Update app.py

app.py

@@ -215,51 +215,74 @@ def calculate_volume_profile(df, num_bins=50):
 
     return bin_edges, hist, price_centers
 
-# === 修正後的 get_business_climate_data 函式 ===
 def get_business_climate_data():
-    """從國發會網站抓取真實景氣燈號資料"""
+    """獲取台灣景氣燈號資料"""
     try:
-        url = 'https://www.ndc.gov.tw/Content_List.aspx?n=84A4AFB5532512F5'
-        # 發送 GET 請求
-        response = requests.get(url, timeout=10)
-        response.raise_for_status()  # 如果請求失敗，會拋出 HTTPError
-        
-        # 使用 pandas 讀取 HTML 表格
-        df_list = pd.read_html(response.text, match='景氣對策信號綜合判斷分數及構成項目')
-        
-        if not df_list:
-            print("未在網頁中找到景氣對策信號表格。")
+        # 檢查檔案是否存在
+        if not os.path.exists('business_climate.csv'):
+            print("business_climate.csv 檔案不存在")
             return pd.DataFrame()
-            
-        df = df_list[0]
-        
-        # 數據清理
-        df.columns = df.iloc[0] # 將第一行作為標題
-        df = df.iloc[1:]
-        df = df.reset_index(drop=True)
-        
-        # 重新命名欄位以便操作
-        df = df.rename(columns={'年月': 'Date', '綜合判斷分數': 'Index'})
-        
-        # 格式化日期
-        df['Date'] = df['Date'].apply(lambda x: datetime.strptime(str(x), '%Y.%m'))
-        
-        # 轉換數值
-        df['Index'] = pd.to_numeric(df['Index'], errors='coerce')
-        df = df.dropna(subset=['Index'])
-        
-        return df.sort_values('Date', ascending=True)
+
+        # 讀取CSV檔案，假設列名為 Date 和 Index
+        df = pd.read_csv('business_climate.csv')
+
+        # 檢查列名並調整
+        if 'Date' not in df.columns:
+            # 如果第一列是日期，重新命名
+            df.columns = ['Date', 'Index'] if len(df.columns) == 2 else df.columns
+
+        # 轉換日期格式 (處理 YYYY-MM 格式)
+        if 'Date' in df.columns:
+            try:
+                # 如果是 YYYY-MM 格式，轉換為日期
+                df['Date'] = pd.to_datetime(df['Date'] + '-01', format='%Y-%m-%d', errors='coerce')
+            except:
+                df['Date'] = pd.to_datetime(df['Date'], errors='coerce')
+
+        # 移除日期轉換失敗的行
+        df = df.dropna(subset=['Date'])
+
+        print(f"成功讀取景氣燈號資料：{len(df)} 筆記錄")
+        return df
 
     except Exception as e:
-        print(f"Error fetching business climate data: {e}")
+        print(f"無法獲取景氣燈號資料: {str(e)}")
         return pd.DataFrame()
 
-# 新增: 模擬的PMI數據獲取函式
 def get_pmi_data():
-    dates = pd.date_range(end=datetime.now(), periods=24, freq='MS')
-    pmi_values = np.random.uniform(40, 60, size=24)
-    df = pd.DataFrame({'Date': dates, 'Index': pmi_values})
-    return df
+    """獲取台灣 PMI 資料"""
+    try:
+        # 檢查檔案是否存在
+        if not os.path.exists('taiwan_pmi.csv'):
+            print("taiwan_pmi.csv 檔案不存在")
+            return pd.DataFrame()
+
+        # 讀取CSV檔案
+        df = pd.read_csv('taiwan_pmi.csv')
+
+        # 檢查列名並調整 (處理 DATE/INDEX 或其他可能的列名)
+        if 'DATE' in df.columns:
+            df = df.rename(columns={'DATE': 'Date', 'INDEX': 'Index'})
+        elif len(df.columns) == 2:
+            df.columns = ['Date', 'Index']
+
+        # 轉換日期格式
+        if 'Date' in df.columns:
+            try:
+                # 如果是 YYYY-MM 格式，轉換為日期
+                df['Date'] = pd.to_datetime(df['Date'] + '-01', format='%Y-%m-%d', errors='coerce')
+            except:
+                df['Date'] = pd.to_datetime(df['Date'], errors='coerce')
+
+        # 移除日期轉換失敗的行
+        df = df.dropna(subset=['Date'])
+
+        print(f"成功讀取 PMI 資料：{len(df)} 筆記錄")
+        return df
+
+    except Exception as e:
+        print(f"無法獲取 PMI 資料: {str(e)}")
+        return pd.DataFrame()
 
 # 建立 Dash 應用程式
 app = dash.Dash(__name__, suppress_callback_exceptions=True)