Update app.py

app.py

@@ -12,6 +12,7 @@ from io import BytesIO
 import numpy as np
 from sklearn.linear_model import LinearRegression
 import plotly.graph_objects as go
+import yfinance as yf  # เพิ่มส่วนดึงราคาหุ้น
 
 # --------------------------
 # CONFIG
@@ -99,16 +100,33 @@ def generate_wordcloud(text):
     return base64.b64encode(buf.getvalue()).decode()
 
 
+# --------------------------
+# ฟังก์ชันใหม่: ดึงราคาหุ้น
+# --------------------------
+@st.cache_data(ttl=3600)
+def fetch_stock_price(symbol):
+    """ดึงราคาปิดหุ้นย้อนหลัง 14 วัน"""
+    try:
+        df = yf.download(symbol, period="14d", interval="1d")
+        df = df.reset_index()[["Date", "Close"]]
+        df.rename(columns={"Date": "date", "Close": "price"}, inplace=True)
+        df["date"] = pd.to_datetime(df["date"])
+        return df
+    except Exception as e:
+        st.warning(f"ไม่สามารถดึงราคาหุ้นได้: {e}")
+        return pd.DataFrame()
+
+
 # --------------------------
 # MAIN APP
 # --------------------------
 def main():
     st.title("📰 SentimentSync NewsAI")
-    st.markdown("วิเคราะห์แนวโน้มอารมณ์ของข่าวการเงินย้อนหลัง 7 วัน พร้อมพยากรณ์แนวโน้มในอนาคต")
+    st.markdown("วิเคราะห์แนวโน้มอารมณ์ของข่าวการเงินย้อนหลัง 7 วัน พร้อมพยากรณ์แนวโน้มในอนาคต และรวมราคาหุ้น")
 
     # Sidebar
     with st.sidebar:
-        keyword = st.text_input("ค้นหาคำ (เช่น Tesla, Bitcoin, Inflation):", "")
+        keyword = st.text_input("ค้นหาคำ / ตัวย่อหุ้น (เช่น Tesla หรือ TSLA):", "")
         analyze_btn = st.button("วิเคราะห์เลย")
 
     if not analyze_btn:
@@ -145,13 +163,13 @@ def main():
     img = generate_wordcloud(all_text)
     st.image(f"data:image/png;base64,{img}", use_column_width=True)
 
-    # แนวโน้มและพยากรณ์ในกราฟเดียว
-    st.subheader("📈 แนวโน้มและพยากรณ์อารมณ์ของข่าว")
+    # แนวโน้มและพยากรณ์ + ราคาหุ้น
+    st.subheader("📈 แนวโน้มและพยากรณ์อารมณ์ของข่าว & ราคาหุ้น")
 
     df_sorted = news_df.sort_values("date").copy()
     df_sorted["timestamp"] = (df_sorted["date"] - df_sorted["date"].min()).dt.days
 
-    # Train model
+    # Train sentiment model
     model = LinearRegression()
     model.fit(df_sorted[["timestamp"]], df_sorted["sentiment"])
 
@@ -161,39 +179,44 @@ def main():
     future_dates = [df_sorted["date"].max() + timedelta(days=i) for i in range(1, future_days + 1)]
     future_preds = model.predict(future_timestamps.reshape(-1, 1))
 
-    # Plot both actual + prediction
+    # ดึงราคาหุ้น
+    stock_df = fetch_stock_price(keyword)
+
+    # Plot
     fig = go.Figure()
 
+    # Actual sentiment
     fig.add_trace(go.Scatter(
         x=df_sorted["date"], y=df_sorted["sentiment"],
         mode="lines+markers", name="Actual Sentiment",
         line=dict(color="blue")
     ))
-
+    # Predicted sentiment
     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")
     ))
-
-    fig.add_trace(go.Scatter(
-        x=future_dates + future_dates[::-1],
-        y=list(future_preds + 0.1) + list((future_preds - 0.1)[::-1]),
-        fill='toself', fillcolor='rgba(255,165,0,0.2)',
-        line=dict(color='rgba(255,255,255,0)'),
-        hoverinfo="skip",
-        showlegend=False
-    ))
+    # Stock price
+    if not stock_df.empty:
+        fig.add_trace(go.Scatter(
+            x=stock_df["date"], y=stock_df["price"],
+            mode="lines+markers", name=f"{keyword} Stock Price",
+            line=dict(color="green"), yaxis="y2"
+        ))
 
     fig.update_layout(
-        title=f"แนวโน้มและพยากรณ์อารมณ์ของข่าว '{keyword}'",
+        title=f"แนวโน้มและพยากรณ์อารมณ์ข่าว & ราคาหุ้น '{keyword}'",
         xaxis_title="วันที่",
-        yaxis_title="ค่าอารมณ์ (Sentiment)",
+        yaxis=dict(title="Sentiment", side="left", range=[-1, 1]),
+        yaxis2=dict(title="Stock Price", overlaying="y", side="right", showgrid=False),
         hovermode="x unified",
         template="plotly_white"
     )
+
     st.plotly_chart(fig, use_container_width=True)
 
+    # แสดงข่าว
     st.subheader("📰 รายการข่าว")
     st.dataframe(news_df[["date", "source", "text", "sentiment", "url"]], use_container_width=True)