Update src/streamlit_app.py

src/streamlit_app.py

@@ -1,40 +1,96 @@
-import altair as alt
-import numpy as np
-import pandas as pd
 import streamlit as st
+import pandas as pd
+import numpy as np
+import matplotlib.pyplot as plt
+import seaborn as sns
+from scipy.stats import norm, skew
+import platform
+
+# 한글 폰트 설정 (Windows, Mac, Linux 환경에 맞게 자동 설정)
+if platform.system() == 'Windows':
+    plt.rc('font', family='Malgun Gothic')
+elif platform.system() == 'Darwin': # Mac
+    plt.rc('font', family='AppleGothic')
+else: # Linux
+    # 나눔고딕 폰트가 설치되어 있어야 합니다.
+    # sudo apt-get install fonts-nanum*
+    plt.rc('font', family='NanumGothic')
+
+plt.rcParams['axes.unicode_minus'] = False # 마이너스 폰트 깨짐 방지
+
+def main():
+    """
+    스트림릿을 이용한 학생 점수 분포 분석 애플리케이션
+    """
+    st.title("학생 점수 분포 분석 도구 📊")
+    st.write("CSV 파일을 업로드하여 학생들의 점수 분포를 확인하고, 정규분포와의 차이 및 왜도(skewness)를 분석합니다.")
+    st.write("---")
+
+    # 파일 업로드 위젯
+    uploaded_file = st.file_uploader("점수 데이터가 포함된 CSV 파일을 업로드하세요.", type="csv")
+
+    if uploaded_file is not None:
+        try:
+            # utf-8-sig 인코딩으로 CSV 파일 읽기
+            df = pd.read_csv(uploaded_file, encoding='utf-8-sig')
+
+            st.subheader("업로드된 데이터 미리보기")
+            st.dataframe(df.head())
+
+            # 분석할 점수 열 선택
+            score_column = st.selectbox("분석할 점수 열(column)을 선택하세요:", df.columns)
+
+            if score_column:
+                # 선택된 열의 데이터 추출 (결측치 제거)
+                scores = df[score_column].dropna()
+
+                if pd.api.types.is_numeric_dtype(scores):
+                    st.subheader(f"'{score_column}' 점수 분포 분석 결과")
+
+                    # 1. 기술 통계량 표시
+                    st.write("#### 📈 기술 통계량")
+                    st.table(scores.describe())
+
+                    # 2. 분포 시각화 및 정규분포 비교
+                    st.write("#### 🎨 점수 분포 시각화")
+                    fig, ax = plt.subplots(figsize=(10, 6))
+
+                    # 히스토그램 및 KDE 플롯
+                    sns.histplot(scores, kde=True, stat='density', label='학생 점수 분포', ax=ax)
+
+                    # 정규분포 곡선 추가
+                    mu, std = norm.fit(scores)
+                    xmin, xmax = plt.xlim()
+                    x = np.linspace(xmin, xmax, 100)
+                    p = norm.pdf(x, mu, std)
+                    ax.plot(x, p, 'k', linewidth=2, label='정규분포 곡선')
+
+                    title = f"'{score_column}' 점수 분포 (평균: {mu:.2f}, 표준편차: {std:.2f})"
+                    ax.set_title(title)
+                    ax.set_xlabel('점수')
+                    ax.set_ylabel('밀도')
+                    ax.legend()
+                    st.pyplot(fig)
+
+                    # 3. 왜도(Skewness) 계산 및 해석
+                    st.write("#### 📐 왜도 (Skewness) 분석")
+                    skewness = skew(scores)
+                    st.metric(label="왜도 (Skewness)", value=f"{skewness:.4f}")
+
+                    if skewness > 0.5:
+                        st.info("꼬리가 오른쪽으로 긴 분포 (Positive Skew): 대부분의 학생들이 평균보다 낮은 점수에 몰려있고, 일부 학생들이 매우 높은 점수를 받았습니다.")
+                    elif skewness < -0.5:
+                        st.info("꼬리가 왼쪽으로 긴 분포 (Negative Skew): 대부분의 학생들이 평균보다 높은 점수에 몰려있고, 일부 학생들이 매우 낮은 점수를 받았습니다.")
+                    else:
+                        st.info("대칭에 가까운 분포: 점수가 평균을 중심으로 비교적 고르게 분포되어 있습니다.")
+
+                else:
+                    st.error(f"오류: 선택하신 '{score_column}' 열은 숫자 데이터가 아닙니다. 숫자 데이터로 구성된 열을 선택해주세요.")
+
+        except Exception as e:
+            st.error(f"파일을 읽는 도중 오류가 발생했습니다: {e}")
+            st.warning("CSV 파일이 'utf-8-sig' 또는 'utf-8' 인코딩 형식인지 확인해주세요.")
+
 
-"""
-# Welcome to Streamlit!
-
-Edit `/streamlit_app.py` to customize this app to your heart's desire :heart:.
-If you have any questions, checkout our [documentation](https://docs.streamlit.io) and [community
-forums](https://discuss.streamlit.io).
-
-In the meantime, below is an example of what you can do with just a few lines of code:
-"""
-
-num_points = st.slider("Number of points in spiral", 1, 10000, 1100)
-num_turns = st.slider("Number of turns in spiral", 1, 300, 31)
-
-indices = np.linspace(0, 1, num_points)
-theta = 2 * np.pi * num_turns * indices
-radius = indices
-
-x = radius * np.cos(theta)
-y = radius * np.sin(theta)
-
-df = pd.DataFrame({
-    "x": x,
-    "y": y,
-    "idx": indices,
-    "rand": np.random.randn(num_points),
-})
-
-st.altair_chart(alt.Chart(df, height=700, width=700)
-    .mark_point(filled=True)
-    .encode(
-        x=alt.X("x", axis=None),
-        y=alt.Y("y", axis=None),
-        color=alt.Color("idx", legend=None, scale=alt.Scale()),
-        size=alt.Size("rand", legend=None, scale=alt.Scale(range=[1, 150])),
-    ))
+if __name__ == '__main__':
+    main()