KYTHY commited on
Commit
d5b103e
·
verified ·
1 Parent(s): 10ff829

Update app.py

Browse files
Files changed (1) hide show
  1. app.py +8 -8
app.py CHANGED
@@ -17,7 +17,7 @@ import yfinance as yf
17
  # --------------------------
18
  # CONFIG
19
  # --------------------------
20
- st.set_page_config(page_title="📰 SentimentSync NewsAI", layout="wide")
21
  API_KEY = "88bc396d4eab4be494a4b86ec842db47"
22
 
23
  # --------------------------
@@ -149,12 +149,12 @@ def fetch_stock_price(symbol, start_date, end_date):
149
  # MAIN APP
150
  # --------------------------
151
  def main():
152
- st.title("📰 SentimentSync NewsAI")
153
  st.markdown("วิเคราะห์แนวโน้มอารมณ์ของข่าวย้อนหลัง 7 วัน พร้อมราคาหุ้น")
154
 
155
  # Sidebar
156
  with st.sidebar:
157
- keyword = st.text_input("ค้นหาคำ / ตัวย่อหุ้น (เช่น Tesla หรือ TSLA):", "")
158
  analyze_btn = st.button("วิเคราะห์เลย")
159
 
160
  if not analyze_btn:
@@ -247,16 +247,16 @@ def main():
247
  # 4. (*** ใหม่ ***) คำนวณและตีความ Correlation
248
  correlation = plot_data['price'].corr(plot_data['avg_sentiment'])
249
 
250
- corr_text = "ไม่สัมพันธ์กัน"
251
- corr_delta = f"r = {correlation:.2f}"
252
 
253
  if pd.isna(correlation):
254
  corr_text = "ไม่สามารถคำนวณได้"
255
  corr_delta = "N/A"
256
  elif correlation > 0.3:
257
- corr_text = "สัมพันธ์ทางเดียวกัน"
258
  elif correlation < -0.3:
259
- corr_text = "สัมพันธ์ตรงข้าม"
260
 
261
  # 5. เทรนโมเดล Prediction (ใช้ข้อมูลที่ Merge แล้ว)
262
  plot_data["timestamp"] = (plot_data["date_day"] - plot_data["date_day"].min()).dt.days
@@ -276,7 +276,7 @@ def main():
276
 
277
  # 6. (*** ใหม่ ***) แสดงผล Correlation Metric
278
  st.metric(
279
- label="ความสัมพันธ์ (Sentiment vs Price)",
280
  value=corr_text,
281
  delta=corr_delta
282
  )
 
17
  # --------------------------
18
  # CONFIG
19
  # --------------------------
20
+ st.set_page_config(page_title="📰 News Sentiment Analysis for Young Investor", layout="wide")
21
  API_KEY = "88bc396d4eab4be494a4b86ec842db47"
22
 
23
  # --------------------------
 
149
  # MAIN APP
150
  # --------------------------
151
  def main():
152
+ st.title("📰 News Sentiment Analysis for Young Investor")
153
  st.markdown("วิเคราะห์แนวโน้มอารมณ์ของข่าวย้อนหลัง 7 วัน พร้อมราคาหุ้น")
154
 
155
  # Sidebar
156
  with st.sidebar:
157
+ keyword = st.text_input("ค้นหา Stock Symbol (เช่น AAPL, TSLA):", "")
158
  analyze_btn = st.button("วิเคราะห์เลย")
159
 
160
  if not analyze_btn:
 
247
  # 4. (*** ใหม่ ***) คำนวณและตีความ Correlation
248
  correlation = plot_data['price'].corr(plot_data['avg_sentiment'])
249
 
250
+ corr_text = "ไม่มีความสัมพันธ์กัน"
251
+ corr_delta = f"Correlation = {correlation:.2f}"
252
 
253
  if pd.isna(correlation):
254
  corr_text = "ไม่สามารถคำนวณได้"
255
  corr_delta = "N/A"
256
  elif correlation > 0.3:
257
+ corr_text = "มีความสัมพันธ์กันในทิศทางเดียวกัน"
258
  elif correlation < -0.3:
259
+ corr_text = "มีความสัมพันธ์กันในทิศทางตรงข้าม"
260
 
261
  # 5. เทรนโมเดล Prediction (ใช้ข้อมูลที่ Merge แล้ว)
262
  plot_data["timestamp"] = (plot_data["date_day"] - plot_data["date_day"].min()).dt.days
 
276
 
277
  # 6. (*** ใหม่ ***) แสดงผล Correlation Metric
278
  st.metric(
279
+ label="วิเคราะห์ความสัมพันธ์ (Sentiment vs Price)",
280
  value=corr_text,
281
  delta=corr_delta
282
  )