider("Energy / Enerji", 0.0, 1.0, 0.5)
        with c3:
            loud = st.slider("Loudness / Ses (dB)", -60.0, 0.0, -10.0)
            tempo = st.slider("Tempo (BPM)", 0.0, 250.0, 120.0)
        
        submit = st.form_submit_button("Analiz Et / Analyze ✨")

    if submit and model and scaler:
        try:
            # Model expects 6 features
            input_data = [[pop, dur, dance, energy, loud, tempo]]
            res = model.predict(scaler.transform(input_data))[0]
            
            # İSTEDİĞİN ÖZEL NOT KISMI BURASI:
            if res == 0:
                note = "0 - SAKİN / QUIET MUSIC ☕"
            else:
                note = "1 - DİNAMİK / DYNAMIC MUSIC 🔥"
                
            st.success(f"### Sonuç / Result: {note}")
            st.balloons()
        except Exception as e:
            st.error(f"Error / Hata: {e}")

    # 7️⃣ Ortalama Değerler / Means
    st.divider()
    st.subheader("🔍 Küme Karakteristikleri / Cluster Characteristics")
    num_cols = df.select_dtypes(include=['number']).columns.tolist()
    if 'cluster' in df.columns:
        st.dataframe(df.groupby('cluster')[num_cols].mean(), use_container_width=True)

else:
    st.error("Missing files! / Dosyalar eksik!")