Update app.py

app.py

@@ -5,24 +5,15 @@ import numpy as np
 # 设置页面布局为宽屏模式，并设置页面标题
 st.set_page_config(layout="wide", page_title="影城效率分析 - 最终版")
 
-
 def clean_movie_title(title):
     """
-    清理并规范化电影标题，移除版本、语言等标识以便合并统计。
+    清理并规范化电影标题。
+    根据用户最新指示：只保留字符串中第一个空格之前的部分。
     """
     if not isinstance(title, str):
         return title
-    suffixes_to_remove = [
-        '2D', '3D', '4D', '4K', 'IMAX', 'CINITY', '杜比', '巨幕',
-        '国语', '英语', '粤语', '日语', '原版', '修复版',
-        '(国)', '(英)', '(粤)'
-    ]
-    parts = title.split()
-    cleaned_parts = [p for p in parts if p.upper() not in [s.upper() for s in suffixes_to_remove]]
-    if not cleaned_parts:
-        return title
-    return ' '.join(cleaned_parts).strip()
-
+    # 将标题按第一个空格分割，并只取第一部分
+    return title.split(' ', 1)[0]
 
 def style_efficiency(row):
     """
@@ -34,11 +25,10 @@ def style_efficiency(row):
     seat_efficiency = row.get('座次效率', 0)
     session_efficiency = row.get('场次效率', 0)
     if (seat_efficiency < 0.5 or seat_efficiency > 1.5 or
-            session_efficiency < 0.5 or session_efficiency > 1.5):
+        session_efficiency < 0.5 or session_efficiency > 1.5):
         return [highlight] * len(row)
     return [default] * len(row)
 
-
 def process_and_analyze_data(df):
     """
     核心数据处理与分析函数。
@@ -53,7 +43,7 @@ def process_and_analyze_data(df):
         人次=('总人次', 'sum')
     ).reset_index()
     analysis_df.rename(columns={'影片名称_清理后': '影片'}, inplace=True)
-
+    
     analysis_df = analysis_df.sort_values(by='票房', ascending=False).reset_index(drop=True)
 
     total_seats = analysis_df['座位数'].sum()
@@ -66,28 +56,26 @@ def process_and_analyze_data(df):
     analysis_df['票房比'] = np.divide(analysis_df['票房'], total_revenue).fillna(0)
     analysis_df['座次效率'] = np.divide(analysis_df['票房比'], analysis_df['座次比']).fillna(0)
     analysis_df['场次效率'] = np.divide(analysis_df['票房比'], analysis_df['场次比']).fillna(0)
-
-    # **优化1：移除“序号”列的定义**
+    
     final_columns = [
-        '影片', '座位数', '场次', '票房', '人次', '均价',
+        '影片', '座位数', '场次', '票房', '人次', '均价', 
         '座次比', '场次比', '票房比', '座次效率', '场次效率'
     ]
     analysis_df = analysis_df[final_columns]
-
+    
     return analysis_df
 
-
 # --- Streamlit 用户界面 ---
 
-st.title('排片效率分析')
-st.write("上传 `影片映出日累计报表.xlsx` 文件。")
+st.title('自动化影城数据分析报告 (最终版)')
+st.write("上传 `影片映出日累计报表.xlsx` 文件。此版本已采纳您所有的优化建议。")
 
 uploaded_file = st.file_uploader("请在此处上传 Excel 文件", type=['xlsx', 'xls', 'csv'])
 
 if uploaded_file is not None:
     try:
         df = pd.read_excel(uploaded_file, skiprows=3, header=None)
-
+        
         df.rename(columns={
             0: '影片名称', 2: '放映时间', 5: '总人次', 6: '总收入', 7: '座位数'
         }, inplace=True)
@@ -101,11 +89,11 @@ if uploaded_file is not None:
 
         df['放映时间'] = pd.to_datetime(df['放映时间'], format='%H:%M:%S', errors='coerce').dt.time
         df.dropna(subset=['放映时间'], inplace=True)
-
+        
         df['影片名称_清理后'] = df['影片名称'].apply(clean_movie_title)
 
-        st.toast("文件上传成功，数据已按规则处理！", icon="🎉")
-
+        st.success("文件上传成功，数据已按最终规则处理！")
+        
         format_config = {
             '座位数': '{:,.0f}', '场次': '{:,.0f}', '人次': '{:,.0f}',
             '票房': '{:,.2f}', '均价': '{:.2f}', '座次比': '{:.2%}', '场次比': '{:.2%}',
@@ -113,13 +101,13 @@ if uploaded_file is not None:
         }
 
         # --- 1. 全天数据分析 ---
-        st.header("全天排片效率分析")
-
+        st.header("全天场次效率分析 (按总收入排序)")
+        st.write("系统会自动高亮 **座次效率** 或 **场次效率** 低于 0.5 或高于 1.5 的影片。")
+        
         full_day_analysis = process_and_analyze_data(df.copy())
-
+        
         if not full_day_analysis.empty:
             table_height = (len(full_day_analysis) + 1) * 35 + 3
-            # **优化2：使用 .hide(axis="index") 隐藏默认序号列**
             st.dataframe(
                 full_day_analysis.style.format(format_config).apply(style_efficiency, axis=1).hide(axis="index"),
                 height=table_height,
@@ -129,17 +117,16 @@ if uploaded_file is not None:
             st.warning("全天数据不足，无法生成分析报告。")
 
         # --- 2. 黄金时段数据分析 ---
-        st.header("黄金时段 (14:00 - 21:00) 排片效率分析")
-
+        st.header("黄金时段 (14:00 - 21:00) 场次效率分析")
+        
         start_time = pd.to_datetime('14:00:00').time()
         end_time = pd.to_datetime('21:00:00').time()
         prime_time_df = df[df['放映时间'].between(start_time, end_time)]
 
         prime_time_analysis = process_and_analyze_data(prime_time_df.copy())
-
+        
         if not prime_time_analysis.empty:
             table_height_prime = (len(prime_time_analysis) + 1) * 35 + 3
-            # **优化2：同样隐藏黄金时段表格的默认序号**
             st.dataframe(
                 prime_time_analysis.style.format(format_config).apply(style_efficiency, axis=1).hide(axis="index"),
                 height=table_height_prime,
@@ -147,14 +134,15 @@ if uploaded_file is not None:
             )
         else:
             st.warning("黄金时段内没有有效场次数据，无法生成分析报告。")
-
+        
         # --- 3. 一键复制影片列表 ---
         if not full_day_analysis.empty:
             st.header("复制当日影片列表")
-
+            st.write("以下是根据全天数据生成的影片列表，已为您格式化，可直接复制使用。")
+            
             movie_titles = full_day_analysis['影片'].tolist()
             formatted_titles = ''.join([f'《{title}》' for title in movie_titles])
-
+            
             st.code(formatted_titles, language='text')
 
     except Exception as e: