Update app.py

app.py

@@ -6,7 +6,7 @@ from vaderSentiment.vaderSentiment import SentimentIntensityAnalyzer
 from textblob import TextBlob
 import nltk
 from wordcloud import WordCloud
-import base64  # (แก้ไข Typo)
+import base64
 from io import BytesIO
 import numpy as np
 from sklearn.linear_model import LinearRegression
@@ -36,7 +36,7 @@ def generate_wordcloud(text):
     wordcloud = WordCloud(width=800, height=400, background_color="white", stopwords=stopwords).generate(text)
     buf = BytesIO()
     wordcloud.to_image().save(buf, format="PNG")
-    return base64.b64encode(buf.getvalue()).decode() # (แก้ไข Typo)
+    return base64.b64encode(buf.getvalue()).decode()
 
 
 # --------------------------
@@ -119,7 +119,8 @@ def fetch_financial_news(keyword):
 
 
 # --------------------------
-# ดึงราคาหุ้นตามช่วงเวลาที่กำหนด
+# (*** นี่คือส่วนที่แก้ไข MergeError ***)
+# ดึงราคาหุ้นตามช่วงเวลาที่กำหนด (และ Flatten Header)
 # --------------------------
 @st.cache_data(ttl=3600)
 def fetch_stock_price(symbol, start_date, end_date):
@@ -133,10 +134,23 @@ def fetch_stock_price(symbol, start_date, end_date):
             st.warning("ไม่พบข้อมูลราคาหุ้นในช่วงเวลานี้")
             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"].dt.date)
-        return df
+        # ----- (เริ่มการแก้ไข) -----
+        # 1. Reset index เพื่อให้ 'Date' กลายเป็นคอลัมน์
+        df = df.reset_index()
+        
+        # 2. เลือกเฉพาะคอลัมน์ที่เราต้องการ
+        #    (yfinance อาจส่งคอลัมน์ 'Close' เป็น MultiIndex เช่น ('Close', ''))
+        df_subset = df[['Date', 'Close']]
+        
+        # 3. (สำคัญ) เปลี่ยนชื่อคอลัมน์เพื่อ "flatten" MultiIndex ใดๆ
+        df_subset.columns = ['date', 'price']
+        
+        # 4. แปลง 'date' ให้เป็น .dt.date
+        df_subset["date"] = pd.to_datetime(df_subset["date"].dt.date)
+        
+        return df_subset
+        # ----- (สิ้นสุดการแก้ไข) -----
+        
     except Exception as e:
         st.warning(f"ไม่สามารถดึงราคาหุ้นได้: {e}")
         return pd.DataFrame()
@@ -221,7 +235,7 @@ def main():
     if len(df_sorted) < 2:
         st.warning("มีข้อมูลข่าวไม่เพียงพอที่จะสร้างแนวโน้ม (น้อยกว่า 2 วัน)")
         st.subheader("📰 รายการข่าว")
-        st.dataframe(news_df[["date", "source", "text", "sentiment", "url"]], use_container_width=True) # (แก้ไข Typo)
+        st.dataframe(news_df[["date", "source", "text", "sentiment", "url"]], use_container_width=True)
         return
 
     # 2. ดึงราคาหุ้น
@@ -230,18 +244,17 @@ def main():
     max_date = df_sorted["date_day"].max()
     
     st.info(f"กำลังดึงราคาหุ้น {symbol} ระหว่างวันที่ {min_date.strftime('%Y-%m-%d')} ถึง {max_date.strftime('%Y-%m-%d')}...")
-    stock_df = fetch_stock_price(symbol, min_date, max_date)
+    stock_df = fetch_stock_price(symbol, min_date, max_date) # <-- นี่จะเรียกใช้ฟังก์ชันที่แก้ไขแล้ว
 
-    # 3. (*** นี่คือตรรกะใหม่ที่สำคัญ ***)
-    # Merge ข้อมูล 2 ชุด (Sentiment & Stock) ให้มีแกน X เดียวกัน
+    # 3. Merge ข้อมูล 2 ชุด (Sentiment & Stock)
     plot_data = pd.merge(
         df_sorted, 
-        stock_df, 
+        stock_df, # <-- ตอนนี้ตารางนี้แบนแล้ว (1 level)
         left_on="date_day", 
         right_on="date", 
-        how="left" # ยึดวันที่ของข่าว (ซ้าย) เป็นหลัก
+        how="left"
     )
-    # (ตอนนี้ plot_data จะมีคอลัมน์ price ที่เป็น NaN ในวันที่ตลาดปิด)
+    # (Error MergeError จะไม่เกิดขึ้นแล้ว)
 
     # 4. เทรนโมเดล Prediction (ใช้ข้อมูลที่ Merge แล้ว)
     plot_data["timestamp"] = (plot_data["date_day"] - plot_data["date_day"].min()).dt.days
@@ -261,10 +274,9 @@ def main():
 
     # --- กราฟส่วนบน (ราคา, Sentiment, Prediction) ---
 
-    # Add stock price (Y-axis 1, สีเขียว)
     fig.add_trace(
         go.Scatter(
-            x=plot_data["date_day"], y=plot_data["price"], # <--- ใช้ plot_data
+            x=plot_data["date_day"], y=plot_data["price"],
             name=f"{symbol} Stock Price",
             mode="lines+markers",
             line=dict(color="green", width=2)
@@ -272,10 +284,9 @@ def main():
         row=1, col=1, secondary_y=False
     )
 
-    # Add daily sentiment score (Y-axis 2, สีน้ำเงิน)
     fig.add_trace(
         go.Scatter(
-            x=plot_data["date_day"], y=plot_data["avg_sentiment"], # <--- ใช้ plot_data
+            x=plot_data["date_day"], y=plot_data["avg_sentiment"],
             name="Actual Sentiment (Daily Avg)",
             mode="lines+markers",
             line=dict(color="blue", width=2)
@@ -283,7 +294,6 @@ def main():
         row=1, col=1, secondary_y=True
     )
     
-    # Add Predicted sentiment (Y-axis 2, สีส้ม)
     fig.add_trace(go.Scatter(
         x=future_dates, y=future_preds,
         mode="lines+markers", name="Predicted Sentiment (7-day Forecast)",
@@ -294,9 +304,9 @@ def main():
     )
 
     # --- กราฟส่วนล่าง (จำนวนข่าว) ---
-    fig.add_trace(go.Bar(x=plot_data["date_day"], y=plot_data["neutral"], name="Neutral", marker_color='rgba(128, 128, 128, 0.7)'), row=2, col=1) # <--- ใช้ plot_data
-    fig.add_trace(go.Bar(x=plot_data["date_day"], y=plot_data["negative"], name="Negative", marker_color='rgba(255, 0, 0, 0.7)'), row=2, col=1) # <--- ใช้ plot_data
-    fig.add_trace(go.Bar(x=plot_data["date_day"], y=plot_data["positive"], name="Positive", marker_color='rgba(0, 128, 0, 0.7)'), row=2, col=1) # <--- ใช้ plot_data
+    fig.add_trace(go.Bar(x=plot_data["date_day"], y=plot_data["neutral"], name="Neutral", marker_color='rgba(128, 128, 128, 0.7)'), row=2, col=1)
+    fig.add_trace(go.Bar(x=plot_data["date_day"], y=plot_data["negative"], name="Negative", marker_color='rgba(255, 0, 0, 0.7)'), row=2, col=1)
+    fig.add_trace(go.Bar(x=plot_data["date_day"], y=plot_data["positive"], name="Positive", marker_color='rgba(0, 128, 0, 0.7)'), row=2, col=1)
     
     # 6. ตกแต่ง Layout
     fig.update_layout(
@@ -318,7 +328,7 @@ def main():
 
     # แสดงข่าว (ยังใช้ news_df ตัวเต็ม)
     st.subheader("📰 รายการข่าว")
-    st.dataframe(news_df[["date", "source", "text", "sentiment", "url"]], use_container_width=True) # (แก้ไข Typo)
+    st.dataframe(news_df[["date", "source", "text", "sentiment", "url"]], use_container_width=True)
 
 
 if __name__ == "__main__":