Update app.py

app.py

@@ -515,6 +515,9 @@ elif modus == "Upload csv-Datei":
                 st.session_state.batch_user_values = batch_user_values
             else:
                 st.session_state.batch_user_values = None
+
+            annuitaeten_gesamt = []
+            annuitaeten_objekt_map = {}
             
             do_calc = st.button("Batch-Berechnung starten")
             if do_calc:
@@ -578,6 +581,13 @@ elif modus == "Upload csv-Datei":
                             df["Annuität_NS"] = 0
                             df["Annuität"] = df["Annuität_NK"] + df["Annuität_NV"] + df["Annuität_NB"] + df["Annuität_NS"]
                             df = df.sort_values("Annuität")
+                            df_anni = df[[
+                                "Name", "Annuität_NK", "Annuität_NV", "Annuität_NB", "Annuität"
+                            ]].copy()
+                            df_anni["Objekt-ID"] = row.get("Objekt-ID", idx)
+                            annuitaeten_gesamt.append(df_anni)
+                            annuitaeten_objekt_map[str(row.get("Objekt-ID", idx))] = df_anni
+
                             for j in range(min(len(df), max_count)):
                                 df_out.at[idx, annuität_colnames[j]] = int(df.iloc[j]["Annuität"])
                                 df_out.at[idx, hsystem_colnames[j]] = df.iloc[j]["Name"]
@@ -599,6 +609,44 @@ elif modus == "Upload csv-Datei":
                     
                     st.success("Berechnung abgeschlossen!")
                     st.info(summary_str)
+
+                    if annuitaeten_gesamt:
+                        # Verbinde alle Einzel-DFs zu einem großen Table
+                        df_alle = pd.concat(annuitaeten_gesamt, ignore_index=True)
+                        # Mittelwerte pro System
+                        df_mittel = df_alle.groupby("Name")[["Annuität_NK", "Annuität_NV", "Annuität_NB", "Annuität"]].mean(numeric_only=True).reset_index()
+                    
+                        # Für gestapeltes Balkendiagramm (wie im Einzel-Modus)
+                        df_stacked = df_mittel.melt(
+                            id_vars="Name",
+                            value_vars=["Annuität_NK", "Annuität_NV", "Annuität_NB"],
+                            var_name="Kostenart",
+                            value_name="Wert"
+                        )
+                        df_stacked["Kostenart"] = df_stacked["Kostenart"].replace({
+                            "Annuität_NK": "Kapitalgebundene Kosten",
+                            "Annuität_NV": "Bedarfsgebundene Kosten",
+                            "Annuität_NB": "Betriebsgebundene Kosten"
+                        })
+                        kostenart_order = ["Kapitalgebundene Kosten", "Bedarfsgebundene Kosten", "Betriebsgebundene Kosten"]
+                        df_stacked["Kostenart"] = pd.Categorical(df_stacked["Kostenart"], categories=kostenart_order, ordered=True)
+                        color_scale = alt.Scale(domain=kostenart_order, range=["#00386c", "#004c93", "#0069c8"])
+                    
+                        # Heizsysteme nach mittlerer Gesamtkosten sortieren
+                        sortierte_names = df_mittel.sort_values("Annuität")["Name"]
+                    
+                        st.markdown("### Mittlere annualisierte Kosten pro Heizsystem (Batch-Durchschnitt)")
+                        st.altair_chart(
+                            alt.Chart(df_stacked)
+                            .mark_bar()
+                            .encode(
+                                x=alt.X("Wert:Q", title="mittlere annualisierte Kosten (€)", stack="zero"),
+                                y=alt.Y("Name:N", title="Heizsystem", sort=list(sortierte_names)),
+                                color=alt.Color("Kostenart:N", scale=color_scale, title="Kostenart"),
+                                tooltip=["Name", "Kostenart", "Wert"]
+                            ).properties(height=350, width=650),
+                            use_container_width=True
+                        )
                    
                     csv_buffer = io.StringIO()
                     df_out.to_csv(csv_buffer, sep=";", index=False)