Create app.py

app.py

@@ -0,0 +1,60 @@
+import streamlit as st
+import pandas as pd
+import matplotlib.pyplot as plt
+
+# عنوان داشبورد
+st.title('داشبورد تحلیل داده با استفاده از Streamlit')
+
+# آپلود فایل اکسل
+uploaded_file = st.file_uploader("یک فایل اکسل انتخاب کنید", type=["xlsx"])
+
+if uploaded_file is not None:
+    # خواندن فایل اکسل
+    df = pd.read_excel(uploaded_file)
+
+    # نمایش داده‌های فایل اکسل
+    st.write("داده‌های فایل اکسل:")
+    st.dataframe(df)
+
+    # انتخاب ستون‌ها برای نمایش در نمودار
+    columns = df.columns.tolist()
+    x_axis = st.selectbox('ستون محور X را انتخاب کنید', options=columns)
+    y_axis = st.selectbox('ستون محور Y را انتخاب کنید', options=columns)
+
+    # ترسیم نمودار
+    if x_axis and y_axis:
+        fig, ax = plt.subplots()
+        ax.plot(df[x_axis], df[y_axis])
+        ax.set_xlabel(x_axis)
+        ax.set_ylabel(y_axis)
+        ax.set_title(f'نمودار {y_axis} بر حسب {x_axis}')
+        st.pyplot(fig)
+
+    # نمودارهای اضافی
+    st.subheader('نمودارهای اضافی')
+
+    # نمودار میله‌ای
+    st.write('نمودار میله‌ای')
+    fig, ax = plt.subplots()
+    ax.bar(df[x_axis], df[y_axis])
+    ax.set_xlabel(x_axis)
+    ax.set_ylabel(y_axis)
+    ax.set_title(f'نمودار میله‌ای {y_axis} بر حسب {x_axis}')
+    st.pyplot(fig)
+
+    # نمودار پراکندگی
+    st.write('نمودار پراکندگی')
+    fig, ax = plt.subplots()
+    ax.scatter(df[x_axis], df[y_axis])
+    ax.set_xlabel(x_axis)
+    ax.set_ylabel(y_axis)
+    ax.set_title(f'نمودار پراکندگی {y_axis} بر حسب {x_axis}')
+    st.pyplot(fig)
+
+    # نمودار هیستوگرام
+    st.write('نمودار هیستوگرام')
+    fig, ax = plt.subplots()
+    ax.hist(df[y_axis], bins=30)
+    ax.set_xlabel(y_axis)
+    ax.set_title(f'نمودار هیستوگرام {y_axis}')
+    st.pyplot(fig)