Update app.py

app.py

@@ -1,6 +1,7 @@
 import streamlit as st
 import pandas as pd
 import plotly.express as px
+import plotly.graph_objs as go
 import numpy as np
 from datetime import datetime
 from dataclasses import dataclass, field
@@ -21,7 +22,7 @@ class SurveyAnalyzer:
     """📊 問卷分析類"""
 
     def __init__(self):
-        # 更新滿意度欄位名稱
+        # 滿意度欄位名稱
         self.satisfaction_columns = [
             '１．示範場域提供多元的數位課程與活動',
             '２．示範場域的數位課程與活動對我的生活應用有幫助',
@@ -43,13 +44,16 @@ class SurveyAnalyzer:
 
     def plot_satisfaction_scores(self, df: pd.DataFrame):
         """📊 示範場域滿意度平均分數圖表"""
+        # 確保所有滿意度欄位都存在
+        existing_columns = [col for col in self.satisfaction_columns if col in df.columns]
+        
         # 計算平均分數和標準差
-        satisfaction_means = [df[col].mean() for col in self.satisfaction_columns]
-        satisfaction_stds = [df[col].std() for col in self.satisfaction_columns]
+        satisfaction_means = [df[col].mean() for col in existing_columns]
+        satisfaction_stds = [df[col].std() for col in existing_columns]
         
         # 創建數據框
         satisfaction_df = pd.DataFrame({
-            '滿意度項目': self.satisfaction_short_names,
+            '滿意度項目': [self.satisfaction_short_names[self.satisfaction_columns.index(col)] for col in existing_columns],
             '平均分數': satisfaction_means,
             '標準差': satisfaction_stds
         })
@@ -124,27 +128,47 @@ class SurveyAnalyzer:
             opacity=0.85
         )
         
-        # 添加受訪人數標註
-        num_respondents = len(df)
-        fig.add_annotation(
-            x=0.5,
-            xref='paper',
-            yref='paper',
-            text=f'受訪人數: {num_respondents}人',
-            showarrow=False,
-            font=dict(size=16),
-            bgcolor='rgba(255,255,255,0.8)',
-            bordercolor='rgba(0,0,0,0.2)',
-            borderwidth=1,
-            borderpad=4,
-            y=-0.2
-        )
-        
-        # 計算整體平均滿意度
-        overall_satisfaction = df[self.satisfaction_columns].mean().mean()
+        # 計算整體平均滿意度（只計算存在的欄位）
+        overall_satisfaction = df[existing_columns].mean().mean()
         
         # 返回圖表和整體滿意度
-        return fig, overall_satisfaction
+        return fig, overall_satisfaction, len(df)
+
+    def analyze_demographic_data(self, df: pd.DataFrame):
+        """分析性別和教育程度"""
+        # 性別分佈
+        if '性別' in df.columns:
+            gender_counts = df['性別'].value_counts()
+            gender_pie = go.Figure(data=[go.Pie(
+                labels=gender_counts.index, 
+                values=gender_counts.values, 
+                hole=.3,
+                title='性別分佈'
+            )])
+            gender_pie.update_layout(title='📊 性別分佈')
+        else:
+            gender_pie = None
+            st.warning("資料中缺少性別欄位")
+
+        # 教育程度分佈
+        if '教育程度' in df.columns:
+            education_counts = df['教育程度'].value_counts()
+            education_bar = go.Figure(data=[go.Bar(
+                x=education_counts.index, 
+                y=education_counts.values,
+                text=education_counts.values,
+                textposition='auto'
+            )])
+            education_bar.update_layout(
+                title='📊 教育程度分佈',
+                xaxis_title='教育程度',
+                yaxis_title='人數'
+            )
+        else:
+            education_bar = None
+            st.warning("資料中缺少教育程度欄位")
+
+        return gender_pie, education_bar
 
 def main():
     st.set_page_config(page_title="示範場域滿意度調查", layout="wide")
@@ -155,58 +179,67 @@ def main():
     df = read_google_sheet(sheet_id, gid)
     
     if df is not None:
-        # 檢查必要的欄位是否存在
-        required_columns = [
-            '１．示範場域提供多元的數位課程與活動',
-            '２．示範場域的數位課程與活動對我的生活應用有幫助',
-            '３．示範場域的服務人員親切有禮貌',
-            '４．示範場域的服務空間與數位設備友善方便',
-            '５．在示範場域可以獲得需要的協助',
-            '６．對於示範場域的服務感到滿意'
-        ]
+        # 創建分析器
+        analyzer = SurveyAnalyzer()
         
-        # 確認所有必要欄位都存在
-        missing_columns = [col for col in required_columns if col not in df.columns]
+        # 顯示標題
+        st.title("📊 示範場域滿意度調查分析")
+        
+        # 提示缺少的滿意度欄位
+        missing_columns = [col for col in analyzer.satisfaction_columns if col not in df.columns]
         if missing_columns:
-            st.error(f"缺少以下必要欄位: {missing_columns}")
+            st.warning(f"⚠️ 缺少以下滿意度欄位: {missing_columns}")
+        
+        # 繪製滿意度圖表
+        satisfaction_fig, overall_satisfaction, num_respondents = analyzer.plot_satisfaction_scores(df)
+        
+        # 顯示滿意度圖表
+        st.plotly_chart(satisfaction_fig, use_container_width=True)
+        
+        # 顯示整體滿意度
+        st.markdown(f"""
+        ### 📈 整體滿意度分析
+        - **受訪人數**: {num_respondents} 人
+        - **整體平均滿意度**: {overall_satisfaction:.2f} 分
+        
+        #### 🔍 滿意度解讀
+        - 0-1分: 非常不滿意
+        - 1-2分: 不滿意
+        - 2-3分: 普通
+        - 3-4分: 滿意
+        - 4-5分: 非常滿意
+        
+        根據調查結果，整體滿意度為 {overall_satisfaction:.2f} 分，
+        """, unsafe_allow_html=True)
+        
+        # 根據整體滿意度提供文字解讀
+        if overall_satisfaction < 2:
+            st.warning("⚠️ 整體滿意度較低，建議深入檢討服務品質")
+        elif overall_satisfaction < 3:
+            st.info("ℹ️ 整體滿意度處於普通水平，可以進一步改善服務")
+        elif overall_satisfaction < 4:
+            st.success("✅ 整體滿意度良好，但仍有提升空間")
         else:
-            # 創建分析器
-            analyzer = SurveyAnalyzer()
-            
-            # 顯示標題
-            st.title("📊 示範場域滿意度調查分析")
-            
-            # 繪製滿意度圖表
-            satisfaction_fig, overall_satisfaction = analyzer.plot_satisfaction_scores(df)
-            
-            # 顯示圖表
-            st.plotly_chart(satisfaction_fig, use_container_width=True)
-            
-            # 顯示整體滿意度
-            st.markdown(f"""
-            ### 📈 整體滿意度分析
-            - **整體平均滿意度**: {overall_satisfaction:.2f} 分
-            
-            #### 🔍 滿意度解讀
-            - 0-1分: 非常不滿意
-            - 1-2分: 不滿意
-            - 2-3分: 普通
-            - 3-4分: 滿意
-            - 4-5分: 非常滿意
-            
-            根據調查結果，整體滿意度為 {overall_satisfaction:.2f} 分，
-            """, unsafe_allow_html=True)
-            
-            # 根據整體滿意度提供文字解讀
-            if overall_satisfaction < 2:
-                st.warning("⚠️ 整體滿意度較低，建議深入檢討服務品質")
-            elif overall_satisfaction < 3:
-                st.info("ℹ️ 整體滿意度處於普通水平，可以進一步改善服務")
-            elif overall_satisfaction < 4:
-                st.success("✅ 整體滿意度良好，但仍有提升空間")
-            else:
-                st.balloons()
-                st.success("🎉 整體滿意度非常高，表現優異！")
+            st.balloons()
+            st.success("🎉 整體滿意度非常高，表現優異！")
+        
+        # 人口統計分析
+        st.header("👥 人口統計分析")
+        
+        # 創建兩列顯示
+        col1, col2 = st.columns(2)
+        
+        # 性別分佈
+        with col1:
+            gender_pie, _ = analyzer.analyze_demographic_data(df)
+            if gender_pie:
+                st.plotly_chart(gender_pie, use_container_width=True)
+        
+        # 教育程度分佈
+        with col2:
+            _, education_bar = analyzer.analyze_demographic_data(df)
+            if education_bar:
+                st.plotly_chart(education_bar, use_container_width=True)
 
 if __name__ == "__main__":
     main()