Update src/streamlit_app.py
Browse files- src/streamlit_app.py +184 -38
src/streamlit_app.py
CHANGED
|
@@ -1,40 +1,186 @@
|
|
| 1 |
-
import altair as alt
|
| 2 |
-
import numpy as np
|
| 3 |
-
import pandas as pd
|
| 4 |
import streamlit as st
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 5 |
|
| 6 |
-
|
| 7 |
-
# Welcome to Streamlit!
|
| 8 |
-
|
| 9 |
-
Edit `/streamlit_app.py` to customize this app to your heart's desire :heart:.
|
| 10 |
-
If you have any questions, checkout our [documentation](https://docs.streamlit.io) and [community
|
| 11 |
-
forums](https://discuss.streamlit.io).
|
| 12 |
-
|
| 13 |
-
In the meantime, below is an example of what you can do with just a few lines of code:
|
| 14 |
-
"""
|
| 15 |
-
|
| 16 |
-
num_points = st.slider("Number of points in spiral", 1, 10000, 1100)
|
| 17 |
-
num_turns = st.slider("Number of turns in spiral", 1, 300, 31)
|
| 18 |
-
|
| 19 |
-
indices = np.linspace(0, 1, num_points)
|
| 20 |
-
theta = 2 * np.pi * num_turns * indices
|
| 21 |
-
radius = indices
|
| 22 |
-
|
| 23 |
-
x = radius * np.cos(theta)
|
| 24 |
-
y = radius * np.sin(theta)
|
| 25 |
-
|
| 26 |
-
df = pd.DataFrame({
|
| 27 |
-
"x": x,
|
| 28 |
-
"y": y,
|
| 29 |
-
"idx": indices,
|
| 30 |
-
"rand": np.random.randn(num_points),
|
| 31 |
-
})
|
| 32 |
-
|
| 33 |
-
st.altair_chart(alt.Chart(df, height=700, width=700)
|
| 34 |
-
.mark_point(filled=True)
|
| 35 |
-
.encode(
|
| 36 |
-
x=alt.X("x", axis=None),
|
| 37 |
-
y=alt.Y("y", axis=None),
|
| 38 |
-
color=alt.Color("idx", legend=None, scale=alt.Scale()),
|
| 39 |
-
size=alt.Size("rand", legend=None, scale=alt.Scale(range=[1, 150])),
|
| 40 |
-
))
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
import streamlit as st
|
| 2 |
+
import pandas as pd
|
| 3 |
+
import matplotlib.pyplot as plt
|
| 4 |
+
|
| 5 |
+
|
| 6 |
+
st.set_page_config(
|
| 7 |
+
page_title="Olympic Games Data Visualization",
|
| 8 |
+
page_icon="🏅",
|
| 9 |
+
layout="wide"
|
| 10 |
+
)
|
| 11 |
+
|
| 12 |
+
st.title("🏅 Olympic Games Data Visualization")
|
| 13 |
+
|
| 14 |
+
st.write(
|
| 15 |
+
"Bu uygulama, Olimpiyat Oyunları verilerini kullanarak ülke, sporcu, spor dalı, "
|
| 16 |
+
"madalya ve ev sahibi şehirler üzerine görselleştirme analizleri sunar."
|
| 17 |
+
)
|
| 18 |
+
|
| 19 |
+
|
| 20 |
+
@st.cache_data
|
| 21 |
+
def load_data():
|
| 22 |
+
athlete_bio = pd.read_csv("src/Olympic_Athlete_Biography.csv")
|
| 23 |
+
athlete_event = pd.read_csv("src/Olympic_Athlete_Event_Details.csv")
|
| 24 |
+
games = pd.read_csv("src/Olympic_Games_Summary.csv")
|
| 25 |
+
medals = pd.read_csv("src/Olympic_Medal_Tally_History.csv")
|
| 26 |
+
return athlete_bio, athlete_event, games, medals
|
| 27 |
+
|
| 28 |
+
|
| 29 |
+
athlete_bio, athlete_event, games, medals = load_data()
|
| 30 |
+
|
| 31 |
+
|
| 32 |
+
st.sidebar.title("Grafik Seçimi")
|
| 33 |
+
|
| 34 |
+
grafik = st.sidebar.selectbox(
|
| 35 |
+
"Bir grafik seçin:",
|
| 36 |
+
[
|
| 37 |
+
"En Çok Madalya Kazanan Ülkeler",
|
| 38 |
+
"En Fazla Altın Madalya Kazanan Ülkeler",
|
| 39 |
+
"Yıllara Göre Toplam Madalya",
|
| 40 |
+
"En Çok Madalya Kazanılan Spor Dalları",
|
| 41 |
+
"En Çok Madalya Kazanan Sporcular",
|
| 42 |
+
"En Çok Olimpiyat Düzenleyen Şehirler",
|
| 43 |
+
"Yıllara Göre Katılan Ülke Sayısı",
|
| 44 |
+
"Kadın ve Erkek Sporcu Dağılımı"
|
| 45 |
+
]
|
| 46 |
+
)
|
| 47 |
+
|
| 48 |
+
|
| 49 |
+
if grafik == "En Çok Madalya Kazanan Ülkeler":
|
| 50 |
+
st.subheader("En Çok Madalya Kazanan 15 Ülke")
|
| 51 |
+
|
| 52 |
+
top_countries = (
|
| 53 |
+
medals.groupby("country")["total"]
|
| 54 |
+
.sum()
|
| 55 |
+
.sort_values(ascending=False)
|
| 56 |
+
.head(15)
|
| 57 |
+
)
|
| 58 |
+
|
| 59 |
+
fig, ax = plt.subplots(figsize=(10, 6))
|
| 60 |
+
top_countries.sort_values().plot(kind="barh", ax=ax)
|
| 61 |
+
|
| 62 |
+
ax.set_title("En Çok Madalya Kazanan 15 Ülke")
|
| 63 |
+
ax.set_xlabel("Toplam Madalya")
|
| 64 |
+
ax.set_ylabel("Ülke")
|
| 65 |
+
|
| 66 |
+
st.pyplot(fig)
|
| 67 |
+
|
| 68 |
+
|
| 69 |
+
elif grafik == "En Fazla Altın Madalya Kazanan Ülkeler":
|
| 70 |
+
st.subheader("En Fazla Altın Madalya Kazanan 15 Ülke")
|
| 71 |
+
|
| 72 |
+
top_gold = (
|
| 73 |
+
medals.groupby("country")["gold"]
|
| 74 |
+
.sum()
|
| 75 |
+
.sort_values(ascending=False)
|
| 76 |
+
.head(15)
|
| 77 |
+
)
|
| 78 |
+
|
| 79 |
+
fig, ax = plt.subplots(figsize=(10, 6))
|
| 80 |
+
top_gold.sort_values().plot(kind="barh", ax=ax)
|
| 81 |
+
|
| 82 |
+
ax.set_title("En Fazla Altın Madalya Kazanan 15 Ülke")
|
| 83 |
+
ax.set_xlabel("Altın Madalya")
|
| 84 |
+
ax.set_ylabel("Ülke")
|
| 85 |
+
|
| 86 |
+
st.pyplot(fig)
|
| 87 |
+
|
| 88 |
+
|
| 89 |
+
elif grafik == "Yıllara Göre Toplam Madalya":
|
| 90 |
+
st.subheader("Yıllara Göre Toplam Madalya Sayısı")
|
| 91 |
+
|
| 92 |
+
yearly_medals = medals.groupby("year")["total"].sum()
|
| 93 |
+
|
| 94 |
+
fig, ax = plt.subplots(figsize=(12, 5))
|
| 95 |
+
ax.plot(yearly_medals.index, yearly_medals.values)
|
| 96 |
+
|
| 97 |
+
ax.set_title("Yıllara Göre Toplam Madalya Sayısı")
|
| 98 |
+
ax.set_xlabel("Yıl")
|
| 99 |
+
ax.set_ylabel("Toplam Madalya")
|
| 100 |
+
|
| 101 |
+
st.pyplot(fig)
|
| 102 |
+
|
| 103 |
+
|
| 104 |
+
elif grafik == "En Çok Madalya Kazanılan Spor Dalları":
|
| 105 |
+
st.subheader("En Çok Madalya Kazanılan Spor Dalları")
|
| 106 |
+
|
| 107 |
+
top_sports = (
|
| 108 |
+
athlete_event["sport"]
|
| 109 |
+
.value_counts()
|
| 110 |
+
.head(15)
|
| 111 |
+
)
|
| 112 |
+
|
| 113 |
+
fig, ax = plt.subplots(figsize=(10, 6))
|
| 114 |
+
top_sports.sort_values().plot(kind="barh", ax=ax)
|
| 115 |
+
|
| 116 |
+
ax.set_title("En Çok Madalya Kazanılan Spor Dalları")
|
| 117 |
+
ax.set_xlabel("Madalya Sayısı")
|
| 118 |
+
ax.set_ylabel("Spor Dalı")
|
| 119 |
+
|
| 120 |
+
st.pyplot(fig)
|
| 121 |
+
|
| 122 |
+
|
| 123 |
+
elif grafik == "En Çok Madalya Kazanan Sporcular":
|
| 124 |
+
st.subheader("En Çok Madalya Kazanan Sporcular")
|
| 125 |
+
|
| 126 |
+
top_athletes = (
|
| 127 |
+
athlete_event["athlete"]
|
| 128 |
+
.value_counts()
|
| 129 |
+
.head(15)
|
| 130 |
+
)
|
| 131 |
+
|
| 132 |
+
fig, ax = plt.subplots(figsize=(10, 6))
|
| 133 |
+
top_athletes.sort_values().plot(kind="barh", ax=ax)
|
| 134 |
+
|
| 135 |
+
ax.set_title("En Çok Madalya Kazanan Sporcular")
|
| 136 |
+
ax.set_xlabel("Madalya Sayısı")
|
| 137 |
+
ax.set_ylabel("Sporcu")
|
| 138 |
+
|
| 139 |
+
st.pyplot(fig)
|
| 140 |
+
|
| 141 |
+
|
| 142 |
+
elif grafik == "En Çok Olimpiyat Düzenleyen Şehirler":
|
| 143 |
+
st.subheader("En Çok Olimpiyat Düzenleyen Şehirler")
|
| 144 |
+
|
| 145 |
+
top_city = games["city"].value_counts().head(15)
|
| 146 |
+
|
| 147 |
+
fig, ax = plt.subplots(figsize=(10, 6))
|
| 148 |
+
top_city.sort_values().plot(kind="barh", ax=ax)
|
| 149 |
+
|
| 150 |
+
ax.set_title("En Çok Olimpiyat Düzenleyen Şehirler")
|
| 151 |
+
ax.set_xlabel("Olimpiyat Sayısı")
|
| 152 |
+
ax.set_ylabel("Şehir")
|
| 153 |
+
|
| 154 |
+
st.pyplot(fig)
|
| 155 |
+
|
| 156 |
+
|
| 157 |
+
elif grafik == "Yıllara Göre Katılan Ülke Sayısı":
|
| 158 |
+
st.subheader("Yıllara Göre Katılan Ülke Sayısı")
|
| 159 |
+
|
| 160 |
+
country_per_year = medals.groupby("year")["country"].nunique()
|
| 161 |
+
|
| 162 |
+
fig, ax = plt.subplots(figsize=(12, 5))
|
| 163 |
+
ax.plot(country_per_year.index, country_per_year.values)
|
| 164 |
+
|
| 165 |
+
ax.set_title("Yıllara Göre Katılan Ülke Sayısı")
|
| 166 |
+
ax.set_xlabel("Yıl")
|
| 167 |
+
ax.set_ylabel("Ülke Sayısı")
|
| 168 |
+
|
| 169 |
+
st.pyplot(fig)
|
| 170 |
+
|
| 171 |
+
|
| 172 |
+
elif grafik == "Kadın ve Erkek Sporcu Dağılımı":
|
| 173 |
+
st.subheader("Kadın ve Erkek Sporcu Dağılımı")
|
| 174 |
+
|
| 175 |
+
gender_counts = athlete_bio["sex"].value_counts()
|
| 176 |
+
|
| 177 |
+
fig, ax = plt.subplots(figsize=(7, 7))
|
| 178 |
+
ax.pie(
|
| 179 |
+
gender_counts,
|
| 180 |
+
labels=gender_counts.index,
|
| 181 |
+
autopct="%1.1f%%"
|
| 182 |
+
)
|
| 183 |
+
|
| 184 |
+
ax.set_title("Kadın ve Erkek Sporcu Dağılımı")
|
| 185 |
|
| 186 |
+
st.pyplot(fig)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|