Delete app-backup.py

app-backup.py

@@ -1,429 +0,0 @@
-"""
-AI 기반 상권 분석 시스템 - Gradio 버전
-Dataset: https://huggingface.co/datasets/ginipick/market
-"""
-import gradio as gr
-import pandas as pd
-import numpy as np
-from typing import Dict, List, Tuple
-import json
-from datasets import load_dataset
-import plotly.express as px
-import plotly.graph_objects as go
-import folium
-from folium.plugins import HeatMap
-import requests
-
-# ============================================================================
-# 데이터 로더 클래스
-# ============================================================================
-
-class MarketDataLoader:
-    """허깅페이스 상권 데이터 로더"""
-    
-    REGIONS = {
-        '서울': '서울_202506', '경기': '경기_202506', '부산': '부산_202506',
-        '대구': '대구_202506', '인천': '인천_202506', '광주': '광주_202506',
-        '대전': '대전_202506', '울산': '울산_202506', '세종': '세종_202506',
-        '경남': '경남_202506', '경북': '경북_202506', '전남': '전남_202506',
-        '전북': '전북_202506', '충남': '충남_202506', '충북': '충북_202506',
-        '강원': '강원_202506', '제주': '제주_202506'
-    }
-    
-    @staticmethod
-    def load_region_data(region: str, sample_size: int = 30000) -> pd.DataFrame:
-        """지역별 데이터 로드"""
-        try:
-            file_name = f"소상공인시장진흥공단_상가(상권)정보_{MarketDataLoader.REGIONS[region]}.csv"
-            dataset = load_dataset("ginipick/market", data_files=file_name, split="train")
-            df = dataset.to_pandas()
-            
-            if len(df) > sample_size:
-                df = df.sample(n=sample_size, random_state=42)
-            
-            return df
-        except Exception as e:
-            print(f"데이터 로드 실패: {str(e)}")
-            return pd.DataFrame()
-    
-    @staticmethod
-    def load_multiple_regions(regions: List[str], sample_per_region: int = 30000) -> pd.DataFrame:
-        """여러 지역 데이터 로드"""
-        dfs = []
-        for region in regions:
-            df = MarketDataLoader.load_region_data(region, sample_per_region)
-            if not df.empty:
-                dfs.append(df)
-        
-        if dfs:
-            return pd.concat(dfs, ignore_index=True)
-        return pd.DataFrame()
-
-
-# ============================================================================
-# 상권 분석 클래스
-# ============================================================================
-
-class MarketAnalyzer:
-    """상권 데이터 분석 엔진"""
-    
-    def __init__(self, df: pd.DataFrame):
-        self.df = df
-        self.prepare_data()
-    
-    def prepare_data(self):
-        """데이터 전처리"""
-        if '경도' in self.df.columns:
-            self.df['경도'] = pd.to_numeric(self.df['경도'], errors='coerce')
-        if '위도' in self.df.columns:
-            self.df['위도'] = pd.to_numeric(self.df['위도'], errors='coerce')
-        self.df = self.df.dropna(subset=['경도', '위도'])
-    
-    def get_top_insights(self, n: int = 10) -> List[Dict]:
-        """상위 인사이트 추출"""
-        insights = []
-        
-        # 1. 업종별 점포 수
-        if '상권업종중분류명' in self.df.columns:
-            top_categories = self.df['상권업종중분류명'].value_counts().head(n)
-            fig = px.bar(x=top_categories.index, y=top_categories.values,
-                        labels={'x': '업종', 'y': '점포 수'},
-                        title='🏆 상위 업종 Top 10')
-            insights.append(('bar', fig, f"전체 {len(self.df):,}개 점포 중 상위 업종"))
-        
-        # 2. 지역별 분포
-        if '시도명' in self.df.columns:
-            region_counts = self.df['시도명'].value_counts()
-            fig = px.pie(values=region_counts.values, names=region_counts.index,
-                        title='📍 지역별 점포 분포', hole=0.3)
-            insights.append(('pie', fig, '전국 지역별 상권 분포도'))
-        
-        # 3. 시군구별
-        if '시군구명' in self.df.columns:
-            district_counts = self.df['시군구명'].value_counts().head(15)
-            fig = px.bar(x=district_counts.index, y=district_counts.values,
-                        labels={'x': '시군구', 'y': '점포 수'},
-                        title='🌆 시군구별 상권 밀집도')
-            insights.append(('bar', fig, '점포가 가장 많은 시군구'))
-        
-        # 4. 층별 분포
-        if '층정보' in self.df.columns:
-            floor_counts = self.df['층정보'].value_counts().head(10)
-            fig = px.bar(x=floor_counts.index, y=floor_counts.values,
-                        labels={'x': '층', 'y': '점포 수'},
-                        title='🏢 층별 점포 분포')
-            insights.append(('bar', fig, '1층이 가장 선호되는 층'))
-        
-        # 5. 프랜차이즈
-        if '상호명' in self.df.columns:
-            franchise_keywords = ['스타벅스', 'CU', 'GS25', '세븐일레븐', '이마트24',
-                                '맥도날드', 'BBQ', '교촌', '버거킹', '롯데리아']
-            franchise_data = {}
-            for keyword in franchise_keywords:
-                count = self.df['상호명'].str.contains(keyword, case=False, na=False).sum()
-                if count > 0:
-                    franchise_data[keyword] = count
-            
-            if franchise_data:
-                fig = px.bar(x=list(franchise_data.keys()), y=list(franchise_data.values()),
-                           labels={'x': '브랜드', 'y': '점포 수'},
-                           title='🏪 주요 프랜차이즈 점포 수')
-                insights.append(('bar', fig, '전국 주요 프랜차이즈 분포'))
-        
-        return insights[:5]  # 상위 5개만
-    
-    def create_density_map(self, sample_size: int = 1000) -> str:
-        """점포 밀집도 지도 생성 (HTML 반환)"""
-        df_sample = self.df.sample(n=min(sample_size, len(self.df)), random_state=42)
-        
-        center_lat = df_sample['위도'].mean()
-        center_lon = df_sample['경도'].mean()
-        
-        m = folium.Map(location=[center_lat, center_lon], zoom_start=11, tiles='OpenStreetMap')
-        heat_data = [[row['위도'], row['경도']] for _, row in df_sample.iterrows()]
-        HeatMap(heat_data, radius=15, blur=25, max_zoom=13).add_to(m)
-        
-        return m._repr_html_()
-    
-    def analyze_for_llm(self) -> Dict:
-        """LLM 컨텍스트용 분석 데이터"""
-        context = {
-            '총_점포_수': len(self.df),
-            '지역_수': self.df['시도명'].nunique() if '시도명' in self.df.columns else 0,
-            '업종_수': self.df['상권업종중분류명'].nunique() if '상권업종중분류명' in self.df.columns else 0,
-        }
-        
-        if '상권업종중분류명' in self.df.columns:
-            context['상위_업종_5'] = self.df['상권업종중분류명'].value_counts().head(5).to_dict()
-        
-        return context
-
-
-# ============================================================================
-# LLM 쿼리 프로세서
-# ============================================================================
-
-class LLMQueryProcessor:
-    """Fireworks AI 기반 자연어 처리"""
-    
-    def __init__(self, api_key: str):
-        self.api_key = api_key
-        self.base_url = "https://api.fireworks.ai/inference/v1/chat/completions"
-    
-    def process_query(self, query: str, data_context: Dict, chat_history: List = None) -> str:
-        """자연어 쿼리 처리"""
-        system_prompt = f"""당신은 한국 상권 데이터 분석 전문가입니다.
-
-📊 **현재 분석 데이터**
-{json.dumps(data_context, ensure_ascii=False, indent=2)}
-
-구체적인 숫자와 비율로 정량적 분석을 제공하세요.
-창업, 투자, 경쟁 분석 관점에서 실용적 인사이트를 제공하세요."""
-
-        messages = [{"role": "system", "content": system_prompt}]
-        if chat_history:
-            messages.extend(chat_history[-6:])
-        messages.append({"role": "user", "content": query})
-        
-        payload = {
-            "model": "accounts/fireworks/models/qwen3-235b-a22b-instruct-2507",
-            "max_tokens": 2000,
-            "temperature": 0.7,
-            "messages": messages
-        }
-        
-        headers = {
-            "Authorization": f"Bearer {self.api_key}",
-            "Content-Type": "application/json"
-        }
-        
-        try:
-            response = requests.post(self.base_url, headers=headers, json=payload, timeout=30)
-            if response.status_code == 200:
-                return response.json()['choices'][0]['message']['content']
-            else:
-                return f"⚠️ API 오류: {response.status_code}"
-        except Exception as e:
-            return f"❌ 오류: {str(e)}"
-
-
-# ============================================================================
-# 전역 상태
-# ============================================================================
-
-class AppState:
-    def __init__(self):
-        self.analyzer = None
-        self.llm_processor = None
-        self.chat_history = []
-
-app_state = AppState()
-
-
-# ============================================================================
-# Gradio 인터페이스 함수
-# ============================================================================
-
-def load_data(regions):
-    """데이터 로드"""
-    if not regions:
-        return "❌ 최소 1개 지역을 선택해주세요!", None, None, None
-    
-    try:
-        df = MarketDataLoader.load_multiple_regions(regions, sample_per_region=30000)
-        if df.empty:
-            return "❌ 데이터 로드 실패!", None, None, None
-        
-        app_state.analyzer = MarketAnalyzer(df)
-        
-        # 기본 통계
-        stats = f"""
-✅ **데이터 로드 완료!**
-
-📊 **통계**
-- 총 점포: {len(df):,}개
-- 분석 지역: {', '.join(regions)}
-- 업종 수: {df['상권업종중분류명'].nunique()}개
-"""
-        
-        return stats, gr.update(visible=True), gr.update(visible=True), gr.update(visible=True)
-    except Exception as e:
-        return f"❌ 오류: {str(e)}", None, None, None
-
-
-def generate_insights():
-    """인사이트 생성"""
-    if app_state.analyzer is None:
-        return [None] * 6
-    
-    insights = app_state.analyzer.get_top_insights(5)
-    map_html = app_state.analyzer.create_density_map(sample_size=2000)
-    
-    result = [map_html]
-    for _, fig, _ in insights:
-        result.append(fig)
-    
-    # 부족한 차트는 None으로 채우기
-    while len(result) < 6:
-        result.append(None)
-    
-    return result[:6]
-
-
-def chat_respond(message, api_key, history):
-    """챗봇 응답"""
-    if app_state.analyzer is None:
-        return history + [[message, "❌ 먼저 데이터를 로드해주세요!"]]
-    
-    data_context = app_state.analyzer.analyze_for_llm()
-    
-    if api_key:
-        if app_state.llm_processor is None or app_state.llm_processor.api_key != api_key:
-            app_state.llm_processor = LLMQueryProcessor(api_key)
-        
-        chat_hist = []
-        for user_msg, bot_msg in history:
-            chat_hist.append({"role": "user", "content": user_msg})
-            chat_hist.append({"role": "assistant", "content": bot_msg})
-        
-        response = app_state.llm_processor.process_query(message, data_context, chat_hist)
-    else:
-        # 기본 통계
-        response = f"""📊 **기본 데이터 분석 결과**
-
-**전체 현황**
-- 총 점포 수: {data_context['총_점포_수']:,}개
-- 업종 종류: {data_context['업종_수']}개
-
-💡 API 키를 입력하면 더 상세한 AI 분석을 받을 수 있습니다!"""
-    
-    history.append([message, response])
-    return history
-
-
-# ============================================================================
-# Gradio UI
-# ============================================================================
-
-with gr.Blocks(title="AI 상권 분석 시스템", theme=gr.themes.Soft()) as demo:
-    gr.Markdown("""
-    # 🏪 AI 상권 분석 시스템
-    *전국 상가(상권) 데이터 기반 실시간 분석 | Powered by Fireworks AI*
-    """)
-    
-    with gr.Row():
-        with gr.Column(scale=1):
-            gr.Markdown("### ⚙️ 설정")
-            
-            api_key_input = gr.Textbox(
-                label="🔑 Fireworks AI API Key (선택)",
-                type="password",
-                placeholder="API 키를 입력하세요"
-            )
-            
-            region_select = gr.CheckboxGroup(
-                choices=list(MarketDataLoader.REGIONS.keys()),
-                value=['서울'],
-                label="📍 분석 지역 선택 (최대 5개 권장)"
-            )
-            
-            load_btn = gr.Button("📊 데이터 로드", variant="primary", size="lg")
-            
-            status_box = gr.Markdown("👈 지역을 선택하고 데이터를 로드하세요!")
-        
-        with gr.Column(scale=3):
-            with gr.Tabs() as tabs:
-                with gr.Tab("📊 인사이트 대시보드", id=0) as tab1:
-                    insights_content = gr.Column(visible=False)
-                    
-                    with insights_content:
-                        gr.Markdown("### 🗺️ 점포 밀집도 히트맵")
-                        map_output = gr.HTML()
-                        
-                        gr.Markdown("---")
-                        gr.Markdown("### 📈 상권 인사이트")
-                        
-                        chart1 = gr.Plot(label="인사이트 1")
-                        chart2 = gr.Plot(label="인사이트 2")
-                        chart3 = gr.Plot(label="인사이트 3")
-                        chart4 = gr.Plot(label="인사이트 4")
-                        chart5 = gr.Plot(label="인사이트 5")
-                
-                with gr.Tab("🤖 AI 분석 챗봇", id=1) as tab2:
-                    chat_content = gr.Column(visible=False)
-                    
-                    with chat_content:
-                        gr.Markdown("""
-                        ### 💡 샘플 질문
-                        강남에서 카페 창업? | 치킨집 포화 지역? | 1층이 유리한 업종? | 프랜차이즈 점유율?
-                        """)
-                        
-                        chatbot = gr.Chatbot(height=400, label="AI 상권 분석 어시스턴트")
-                        
-                        with gr.Row():
-                            msg_input = gr.Textbox(
-                                placeholder="무엇이든 물어보세요! (예: 강남에서 카페 창업하려면?)",
-                                show_label=False,
-                                scale=4
-                            )
-                            submit_btn = gr.Button("전송", variant="primary", scale=1)
-                        
-                        # 샘플 버튼들
-                        with gr.Row():
-                            sample_btn1 = gr.Button("강남에서 카페 창업?", size="sm")
-                            sample_btn2 = gr.Button("치킨집 포화 지역?", size="sm")
-                            sample_btn3 = gr.Button("1층이 유리한 업종?", size="sm")
-                            sample_btn4 = gr.Button("프랜차이즈 점유율?", size="sm")
-    
-    # 이벤트 핸들러
-    load_btn.click(
-        fn=load_data,
-        inputs=[region_select],
-        outputs=[status_box, insights_content, chat_content, tab1]
-    ).then(
-        fn=generate_insights,
-        outputs=[map_output, chart1, chart2, chart3, chart4, chart5]
-    )
-    
-    # 챗봇 이벤트
-    submit_btn.click(
-        fn=chat_respond,
-        inputs=[msg_input, api_key_input, chatbot],
-        outputs=[chatbot]
-    ).then(
-        fn=lambda: "",
-        outputs=[msg_input]
-    )
-    
-    msg_input.submit(
-        fn=chat_respond,
-        inputs=[msg_input, api_key_input, chatbot],
-        outputs=[chatbot]
-    ).then(
-        fn=lambda: "",
-        outputs=[msg_input]
-    )
-    
-    # 샘플 버튼 이벤트
-    for btn, text in [
-        (sample_btn1, "강남에서 카페 창업?"),
-        (sample_btn2, "치킨집 포화 지역?"),
-        (sample_btn3, "1층이 유리한 업종?"),
-        (sample_btn4, "프랜차이즈 점유율?")
-    ]:
-        btn.click(
-            fn=lambda t=text, h=chatbot: chat_respond(t, api_key_input.value, h.value or []),
-            outputs=[chatbot]
-        )
-    
-    gr.Markdown("""
-    ---
-    ### 📖 사용 가이드
-    1. API 키 입력 (선택) → 2. 지역 선택 → 3. 데이터 로드 → 4. 인사이트 확인 또는 AI에게 질문
-    
-    💡 **Tip**: API 키 없이도 기본 통계를 확인할 수 있습니다!
-    """)
-
-# 실행
-if __name__ == "__main__":
-    demo.launch(server_name="0.0.0.0", server_port=7860, share=False)