Update dashboard.py

dashboard.py

@@ -1,565 +1,99 @@
 import streamlit as st
 import pandas as pd
-import plotly.graph_objects as go
 import plotly.express as px
-import numpy as np
-from plotly.subplots import make_subplots
 
-# تنظیمات صفحه
-st.set_page_config(
-    page_title="داشبورد تحلیلی نیشکر",
-    page_icon="🌾",
-    layout="wide"
-)
-
-# استایل سفارشی
-st.markdown("""
-    <style>
-        @import url('https://fonts.googleapis.com/css2?family=Vazirmatn:wght@400;700&display=swap');
-        @import url('https://cdnjs.cloudflare.com/ajax/libs/font-awesome/6.4.0/css/all.min.css');
-        @import url('https://cdnjs.cloudflare.com/ajax/libs/animate.css/4.1.1/animate.min.css');
-        
-        .main {
-            font-family: 'Vazirmatn', sans-serif;
-            background: linear-gradient(135deg, #f8f9fa 0%, #e9ecef 100%);
-        }
-        
-        /* Header with animation */
-        .header {
-            background: linear-gradient(135deg, #43cea2 0%, #185a9d 100%);
-            color: white;
-            padding: 20px;
-            border-radius: 15px;
-            margin-bottom: 20px;
-            box-shadow: 0 5px 15px rgba(0, 0, 0, 0.1);
-            text-align: center;
-            position: relative;
-            overflow: hidden;
-            animation: fadeIn 0.8s ease-in-out;
-        }
-        
-        .header::before {
-            content: '';
-            position: absolute;
-            top: -50%;
-            left: -50%;
-            width: 200%;
-            height: 200%;
-            background: linear-gradient(45deg, transparent, rgba(255,255,255,0.1), transparent);
-            transform: rotate(45deg);
-            animation: shine 3s infinite linear;
-        }
-        
-        .header h1 {
-            margin: 0;
-            font-size: 2.5em;
-            font-weight: 900;
-            text-shadow: 0 2px 4px rgba(0, 0, 0, 0.2);
-            animation: bounceIn 1s ease-in-out;
-        }
-        
-        .card {
-            background-color: #ffffff;
-            border-radius: 15px;
-            padding: 25px;
-            box-shadow: 0 8px 20px rgba(0, 0, 0, 0.08);
-            margin: 15px 0;
-            transition: all 0.4s cubic-bezier(0.175, 0.885, 0.32, 1.275);
-            border: 1px solid rgba(0, 0, 0, 0.05);
-            animation: fadeIn 0.6s ease-in-out;
-        }
-        
-        .card:hover {
-            transform: translateY(-10px);
-            box-shadow: 0 15px 30px rgba(0, 0, 0, 0.12);
-        }
-        
-        .metric-card {
-            background: linear-gradient(135deg, #1e3c72 0%, #2a5298 100%);
-            color: white;
-            border-radius: 15px;
-            padding: 25px;
-            margin: 15px 0;
-            text-align: center;
-            position: relative;
-            overflow: hidden;
-            box-shadow: 0 10px 20px rgba(0, 0, 0, 0.15);
-            transition: all 0.5s ease;
-            animation: bounceIn 0.8s ease-in-out;
-        }
-        
-        .metric-card::after {
-            content: '';
-            position: absolute;
-            bottom: 0;
-            left: 0;
-            width: 100%;
-            height: 5px;
-            background: linear-gradient(to right, #43cea2, #185a9d);
-        }
-        
-        .metric-card:hover {
-            transform: translateY(-5px) scale(1.02);
-            box-shadow: 0 15px 30px rgba(0, 0, 0, 0.2);
-        }
-        
-        .metric-card h3 {
-            font-size: 1.2em;
-            opacity: 0.9;
-            margin-bottom: 10px;
-            font-weight: 500;
-        }
-        
-        .metric-card h2 {
-            font-size: 2.5em;
-            font-weight: 900;
-            margin: 0;
-            padding: 0;
-            line-height: 1;
-        }
-        
-        .metric-card i {
-            font-size: 2em;
-            margin-bottom: 15px;
-            display: block;
-            opacity: 0.8;
-        }
-        
-        .chart-container {
-            background-color: #ffffff;
-            border-radius: 15px;
-            padding: 25px;
-            margin: 20px 0;
-            box-shadow: 0 10px 20px rgba(0, 0, 0, 0.08);
-            transition: all 0.3s ease;
-            animation: fadeIn 0.8s ease-in-out;
-            position: relative;
-            border: 1px solid rgba(0, 0, 0, 0.05);
-        }
-        
-        .chart-container:hover {
-            transform: translateY(-5px);
-            box-shadow: 0 15px 30px rgba(0, 0, 0, 0.12);
-        }
-        
-        .chart-container h3 {
-            color: #185a9d;
-            font-weight: 700;
-            margin-bottom: 20px;
-            font-size: 1.5em;
-            padding-bottom: 10px;
-            border-bottom: 3px solid #43cea2;
-            display: inline-block;
-        }
-        
-        /* Animation keyframes */
-        @keyframes fadeIn {
-            from { opacity: 0; }
-            to { opacity: 1; }
-        }
-        
-        @keyframes bounceIn {
-            0% {
-                opacity: 0;
-                transform: scale(0.3);
-            }
-            50% {
-                opacity: 1;
-                transform: scale(1.05);
-            }
-            70% { transform: scale(0.9); }
-            100% { transform: scale(1); }
-        }
-        
-        @keyframes shine {
-            0% {
-                left: -100%;
-                opacity: 0;
-            }
-            100% {
-                left: 100%;
-                opacity: 0.3;
-            }
-        }
-        
-        /* Filter panel styling */
-        .filter-container {
-            background: #f8f9fa;
-            border-radius: 15px;
-            padding: 20px;
-            margin-bottom: 20px;
-            box-shadow: 0 5px 15px rgba(0, 0, 0, 0.05);
-            border: 1px solid rgba(0, 0, 0, 0.05);
-            animation: fadeIn 0.6s ease-in-out;
-        }
-        
-        /* Custom button styling */
-        .custom-button {
-            display: inline-block;
-            background: linear-gradient(135deg, #43cea2 0%, #185a9d 100%);
-            color: white;
-            padding: 10px 20px;
-            border-radius: 8px;
-            font-weight: 600;
-            text-align: center;
-            cursor: pointer;
-            transition: all 0.3s ease;
-            border: none;
-            box-shadow: 0 4px 6px rgba(0, 0, 0, 0.1);
-            text-decoration: none;
-        }
-        
-        .custom-button:hover {
-            transform: translateY(-3px);
-            box-shadow: 0 7px 14px rgba(0, 0, 0, 0.15);
-        }
-        
-        .custom-button:active {
-            transform: translateY(0);
-        }
-    </style>
-""", unsafe_allow_html=True)
-
-# هدر جدید با انیمیشن
-st.markdown("""
-    <div class="header">
-        <h1>🌾 داشبورد تحلیلی نیشکر</h1>
-        <p style="margin-top: 10px; font-size: 1.2em; opacity: 0.9;">سیستم هوشمند مدیریت و پایش مزارع نیشکر</p>
-    </div>
-""", unsafe_allow_html=True)
-
-# پنل فیلتر
-st.markdown("""
-    <div class="filter-container">
-        <h3 style="color: #185a9d; margin-bottom: 15px; font-size: 1.3em;">فیلترها</h3>
-    </div>
-""", unsafe_allow_html=True)
-col_filter1, col_filter2, col_filter3 = st.columns(3)
-
-with col_filter1:
-    variate_filter = st.selectbox("انتخاب واریته", ["همه", "CP69", "CP73", "CP48", "CP57", "CP65", "CP70", "IR01-412", "IRC99-07", "IRC00-14"])
-
-with col_filter2:
-    department_filter = st.selectbox("انتخاب اداره", ["همه", "اداره یک", "اداره دو", "اداره سه", "اداره چهار"])
-
-with col_filter3:
-    age_filter = st.selectbox("انتخاب سن", ["همه", "1", "2", "3", "4", "5", "6", "7", "8", "9"])
-
-# خواندن داده‌ها
-@st.cache_data
-def load_data():
-    df = pd.read_csv('محاسبات 2.csv')
-    return df
-
-df = load_data()
-
-# ایجاد کارت‌های متریک با آیکون و انیمیشن
-col1, col2, col3, col4 = st.columns(4)
-
-with col1:
-    st.markdown("""
-        <div class="metric-card">
-            <i class="fas fa-chart-area"></i>
-            <h3>کل مساحت (هکتار)</h3>
-            <h2>9,421.30</h2>
-        </div>
-    """, unsafe_allow_html=True)
-
-with col2:
-    st.markdown("""
-        <div class="metric-card">
-            <i class="fas fa-seedling"></i>
-            <h3>تعداد واریته‌ها</h3>
-            <h2>9</h2>
-        </div>
-    """, unsafe_allow_html=True)
-
-with col3:
-    st.markdown("""
-        <div class="metric-card">
-            <i class="fas fa-building"></i>
-            <h3>تعداد ادارات</h3>
-            <h2>4</h2>
-        </div>
-    """, unsafe_allow_html=True)
-
-with col4:
-    st.markdown("""
-        <div class="metric-card">
-            <i class="fas fa-calendar-alt"></i>
-            <h3>تعداد سن‌ها</h3>
-            <h2>9</h2>
-        </div>
-    """, unsafe_allow_html=True)
-
-# نمودار سه بعدی مساحت به تفکیک اداره، سن و واریته
-st.markdown("""
-    <div class="chart-container">
-        <h3>نمودار سه بعدی مساحت به تفکیک اداره، سن و واریته</h3>
-        <p style="color: #666; margin-bottom: 20px;">این نمودار نمایش تعاملی از توزیع مساحت مزارع را بر اساس سه پارامتر اداره، سن و واریته نشان می‌دهد.</p>
-    </div>
-""", unsafe_allow_html=True)
-
-# پردازش داده‌ها برای نمودار سه بعدی
-def prepare_3d_data(df):
-    # تبدیل داده‌ها به فرمت مناسب برای نمودار سه بعدی
-    data = []
-    for _, row in df.iterrows():
-        if row['اداره'] != 'Grand Total' and row['سن'] != 'total':
-            for col in ['CP69', 'CP73', 'CP48', 'CP57', 'CP65', 'CP70', 'IR01-412', 'IRC99-07', 'IRC00-14']:
-                if pd.notna(row[col]) and row[col] != 0:
-                    data.append({
-                        'اداره': row['اداره'],
-                        'سن': row['سن'],
-                        'واریته': col,
-                        'مساحت': row[col]
-                    })
-    return pd.DataFrame(data)
-
-df_3d = prepare_3d_data(df)
-
-# ایجاد نمودار سه بعدی بهبود یافته
-fig = go.Figure(data=[go.Scatter3d(
-    x=df_3d['اداره'],
-    y=df_3d['سن'],
-    z=df_3d['مساحت'],
-    mode='markers',
-    marker=dict(
-        size=df_3d['مساحت']/10,
-        color=df_3d['مساحت'],
-        colorscale='Viridis',
-        opacity=0.8,
-        colorbar=dict(title="مساحت (هکتار)"),
-        symbol='circle'
-    ),
-    text=df_3d['واریته'],
-    hovertemplate="اداره: %{x}<br>سن: %{y}<br>مساحت: %{z:.2f} هکتار<br>واریته: %{text}<extra></extra>"
-)])
-
-fig.update_layout(
-    scene = dict(
-        xaxis_title=dict(text="اداره", font=dict(size=14, family="Vazirmatn")),
-        yaxis_title=dict(text="سن", font=dict(size=14, family="Vazirmatn")),
-        zaxis_title=dict(text="مساحت (هکتار)", font=dict(size=14, family="Vazirmatn")),
-        xaxis=dict(backgroundcolor="rgba(230, 230, 230, 0.3)"),
-        yaxis=dict(backgroundcolor="rgba(230, 230, 230, 0.3)"),
-        zaxis=dict(backgroundcolor="rgba(230, 230, 230, 0.3)")
-    ),
-    margin=dict(l=0, r=0, b=0, t=30),
-    height=600,
-    scene_camera=dict(
-        eye=dict(x=1.5, y=1.5, z=1.2)
-    ),
-    font=dict(family="Vazirmatn"),
-    paper_bgcolor='rgba(0,0,0,0)',
-    plot_bgcolor='rgba(0,0,0,0)'
-)
-
-st.plotly_chart(fig, use_container_width=True)
-
-# دکمه‌های تعاملی برای تغییر نمای نمودار
-col_btn1, col_btn2, col_btn3 = st.columns(3)
-with col_btn1:
-    st.markdown("""
-        <div class="custom-button" onclick="Plotly.relayout('_plotly_graph_0', 
-        {'scene.camera.eye': {'x': 1.5, 'y': 1.5, 'z': 1.2}})">
-            نمای استاندارد
-        </div>
-    """, unsafe_allow_html=True)
-with col_btn2:
-    st.markdown("""
-        <div class="custom-button" onclick="Plotly.relayout('_plotly_graph_0', 
-        {'scene.camera.eye': {'x': 0, 'y': 2.5, 'z': 0.1}})">
-            نمای از بالا
-        </div>
-    """, unsafe_allow_html=True)
-with col_btn3:
-    st.markdown("""
-        <div class="custom-button" onclick="Plotly.relayout('_plotly_graph_0', 
-        {'scene.camera.eye': {'x': 2.5, 'y': 0, 'z': 0.1}})">
-            نمای از کنار
-        </div>
-    """, unsafe_allow_html=True)
-
-# نمودار هیستوگرام سورفیس
-st.markdown("""
-    <div class="chart-container">
-        <h3>هیستوگرام سورفیس مساحت به تفکیک اداره و سن</h3>
-        <p style="color: #666; margin-bottom: 20px;">این نمودار توزیع سطحی مساحت را بر اساس اداره و سن نشان می‌دهد.</p>
-    </div>
-""", unsafe_allow_html=True)
-
-# پردازش داده‌ها برای هیستوگرام سورفیس
-def prepare_surface_data(df):
-    data = []
-    for _, row in df.iterrows():
-        if row['اداره'] != 'Grand Total' and row['سن'] != 'total':
-            data.append({
-                'اداره': row['اداره'],
-                'سن': row['سن'],
-                'مساحت': row['Grand Total']
-            })
-    return pd.DataFrame(data)
-
-df_surface = prepare_surface_data(df)
-
-# ایجاد هیستوگرام سورفیس بهبود یافته
-fig_surface = go.Figure(data=[go.Surface(
-    x=df_surface['اداره'].unique(),
-    y=df_surface['سن'].unique(),
-    z=df_surface.pivot(index='سن', columns='اداره', values='مساحت').values,
-    colorscale='Viridis',
-    colorbar=dict(title="مساحت (هکتار)"),
-    lighting=dict(ambient=0.6, diffuse=0.5, fresnel=0.1, specular=0.2, roughness=0.5),
-    contours=dict(
-        z=dict(show=True, usecolormap=True, highlightcolor="white", project=dict(z=True))
-    )
-)])
-
-fig_surface.update_layout(
-    scene = dict(
-        xaxis_title=dict(text="اداره", font=dict(size=14, family="Vazirmatn")),
-        yaxis_title=dict(text="سن", font=dict(size=14, family="Vazirmatn")),
-        zaxis_title=dict(text="مساحت (هکتار)", font=dict(size=14, family="Vazirmatn")),
-        xaxis=dict(backgroundcolor="rgba(230, 230, 230, 0.3)"),
-        yaxis=dict(backgroundcolor="rgba(230, 230, 230, 0.3)"),
-        zaxis=dict(backgroundcolor="rgba(230, 230, 230, 0.3)")
-    ),
-    margin=dict(l=0, r=0, b=0, t=30),
-    height=600,
-    scene_camera=dict(
-        eye=dict(x=1.5, y=1.5, z=1.2)
-    ),
-    font=dict(family="Vazirmatn"),
-    paper_bgcolor='rgba(0,0,0,0)',
-    plot_bgcolor='rgba(0,0,0,0)'
-)
-
-st.plotly_chart(fig_surface, use_container_width=True)
-
-# نمودار مقایسه‌ای واریته‌ها
-st.markdown("""
-    <div class="chart-container">
-        <h3>مقایسه واریته‌ها در ادارات مختلف</h3>
-        <p style="color: #666; margin-bottom: 20px;">این نمودار مساحت اختصاص داده شده به هر واریته ر�� در ادارات مختلف مقایسه می‌کند.</p>
-    </div>
-""", unsafe_allow_html=True)
-
-# پردازش داده‌ها برای نمودار مقایسه‌ای
-varieties = ['CP69', 'CP73', 'CP48', 'CP57', 'CP65', 'CP70', 'IR01-412', 'IRC99-07', 'IRC00-14']
-fig_varieties = go.Figure()
-
-for i, variety in enumerate(varieties):
-    data = df[df['اداره'] != 'Grand Total'].groupby('اداره')[variety].sum()
-    fig_varieties.add_trace(go.Bar(
-        name=variety,
-        x=data.index,
-        y=data.values,
-        marker=dict(
-            color=px.colors.qualitative.G10[i % len(px.colors.qualitative.G10)],
-            line=dict(color='rgba(0,0,0,0.1)', width=0.5)
-        ),
-        hovertemplate="اداره: %{x}<br>مساحت: %{y:.2f} هکتار<extra>%{fullData.name}</extra>"
-    ))
-
-fig_varieties.update_layout(
-    barmode='group',
-    xaxis_title=dict(text="اداره", font=dict(size=14, family="Vazirmatn")),
-    yaxis_title=dict(text="مساحت (هکتار)", font=dict(size=14, family="Vazirmatn")),
-    height=450,
-    font=dict(family="Vazirmatn"),
-    legend=dict(
-        title=dict(text="واریته"),
-        orientation="h",
-        y=1.1,
-        xanchor="center",
-        x=0.5
-    ),
-    margin=dict(l=0, r=0, b=0, t=50),
-    plot_bgcolor='rgba(0,0,0,0)',
-    paper_bgcolor='rgba(0,0,0,0)',
-    hovermode="closest"
-)
-
-st.plotly_chart(fig_varieties, use_container_width=True)
-
-# بخش جدید: خلاصه آماری
-st.markdown("""
-    <div class="chart-container">
-        <h3>خلاصه آماری واریته‌ها</h3>
-        <p style="color: #666; margin-bottom: 20px;">این نمودار آمار توصیفی واریته‌های مختلف را نمایش می‌دهد.</p>
-    </div>
-""", unsafe_allow_html=True)
-
-# محاسبه آمار توصیفی
-summary_data = []
-for variety in varieties:
-    variety_data = df[df['اداره'] != 'Grand Total'][variety]
-    variety_data = variety_data[variety_data > 0]  # حذف صفرها
-    if not variety_data.empty:
-        summary_data.append({
-            'واریته': variety,
-            'مساحت کل (هکتار)': variety_data.sum(),
-            'میانگین مساحت (هکتار)': variety_data.mean(),
-            'بیشترین مساحت (هکتار)': variety_data.max(),
-            'کمترین مساحت (هکتار)': variety_data.min(),
-            'تعداد قطعات': len(variety_data)
-        })
-
-summary_df = pd.DataFrame(summary_data)
-
-# نمایش جدول خلاصه آماری
-st.dataframe(summary_df.style.format({
-    'مساحت کل (هکتار)': '{:.2f}',
-    'میانگین مساحت (هکتار)': '{:.2f}',
-    'بیشترین مساحت (هکتار)': '{:.2f}',
-    'کمترین مساحت (هکتار)': '{:.2f}'
-}), height=300, use_container_width=True)
-
-# نمودار راداری برای مقایسه واریته‌ها
-categories = ['مساحت کل', 'میانگین مساحت', 'بیشترین مساحت', 'تعداد قطعات']
-
-fig_radar = go.Figure()
-
-for i, row in summary_df.iterrows():
-    variety = row['واریته']
+def render_dashboard(farm_data_df, filters):
+    """
+    Renders the main dashboard with farm data visualizations
+    """
+    st.title("📊 داشبورد مدیریت مزارع نیشکر")
     
-    # نرمال‌سازی داده‌ها برای نمودار راداری
-    total_area_normalized = row['مساحت کل (هکتار)'] / summary_df['مساحت کل (هکتار)'].max()
-    mean_area_normalized = row['میانگین مساحت (هکتار)'] / summary_df['میانگین مساحت (هکتار)'].max()
-    max_area_normalized = row['بیشترین مساحت (هکتار)'] / summary_df['بیشترین مساحت (هکتار)'].max()
-    count_normalized = row['تعداد قطعات'] / summary_df['تعداد قطعات'].max()
+    if farm_data_df.empty:
+        st.warning("داده‌های مزارع بارگذاری نشده است")
+        return
     
-    fig_radar.add_trace(go.Scatterpolar(
-        r=[total_area_normalized, mean_area_normalized, max_area_normalized, count_normalized],
-        theta=categories,
-        fill='toself',
-        name=variety
-    ))
-
-fig_radar.update_layout(
-    polar=dict(
-        radialaxis=dict(
-            visible=True,
-            range=[0, 1]
-        )
-    ),
-    showlegend=True,
-    height=500,
-    font=dict(family="Vazirmatn"),
-    legend=dict(
-        orientation="h",
-        y=-0.1,
-        xanchor="center",
-        x=0.5
-    )
-)
-
-st.plotly_chart(fig_radar, use_container_width=True)
-
-# Footer
-st.markdown("""
-    <div style="text-align: center; margin-top: 50px; padding: 20px; border-top: 1px solid rgba(0,0,0,0.1);">
-        <p style="color: #666; font-size: 0.9em;">© سامانه پایش هوشمند نیشکر - تمامی حقوق محفوظ است.</p>
-    </div>
-""", unsafe_allow_html=True) 
+    # Filter data based on selected farm if available
+    filtered_df = farm_data_df
+    if 'selected_farm' in filters:
+        farm_name_col = 'farm_name' if 'farm_name' in farm_data_df.columns else 'name'
+        filtered_df = farm_data_df[farm_data_df[farm_name_col] == filters['selected_farm']]
+    
+    # Display basic metrics
+    st.subheader("آمار کلی مزارع")
+    
+    col1, col2, col3, col4 = st.columns(4)
+    
+    with col1:
+        total_farms = len(filtered_df['farm_id'].unique()) if 'farm_id' in filtered_df.columns else len(filtered_df)
+        st.metric("تعداد مزارع", f"{total_farms}")
+    
+    with col2:
+        if 'area_ha' in filtered_df.columns:
+            total_area = filtered_df['area_ha'].sum()
+            st.metric("مساحت کل (هکتار)", f"{total_area:.2f}")
+        else:
+            st.metric("مساحت کل (هکتار)", "داده موجود نیست")
+    
+    with col3:
+        if 'yield_tons' in filtered_df.columns:
+            avg_yield = filtered_df['yield_tons'].mean()
+            st.metric("میانگین عملکرد (تن)", f"{avg_yield:.2f}")
+        else:
+            st.metric("میانگین عملکرد (تن)", "داده موجود نیست")
+    
+    with col4:
+        if 'ndvi' in filtered_df.columns:
+            avg_ndvi = filtered_df['ndvi'].mean()
+            st.metric("میانگین NDVI", f"{avg_ndvi:.2f}")
+        else:
+            st.metric("میانگین NDVI", "داده موجود نیست")
+    
+    # Create sample charts
+    st.subheader("نمودارها و تحلیل‌ها")
+    
+    # Create charts based on available columns
+    chart_cols = [col for col in filtered_df.columns if filtered_df[col].dtype in ['int64', 'float64']]
+    
+    if chart_cols:
+        col1, col2 = st.columns(2)
+        
+        with col1:
+            try:
+                # Sample bar chart
+                if 'area_ha' in filtered_df.columns and 'farm_name' in filtered_df.columns:
+                    fig = px.bar(
+                        filtered_df, 
+                        x='farm_name', 
+                        y='area_ha',
+                        title="مساحت مزارع (هکتار)",
+                        labels={"farm_name": "نام مزرعه", "area_ha": "مساحت (هکتار)"}
+                    )
+                    st.plotly_chart(fig, use_container_width=True)
+                else:
+                    st.info("داده‌های کافی برای نمایش نمودار موجود نیست")
+            except Exception as e:
+                st.error(f"خطا در ایجاد نمودار: {str(e)}")
+        
+        with col2:
+            try:
+                # Sample pie chart for farm distribution
+                if 'farm_type' in filtered_df.columns:
+                    type_counts = filtered_df['farm_type'].value_counts().reset_index()
+                    type_counts.columns = ['farm_type', 'count']
+                    
+                    fig = px.pie(
+                        type_counts,
+                        values='count',
+                        names='farm_type',
+                        title="توزیع انواع مزارع",
+                        hole=0.4
+                    )
+                    st.plotly_chart(fig, use_container_width=True)
+                else:
+                    st.info("داده‌های کافی برای نمایش نمودار موجود نیست")
+            except Exception as e:
+                st.error(f"خطا در ایجاد نمودار: {str(e)}")
+    
+    # Display farm data table
+    st.subheader("جدول داده‌های مزارع")
+    st.dataframe(filtered_df, use_container_width=True)