Update app.py

app.py

@@ -11,7 +11,7 @@ from io import BytesIO
 import numpy as np
 from sklearn.linear_model import LinearRegression
 import plotly.graph_objects as go
-from plotly.subplots import make_subplots # Import สิ่งนี้
+from plotly.subplots import make_subplots
 import yfinance as yf
 
 # --------------------------
@@ -119,14 +119,10 @@ def fetch_financial_news(keyword):
 
 
 # --------------------------
-# (*** ส่วนที่แก้ไข ***)
 # ดึงราคาหุ้นตามช่วงเวลาที่กำหนด
 # --------------------------
 @st.cache_data(ttl=3600)
 def fetch_stock_price(symbol, start_date, end_date):
-    """
-    แก้ไข: รับ start_date และ end_date เพื่อดึงข้อมูลให้ตรงกัน
-    """
     try:
         start_str = (start_date - timedelta(days=2)).strftime('%Y-%m-%d')
         end_str = (end_date + timedelta(days=1)).strftime('%Y-%m-%d')
@@ -139,7 +135,6 @@ def fetch_stock_price(symbol, start_date, end_date):
             
         df = df.reset_index()[["Date", "Close"]]
         df.rename(columns={"Date": "date", "Close": "price"}, inplace=True)
-        # Normalize วันที่ให้เป็น .dt.date
         df["date"] = pd.to_datetime(df["date"].dt.date)
         return df
     except Exception as e:
@@ -148,7 +143,7 @@ def fetch_stock_price(symbol, start_date, end_date):
 
 
 # --------------------------
-# MAIN APP (*** ส่วนที่แก้ไขทั้งหมด ***)
+# MAIN APP
 # --------------------------
 def main():
     st.title("📰 SentimentSync NewsAI")
@@ -195,7 +190,7 @@ def main():
     st.image(f"data:image/png;base64,{img}", use_column_width=True)
 
     # -----------------------------------------------------------------
-    # (ส่วนที่แก้ไข) กราฟไฮบริด (Ref1 + Prediction)
+    # กราฟไฮบริด (Ref1 + Prediction)
     # -----------------------------------------------------------------
     st.subheader("📈 แนวโน้มอารมณ์ของข่าว & ราคาหุ้น")
     
@@ -221,8 +216,14 @@ def main():
         if col not in daily_data.columns:
             daily_data[col] = 0
             
-    # 2. (ใหม่) เทรนโมเดล Prediction โดยใช้ข้อมูล "รายวัน"
+    # 2. เทรนโมเดล Prediction โดยใช้ข้อมูล "รายวัน"
     df_sorted = daily_data.sort_values("date_day").copy()
+    
+    # ป้องกัน Error ถ้ามีข้อมูลน้อยกว่า 2 วัน
+    if len(df_sorted) < 2:
+        st.warning("มีข้อมูลข่าวไม่เพียงพอที่จะสร้างแนวโน้ม (น้อยกว่า 2 วัน)")
+        return
+
     df_sorted["timestamp"] = (df_sorted["date_day"] - df_sorted["date_day"].min()).dt.days
 
     model = LinearRegression()
@@ -254,7 +255,7 @@ def main():
             go.Scatter(
                 x=stock_df["date"], y=stock_df["price"],
                 name=f"{symbol} Stock Price",
-                line=dict(color="green", width=2) # ใช้สีเขียวตามโค้ดเดิม
+                line=dict(color="green", width=2)
             ),
             row=1, col=1, secondary_y=False
         )
@@ -265,18 +266,22 @@ def main():
             x=df_sorted["date_day"], y=df_sorted["avg_sentiment"],
             name="Actual Sentiment (Daily Avg)",
             mode="lines+markers",
-            line=dict(color="blue", width=2) # ใช้สีน้ำเงินตามโค้ดเดิม
+            line=dict(color="blue", width=2)
         ),
         row=1, col=1, secondary_y=True
     )
     
     # (ใหม่) Add Predicted sentiment (Y-axis 2, สีส้ม)
+    # ----- (นี่คือส่วนที่แก้ไข) -----
     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"),
-        secondary_y=True # <-- สำคัญ: ต้องอยู่แกน Y เดียวกับ Actual
-    ))
+        line=dict(color="orange", dash="dash")
+    ),
+    row=1, col=1,      # <-- เพิ่มบรรทัดนี้
+    secondary_y=True  # <-- ย้ายมาไว้ตรงนี้
+    )
+    # ------------------------------
 
     # --- กราฟส่วนล่าง (จำนวนข่าว) ---
     fig.add_trace(go.Bar(x=df_sorted["date_day"], y=df_sorted["neutral"], name="Neutral", marker_color='rgba(128, 128, 128, 0.7)'), row=2, col=1)