Update app.py

app.py

@@ -1,17 +1,21 @@
 import faicons as fa
 import plotly.express as px
+import pandas as pd
 
-# Load data and compute static values
-from shared import app_dir, tips
+# بارگذاری داده‌ها
+from shared import app_dir, tips  # فرض بر این است که tips از قبل DataFrame است
 from shinywidgets import render_plotly
-
 from shiny import reactive, render
 from shiny.express import input, ui
 
+# تبدیل احساس به عدد (تحلیل احساسات)
+tips["tip"] = tips["احساس"].map({"مثبت": 1, "خنثی": 0, "منفی": -1})
+
+# تعیین بازه سنی
 bill_rng = (min(tips.سن), max(tips.سن))
 
-# Add page title and sidebar
-ui.page_opts(title="Restaurant tipping", fillable=True)
+# صفحه و سایدبار
+ui.page_opts(title="تحلیل احساسات کاربران", fillable=True)
 
 with ui.sidebar(open="desktop"):
     ui.input_slider(
@@ -21,18 +25,17 @@ with ui.sidebar(open="desktop"):
         max=bill_rng[1],
         value=bill_rng,
         pre="سال"
-        
     )
     ui.input_checkbox_group(
         "تاریخ",
-        " service",
-        ["Twitter", "Instagram"],
-        selected=["Twitter", "Instagram"],
+        "شبکه اجتماعی",
+        tips["شبکه اجتماعی"].unique().tolist(),
+        selected=tips["شبکه اجتماعی"].unique().tolist(),
         inline=True,
     )
-    ui.input_action_button("reset", "Reset filter")
+    ui.input_action_button("reset", "بازنشانی فیلتر")
 
-# Add main content
+# آیکون‌ها
 ICONS = {
     "user": fa.icon_svg("user", "regular"),
     "wallet": fa.icon_svg("wallet"),
@@ -40,9 +43,10 @@ ICONS = {
     "ellipsis": fa.icon_svg("ellipsis"),
 }
 
+# باکس‌های آماری
 with ui.layout_columns(fill=False):
     with ui.value_box(showcase=ICONS["user"]):
-        "id"
+        "تعداد کاربران"
 
         @render.express
         def total_tippers():
@@ -50,55 +54,57 @@ with ui.layout_columns(fill=False):
             return data.shape[0]
 
     with ui.value_box(showcase=ICONS["wallet"]):
-        "Average tip"
+        "میانگین احساس"
 
         @render.express
         def average_tip():
             data = tips_data()
             if data.shape[0] > 0:
-                perc = data.tip / data.سن
-                return f"{perc.mean():.1%}"
+                return f"{data['tip'].mean():.2f}"
 
     with ui.value_box(showcase=ICONS["currency-dollar"]):
-        "Average bill"
+        "میانگین سن"
 
         @render.express
         def average_bill():
             data = tips_data()
             if data.shape[0] > 0:
-                bill = data.سن.mean()
-                return f"${bill:.2f}"
+                return f"{data['سن'].mean():.1f} سال"
 
+# نمودار و جدول
 with ui.layout_columns(col_widths=[6, 6, 12]):
     with ui.card(full_screen=True):
-        ui.card_header("Tips data")
+        ui.card_header("جدول داده‌ها")
 
         @render.data_frame
         def table():
-            return tips_data()  # جدول با داده‌های فیلتر شده
-        
+            return tips_data()
+
         @render_plotly
         def scatterplot():
-            data = tips_data()  # داده‌های فیلتر شده برای نمودار
+            data = tips_data()
             if data.shape[0] == 0:
-                return {}  # اگر هیچ داده‌ای نیست، نمودار خالی برگردانده می‌شود
+                return {}
             return px.scatter(
                 data,
-                x="سن",  # استفاده از ستون "سن"
-                y="id",  # استفاده از ستون "id"
-                color=None if input.scatter_color() == "none" else input.scatter_color(),  # رنگ بر اساس انتخاب
-                trendline="lowess",  # اضافه کردن trendline به نمودار
+                x="سن",
+                y="tip",
+                color="جنسیت",
+                trendline="lowess",
+                labels={"tip": "امتیاز احساس", "سن": "سن"},
+                title="رابطه سن با احساس"
             )
+
     with ui.card(full_screen=True):
         with ui.card_header(class_="d-flex justify-content-between align-items-center"):
-            "Tip percentages"
-            with ui.popover(title="Add a color variable"):
+            "تحلیل پراکندگی احساس"
+            with ui.popover(title="گروه‌بندی بر اساس متغیر"):
                 ICONS["ellipsis"]
                 ui.input_radio_buttons(
                     "tip_perc_y",
-                    "Split by:",
-                    [ "جنسیت", "تأثیر", "سطح ", "موضوع"],
-                    selected="day",
+                    "گروه‌بندی بر اساس:",
+                    ["جنسیت", "تأثیر", "سطح تأثیر", "موضوع"],
+                    selected="جنسیت",
                     inline=True,
                 )
 
@@ -108,9 +114,9 @@ with ui.layout_columns(col_widths=[6, 6, 12]):
 
             dat = tips_data()
             if dat.shape[0] == 0:
-                return {}  # return empty plot if no data available
+                return {}
 
-            dat["percent"] = dat.tip / dat.سن
+            dat["percent"] = dat["tip"]  # استفاده از tip به عنوان درصد احساس
             yvar = input.tip_perc_y()
             uvals = dat[yvar].unique()
 
@@ -132,27 +138,25 @@ with ui.layout_columns(col_widths=[6, 6, 12]):
 
             return plt
 
-
+# اعمال CSS
 ui.include_css(app_dir / "styles.css")
 
 # --------------------------------------------------------
-# Reactive calculations and effects
+# واکنش‌ها
 # --------------------------------------------------------
 
-
 @reactive.calc
 def tips_data():
-    سنی = input.سن()  # مقدار رنج سنی
-    تاریخ_انتخابی = input.time()  # تاریخ‌های انتخابی
-
-    idx1 = tips["سن"].between(سنی[0], سنی[1])  # فیلتر بر اساس رنج سنی
-    idx2 = tips["تاریخ"].isin(tاریخ_انتخابی)  # فیلتر بر اساس تاریخ انتخابی
-    filtered_data = tips[idx1 & idx2]  # داده‌های فیلتر شده
+    سنی = input.سن()
+    تاریخ_انتخابی = input.تاریخ()
 
-    return filtered_data
+    idx1 = tips["سن"].between(سنی[0], سنی[1])
+    idx2 = tips["شبکه اجتماعی"].isin(تاریخ_انتخابی)
+    
+    return tips[idx1 & idx2]
 
 @reactive.effect
 @reactive.event(input.reset)
 def _():
-    ui.update_slider("رنج سنی", value=bill_rng)
-    ui.update_checkbox_group("تاریخ", selected=["Twitter", "Instagram"])
+    ui.update_slider("سن", value=bill_rng)
+    ui.update_checkbox_group("تاریخ", selected=tips["شبکه اجتماعی"].unique().tolist())