Update app.py

app.py

@@ -17,7 +17,7 @@ import yfinance as yf
 # CONFIG
 # --------------------------
 st.set_page_config(page_title="📰 SentimentSync NewsAI", layout="wide")
-API_KEY = "88bc396d4eab4be494a4b86ec842db47"
+API_KEY = "88bc396d4eab4be494a4b86ec842db47" # (อย่าลืมเปลี่ยนคีย์ของคุณถ้าแชร์โค้ด)
 
 # --------------------------
 # UTILITIES
@@ -118,27 +118,29 @@ def fetch_financial_news(keyword):
 
 
 # --------------------------
-# ดึงราคาหุ้นย้อนหลัง (แก้ไขให้ตรงกับช่วงข่าว)
+# (*** ส่วนที่ 1: แก้ไข)
+# ดึงราคาหุ้นย้อนหลัง 8 วัน
 # --------------------------
 @st.cache_data(ttl=3600)
 def fetch_stock_price(symbol):
     try:
-        # ดึงข้อมูลย้อนหลัง 8 วัน (เพื่อให้ครอบคลุมช่วงข่าว 7 วัน)
+        # แก้ไข: ใช้ start/end date ที่ชัดเจน ให้ตรงกับช่วงข่าว
         end_date = datetime.now()
-        start_date = end_date - timedelta(days=8)
+        start_date = end_date - timedelta(days=8) # ดึง 8 วัน เผื่อวันหยุด
         
         df = yf.download(symbol, 
                          start=start_date.strftime('%Y-%m-%d'), 
                          end=end_date.strftime('%Y-%m-%d'), 
                          interval="1d")
-
+        
         if df.empty:
              st.warning("ไม่พบข้อมูลราคาหุ้นในช่วง 8 วันที่ผ่านมา")
              return pd.DataFrame()
 
         df = df.reset_index()[["Date", "Close"]]
         df.rename(columns={"Date": "date", "Close": "price"}, inplace=True)
-        df["date"] = pd.to_datetime(df["date"])
+        # **สำคัญมาก** เราต้อง normalize date ให้เป็น date (00:00)
+        df["date"] = pd.to_datetime(df["date"].dt.date) 
         return df
     except Exception as e:
         st.warning(f"ไม่สามารถดึงราคาหุ้นได้: {e}")
@@ -146,7 +148,7 @@ def fetch_stock_price(symbol):
 
 
 # --------------------------
-# MAIN APP
+# MAIN APP (*** ส่วนที่ 2: แก้ไข)
 # --------------------------
 def main():
     st.title("📰 SentimentSync NewsAI")
@@ -170,11 +172,12 @@ def main():
         st.warning("ไม่พบบทความข่าวในช่วง 7 วันที่ผ่านมา")
         return
 
-    # วิเคราะห์ sentiment
+    # วิเคราะห์ sentiment (รายบทความ)
     st.info("กำลังวิเคราะห์อารมณ์ของข่าว...")
     news_df["sentiment"] = news_df["text"].apply(lambda x: analyze_text(x, vader))
     news_df["date"] = pd.to_datetime(news_df["date"])
 
+    # แสดง Metric (ยังใช้ข้อมูลทั้งหมด)
     avg_sentiment = news_df["sentiment"].mean()
     pos_pct = (news_df["sentiment"] > 0.1).mean() * 100
     neg_pct = (news_df["sentiment"] < -0.1).mean() * 100
@@ -185,55 +188,67 @@ def main():
     col2.metric("ข่าวเชิงบวก", f"{pos_pct:.1f}%")
     col3.metric("ข่าวเชิงลบ", f"{neg_pct:.1f}%")
 
-    # Wordcloud
+    # Wordcloud (ยังใช้ข้อมูลทั้งหมด)
     st.subheader("☁️ Word Cloud ของข่าว")
     all_text = " ".join(news_df["text"].tolist())
     img = generate_wordcloud(all_text)
     st.image(f"data:image/png;base64,{img}", use_column_width=True)
 
-    # แนวโน้ม + พยากรณ์ + ราคาหุ้น
+    # -----------------------------------------------------------------
+    # (ส่วนที่แก้ไข) แนวโน้ม + พยากรณ์ + ราคาหุ้น
+    # -----------------------------------------------------------------
     st.subheader("📈 แนวโน้มอารมณ์ของข่าว & ราคาหุ้น")
-    df_sorted = news_df.sort_values("date").copy()
-    df_sorted["timestamp"] = (df_sorted["date"] - df_sorted["date"].min()).dt.days
+    
+    # 1. (ใหม่) รวบรวมข้อมูลข่าวเป็น "ค่าเฉลี่ยรายวัน"
+    # **สำคัญมาก** เราต้อง normalize date ให้เป็น date (00:00)
+    news_df["date_day"] = pd.to_datetime(news_df["date"].dt.date)
+    
+    daily_sentiment_df = news_df.groupby("date_day").agg(
+        avg_sentiment=('sentiment', 'mean')
+    ).reset_index()
+
+    # 2. (ใหม่) ใช้ข้อมูล "รายวัน" นี้ในการเทรนโมเดล
+    df_sorted = daily_sentiment_df.sort_values("date_day").copy()
+    df_sorted["timestamp"] = (df_sorted["date_day"] - df_sorted["date_day"].min()).dt.days
 
     # Train sentiment model
     model = LinearRegression()
-    model.fit(df_sorted[["timestamp"]], df_sorted["sentiment"])
+    model.fit(df_sorted[["timestamp"]], df_sorted["avg_sentiment"])
 
     # Forecast next 7 days
     future_days = 7
     future_timestamps = np.arange(df_sorted["timestamp"].max() + 1, df_sorted["timestamp"].max() + future_days + 1)
-    future_dates = [df_sorted["date"].max() + timedelta(days=i) for i in range(1, future_days + 1)]
+    future_dates = [df_sorted["date_day"].max() + timedelta(days=i) for i in range(1, future_days + 1)]
     future_preds = model.predict(future_timestamps.reshape(-1, 1))
 
-    # ดึงราคาหุ้น
+    # 3. ดึงราคาหุ้น (ซึ่งตอนนี้เราแก้ฟังก์ชัน `fetch_stock_price` แล้ว)
     _, symbol = resolve_company_symbol(keyword)
-    stock_df = fetch_stock_price(symbol) 
+    stock_df = fetch_stock_price(symbol)
 
-    # Plot
+    # 4. Plot (ตอนนี้ X-axis ทั้ง 3 เส้นจะตรงกันแล้ว)
     fig = go.Figure()
-    # Actual sentiment
+    
+    # Actual sentiment (จากค่าเฉลี่ยรายวัน)
     fig.add_trace(go.Scatter(
-        x=df_sorted["date"], y=df_sorted["sentiment"],
-        mode="lines+markers", name="Actual Sentiment",
+        x=df_sorted["date_day"], y=df_sorted["avg_sentiment"],
+        mode="lines+markers", name="Actual Sentiment (Daily Avg)",
         line=dict(color="blue")
     ))
-    # Predicted sentiment
+    
+    # Predicted sentiment (จากโมเดลรายวัน)
     fig.add_trace(go.Scatter(
         x=future_dates, y=future_preds,
         mode="lines+markers", name="Predicted Sentiment (7-day Forecast)",
         line=dict(color="orange", dash="dash")
     ))
     
-    # Stock price
+    # Stock price (จาก yfinance ที่เป็นรายวัน)
     if not stock_df.empty:
-        # ----- (นี่คือบรรทัดที่แก้ไข) -----
-        fig.add_trace(go.Scatter( 
+        fig.add_trace(go.Scatter(
             x=stock_df["date"], y=stock_df["price"],
             mode="lines+markers", name=f"{symbol} Stock Price",
             line=dict(color="green"), yaxis="y2"
         ))
-        # --------------------------------
 
     fig.update_layout(
         title=f"แนวโน้มและพยากรณ์อารมณ์ข่าว & ราคาหุ้น '{keyword}'",
@@ -246,7 +261,7 @@ def main():
 
     st.plotly_chart(fig, use_container_width=True)
 
-    # แสดงข่าว
+    # แสดงข่าว (ยังใช้ข้อมูลดิบรายบทความ)
     st.subheader("📰 รายการข่าว")
     st.dataframe(news_df[["date", "source", "text", "sentiment", "url"]], use_container_width=True)