Update app.py

app.py

@@ -1,7 +1,6 @@
 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
@@ -18,266 +17,196 @@ def read_google_sheet(sheet_id, sheet_number=0):
         st.error(f"❌ 讀取失敗：{str(e)}")
         return None
 
-# 📊 Google Sheets ID
-sheet_id = "18wlbzQ-ZmFDeBONHnK7YNwfuvwUhnAA9_64ERHPkwzk"
-gid = "1564149687"
-
-@dataclass
-class SurveyMappings:
-    """📋 問卷數據對應"""
-    gender: Dict[str, int] = field(default_factory=lambda: {'男性': 1, '女性': 2})
-    education: Dict[str, int] = field(default_factory=lambda: {
-        '國小(含)以下': 1, '國/初中': 2, '高中/職': 3, '專科': 4, '大學': 5, '研究所(含)以上': 6})
-    frequency: Dict[str, int] = field(default_factory=lambda: {
-        '第1次': 1, '2-3次': 2, '4-6次': 3, '6次以上': 4, '經常來學習，忘記次數了': 5})
-
 class SurveyAnalyzer:
     """📊 問卷分析類"""
 
     def __init__(self):
-        self.mappings = SurveyMappings()
+        # 更新滿意度欄位名稱
         self.satisfaction_columns = [
-            '１． 示範場域提供多元的數位課程與活動',
+            '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',
+            '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'
         ]
+        
+        # 對應的簡短名稱
         self.satisfaction_short_names = [
             '多元課程與活動',
-            '生活應用有幫助',
+            '生活應用幫助',
             '服務人員親切',
             '空間設備友善',
             '獲得需要協助',
             '整體服務滿意'
         ]
-        
-    def calculate_age(self, birth_year_column):
-        """🔢 計算年齡（從民國年到實際年齡）"""
-        current_year = datetime.now().year
-        birth_years = pd.to_numeric(birth_year_column, errors='coerce')
-        western_years = birth_years + 1911
-        ages = current_year - western_years
-        return ages
 
-    def generate_dynamic_basic_stats(self, df: pd.DataFrame) -> List[Dict[str, Any]]:
-        """📊 生成動態基本統計數據"""
-        # 性別統計
-        gender_stats = df['1.   性別'].value_counts().reset_index()
-        gender_stats.columns = ['性別', '人數']
-        gender_stats['百分比'] = (gender_stats['人數'] / gender_stats['人數'].sum() * 100).round(1)
-        
-        # 教育程度統計
-        education_stats = df['３．教育程度'].value_counts().reset_index()
-        education_stats.columns = ['教育程度', '人數']
-        education_stats['百分比'] = (education_stats['人數'] / education_stats['人數'].sum() * 100).round(1)
-        
-        # 計算年齡
-        ages = self.calculate_age(df['２．出生年（民國__年）'])
-        age_groups = pd.cut(ages, bins=[0, 55, 65, 75, 100], labels=['55歲以下', '56-65歲', '66-75歲', '75歲以上'])
-        age_stats = age_groups.value_counts().reset_index()
-        age_stats.columns = ['年齡組', '人數']
-        age_stats['百分比'] = (age_stats['人數'] / age_stats['人數'].sum() * 100).round(1)
-        
-        return [
-            {
-                'category': '性別分佈',
-                'data': gender_stats.to_dict('records')
-            },
-            {
-                'category': '教育程度分佈',
-                'data': education_stats.to_dict('records')
-            },
-            {
-                'category': '年齡分佈',
-                'data': age_stats.to_dict('records')
-            }
+    def plot_satisfaction_scores(self, df: pd.DataFrame):
+        """📊 示範場域滿意度平均分數圖表"""
+        # 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]
+        
+        # 創建數據框
+        satisfaction_df = pd.DataFrame({
+            '滿意度項目': self.satisfaction_short_names,
+            '平均分數': satisfaction_means,
+            '標準差': satisfaction_stds
+        })
+        
+        # 排序結果（由高到低）
+        satisfaction_df = satisfaction_df.sort_values(by='平均分數', ascending=False)
+        
+        # 建立顏色漸變映射
+        color_scale = [
+            [0, '#90CAF9'],  # 淺藍色
+            [0.5, '#2196F3'],  # 中藍色
+            [1, '#1565C0']  # 深藍色
         ]
-
-    def plot_sunburst_gender_distribution(self, df: pd.DataFrame, venues=None):
-        """🌞 性別分佈旭日圖"""
-        # 過濾數據
-        filtered_df = df.copy()
-        if venues and '全部' not in venues:
-            filtered_df = filtered_df[filtered_df['單位名稱'].isin(venues)]
         
-        # 準備旭日圖數據
-        gender_edu_counts = filtered_df.groupby(['1.   性別', '３．教育程度']).size().reset_index(name='count')
-        
-        # 創建旭日圖
-        fig = px.sunburst(
-            gender_edu_counts, 
-            path=['1.   性別', '３．教育程度'], 
-            values='count',
-            title='👥 性別與教育程度分佈旭日圖',
-            color='1.   性別',
-            color_discrete_map={'男性': '#2196F3', '女性': '#F50057'}
+        # 繪製條形圖
+        fig = px.bar(
+            satisfaction_df, 
+            x='滿意度項目', 
+            y='平均分數',
+            error_y='標準差',
+            title='📊 示範場域各項滿意度分析',
+            color='平均分數',
+            color_continuous_scale=color_scale,
+            text='平均分數',
+            hover_data={
+                '滿意度項目': True, 
+                '平均分數': ':.2f', 
+                '標準差': ':.2f'
+            }
         )
         
-        # 更新佈局
+        # 調整圖表佈局
         fig.update_layout(
-            title_font_size=24,
-            title_x=0.5,
-            width=700,
-            height=700
+            font=dict(family="Arial", size=16),
+            title_font=dict(family="Arial Black", size=24),
+            title_x=0.5,  # 標題置中
+            xaxis_title="滿意度項目",
+            yaxis_title="平均分數",
+            yaxis_range=[0, 5],  # 評分範圍從0開始，視覺上更明顯
+            plot_bgcolor='rgba(240,240,240,0.8)',  # 淺灰色背景
+            paper_bgcolor='white',
+            xaxis_tickangle=-25,  # 斜角標籤，避免重疊
+            margin=dict(l=40, r=40, t=80, b=60),
+            legend_title_text="平均分數",
+            shapes=[
+                # 添加參考線 - 4分線
+                dict(
+                    type='line',
+                    yref='y', y0=4, y1=4,
+                    xref='paper', x0=0, x1=1,
+                    line=dict(color='rgba(220,20,60,0.5)', width=2, dash='dash')
+                )
+            ],
+            annotations=[
+                # 參考線標籤
+                dict(
+                    x=0.02, y=4.1,
+                    xref='paper', yref='y',
+                    text='優良標準 (4分)',
+                    showarrow=False,
+                    font=dict(size=14, color='rgba(220,20,60,0.8)')
+                )
+            ]
         )
         
-        st.plotly_chart(fig, use_container_width=True)
-
-    def plot_satisfaction_treemap(self, df: pd.DataFrame, venues=None):
-        """🌈 滿意度指標樹狀圖"""
-        # 過濾數據
-        filtered_df = df.copy()
-        if venues and '全部' not in venues:
-            filtered_df = filtered_df[filtered_df['單位名稱'].isin(venues)]
-        
-        # 計算各滿意度項目的平均分數
-        satisfaction_means = {}
-        for col, short_name in zip(self.satisfaction_columns, self.satisfaction_short_names):
-            satisfaction_means[short_name] = filtered_df[col].mean()
-        
-        # 準備樹狀圖數據
-        treemap_data = pd.DataFrame.from_dict(satisfaction_means, orient='index', columns=['score']).reset_index()
-        treemap_data.columns = ['滿意度項目', '平均分數']
-        treemap_data['分數等級'] = pd.cut(
-            treemap_data['平均分數'], 
-            bins=[0, 3, 4, 5], 
-            labels=['一般', '良好', '優秀']
+        # 調整文字格式
+        fig.update_traces(
+            texttemplate='%{y:.2f}', 
+            textposition='outside',
+            marker_line_color='rgb(8,48,107)',
+            marker_line_width=1.5,
+            opacity=0.85
         )
         
-        # 創建樹狀圖
-        fig = px.treemap(
-            treemap_data, 
-            path=['分數等級', '滿意度項目'], 
-            values='平均分數',
-            color='平均分數',
-            color_continuous_scale='RdYlBu',
-            title='📊 滿意度指標樹狀圖'
+        # 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
         )
         
-        # 更新佈局
-        fig.update_layout(
-            title_font_size=24,
-            title_x=0.5,
-            width=800,
-            height=600
-        )
+        # 計算整體平均滿意度
+        overall_satisfaction = df[self.satisfaction_columns].mean().mean()
         
-        st.plotly_chart(fig, use_container_width=True)
+        # 返回圖表和整體滿意度
+        return fig, overall_satisfaction
 
 def main():
-    st.set_page_config(
-        page_title="數位示範場域問卷調查分析",
-        layout="wide",
-        initial_sidebar_state="expanded"
-    )
-
-    # 自定義CSS樣式
-    st.markdown("""
-    <style>
-    .main-header {
-        font-size: 42px;
-        font-weight: bold;
-        color: #1E88E5;
-        text-align: center;
-        margin-bottom: 10px;
-        padding-bottom: 15px;
-        border-bottom: 2px solid #e0e0e0;
-    }
-    .sub-header {
-        font-size: 24px;
-        color: #424242;
-        text-align: center;
-        margin-bottom: 30px;
-    }
-    </style>
-    """, unsafe_allow_html=True)
+    st.set_page_config(page_title="示範場域滿意度調查", layout="wide")
     
-    # 主標題與副標題
-    st.markdown('<div class="main-header">📊 114年度樂齡學習數位示範體驗場域 服務滿意度調查分析報告</div>', unsafe_allow_html=True)
-    st.markdown('<div class="sub-header">本報告提供全面的問卷調查分析與視覺化圖表，瞭解樂齡學習者參與數位示範場域服務滿意情形</div>', unsafe_allow_html=True)
-    st.markdown('<div class="sub-header">本國立中正大學高齡教育研究中心專案管理團隊製作</div>', unsafe_allow_html=True)
-
-    # 讀取數據
+    # 讀取 Google Sheet 數據
+    sheet_id = "1Wc15DZWq48MxL7nXAsROJ6sRvH5njSa1ea0aaOGUOVk"
+    gid = "1168424766"
     df = read_google_sheet(sheet_id, gid)
-
+    
     if df is not None:
-        analyzer = SurveyAnalyzer()
-
-        # 場域名稱選擇
-        if '單位名稱' in df.columns:
-            venues = ['全部'] + sorted(df['單位名稱'].unique().tolist())
-        else:
-            venues = ['全部']
-        
-        # 側邊欄篩選
-        st.sidebar.header("🔍 數據篩選")
-        
-        # 場域選擇
-        selected_venues = st.sidebar.multiselect(
-            "📍 選擇場域", 
-            venues, 
-            default=['全部'],
-            help="可選擇多個場域進行數據分析比較"
-        )
+        # 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'
+        ]
         
-        # 選擇分析類型
-        analysis_type = st.sidebar.radio(
-            "選擇分析類型",
-            ["📊 基本統計", "👥 性別分佈", "📈 滿意度分析"]
-        )
-
-        # 過濾數據
-        filtered_df = df.copy()
-        if selected_venues and '全部' not in selected_venues:
-            filtered_df = filtered_df[filtered_df['單位名稱'].isin(selected_venues)]
-
-        # 根據選擇的分析類型顯示不同的可視化
-        if analysis_type == "📊 基本統計":
-            st.header("📊 基本統計")
+        # 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]
+        if missing_columns:
+            st.error(f"缺少以下必要欄位: {missing_columns}")
+        else:
+            # 創建分析器
+            analyzer = SurveyAnalyzer()
             
-            # 生成動態統計數據
-            dynamic_stats = analyzer.generate_dynamic_basic_stats(filtered_df)
+            # 顯示標題
+            st.title("📊 示範場域滿意度調查分析")
             
-            # 創建三個列來顯示不同的統計數據
-            cols = st.columns(3)
+            # 繪製滿意度圖表
+            satisfaction_fig, overall_satisfaction = analyzer.plot_satisfaction_scores(df)
             
-            for i, stat_group in enumerate(dynamic_stats):
-                with cols[i]:
-                    # 創建 Plotly 圖表
-                    df_stat = pd.DataFrame(stat_group['data'])
-                    
-                    # 創建長條圖
-                    fig = px.bar(
-                        df_stat, 
-                        x=df_stat.columns[0], 
-                        y='人數', 
-                        text='百分比',
-                        title=f"{stat_group['category']}",
-                        color=df_stat.columns[0]
-                    )
-                    
-                    # 更新佈局
-                    fig.update_traces(
-                        texttemplate='%{text}%', 
-                        textposition='outside'
-                    )
-                    fig.update_layout(
-                        height=400,
-                        yaxis_title='人數',
-                        xaxis_title=df_stat.columns[0]
-                    )
-                    
-                    st.plotly_chart(fig, use_container_width=True)
-
-        elif analysis_type == "👥 性別分佈":
-            st.header("👥 性別分佈")
-            analyzer.plot_sunburst_gender_distribution(df, selected_venues)
-
-        elif analysis_type == "📈 滿意度分析":
-            st.header("📈 滿意度分析")
-            analyzer.plot_satisfaction_treemap(df, selected_venues)
+            # 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！")
 
 if __name__ == "__main__":
     main()