Update app.py

app.py

@@ -60,7 +60,9 @@ with ui.layout_columns(fill=False):
         def average_tip():
             data = tips_data()
             if data.shape[0] > 0:
-                return f"{data['tip'].mean():.2f}"
+                ui.h3(f"میانگین انعام: {data['tip'].mean():.2f}")
+            else:
+                ui.h3("داده‌ای برای محاسبه میانگین وجود ندارد.")
 
     with ui.value_box(showcase=ICONS["currency-dollar"]):
         "میانگین سن"
@@ -69,22 +71,26 @@ with ui.layout_columns(fill=False):
         def average_bill():
             data = tips_data()
             if data.shape[0] > 0:
-                return f"{data['سن'].mean():.1f} سال"
+                ui.h3(f"میانگین سن: {data['سن'].mean():.1f} سال")
+            else:
+                ui.h3("داده‌ای برای محاسبه میانگین سن وجود ندارد.")
 
 # نمودار و جدول
 with ui.layout_columns(col_widths=[6, 6, 12]):
     with ui.card(full_screen=True):
         ui.card_header("جدول داده‌ها")
 
+        # رندر کردن داده‌ها در قالب جدول
         @render.data_frame
         def table():
             return tips_data()
 
+        # رندر کردن نمودار پراکندگی
         @render_plotly
         def scatterplot():
             data = tips_data()
             if data.shape[0] == 0:
-                return {}
+                return {}  # بازگرداندن داده‌های خالی در صورت عدم وجود داده
             return px.scatter(
                 data,
                 x="سن",
@@ -96,8 +102,10 @@ with ui.layout_columns(col_widths=[6, 6, 12]):
             )
 
     with ui.card(full_screen=True):
+        # عنوان برای تحلیل پراکندگی احساس
         with ui.card_header(class_="d-flex justify-content-between align-items-center"):
             "تحلیل پراکندگی احساس"
+            # ایجاد یک Popover برای انتخاب متغیر گروه‌بندی
             with ui.popover(title="گروه‌بندی بر اساس متغیر"):
                 ICONS["ellipsis"]
                 ui.input_radio_buttons(
@@ -108,20 +116,23 @@ with ui.layout_columns(col_widths=[6, 6, 12]):
                     inline=True,
                 )
 
+        # رندر کردن نمودار ridgeplot
         @render_plotly
         def tip_perc():
             from ridgeplot import ridgeplot
 
             dat = tips_data()
             if dat.shape[0] == 0:
-                return {}
+                return {}  # بازگرداندن داده‌های خالی در صورت عدم وجود داده
 
-            dat["percent"] = dat["tip"]  # استفاده از tip به عنوان درصد احساس
-            yvar = input.tip_perc_y()
-            uvals = dat[yvar].unique()
+            dat["percent"] = dat["tip"]  # استفاده از 'tip' به عنوان درصد احساس
+            yvar = input.tip_perc_y()  # دریافت انتخاب از کاربر
+            uvals = dat[yvar].unique()  # استخراج مقادیر یکتای متغیر انتخابی
 
+            # ایجاد نمونه‌ها برای رسم نمودار ridgeplot
             samples = [[dat.percent[dat[yvar] == val]] for val in uvals]
 
+            # ایجاد نمودار ridgeplot
             plt = ridgeplot(
                 samples=samples,
                 labels=uvals,
@@ -130,13 +141,15 @@ with ui.layout_columns(col_widths=[6, 6, 12]):
                 colormode="row-index",
             )
 
+            # تنظیمات نهایی برای نمودار
             plt.update_layout(
                 legend=dict(
                     orientation="h", yanchor="bottom", y=1.02, xanchor="center", x=0.5
                 )
             )
 
-            return plt
+            return plt  # بازگشت نمودار
+
 
 # اعمال CSS
 ui.include_css(app_dir / "styles.css")