Update app.py

app.py

@@ -62,7 +62,7 @@ def _to_float(x):
     """
     將各種數字表達轉成 float：
     - 純數字：23.5
-    - 含單位/文字：'23.5°N'、'121.6 E'、'25.3 公里' -> 取第一個浮點數
+    - 含單位/文字：'23.5°N'、'121.6 E'、'25.3 公里' -> 擷取第一個浮點數
     - 其他不可解析 -> None
     """
     if x is None:
@@ -91,7 +91,7 @@ def parse_ea0015(obj):
         ei   = q.get("EarthquakeInfo") or q.get("earthquakeInfo") or {}
         epic = ei.get("Epicenter")     or ei.get("epicenter")     or {}
 
-        # Magnitude 可能在 Magnitude 或 EarthquakeMagnitude 物件裡
+        # Magnitude 可能在 Magnitude 或 EarthquakeMagnitude
         mago = (
             ei.get("Magnitude") or ei.get("magnitude")
             or ei.get("EarthquakeMagnitude") or ei.get("earthquakeMagnitude")
@@ -170,57 +170,71 @@ def plot_trend_path(df):
     fig.autofmt_xdate()
     return _save_fig_to_tmp(fig)
 
+def _auto_region_from_df(d, pad=0.5):
+    """由資料自動推算地圖範圍，並加上邊界緩衝（degrees）。"""
+    lon_min = float(pd.to_numeric(d["Lon"], errors="coerce").min())
+    lon_max = float(pd.to_numeric(d["Lon"], errors="coerce").max())
+    lat_min = float(pd.to_numeric(d["Lat"], errors="coerce").min())
+    lat_max = float(pd.to_numeric(d["Lat"], errors="coerce").max())
+    return [lon_min - pad, lon_max + pad, lat_min - pad, lat_max + pad]
+
 def plot_map_path(df):
     """
-    優先使用 PyGMT 畫台灣地圖；若不可用則退回 matplotlib。
-    範圍：119/123, 21/26；顏色=深度(km)，大小=規模
+    優先使用 PyGMT 畫台灣地圖（含海岸線）；若不可用則退回 matplotlib。
+    - 自動依據資料決定地圖範圍（避免漏點）
+    - 顏色：深度(km)；大小：規模
     """
-    lon_min, lon_max, lat_min, lat_max = 119, 123, 21, 26
-
-    # --- PyGMT 版 ---
-    if HAS_PYGMT and not df.empty:
-        d = df.dropna(subset=["Lon", "Lat"]).copy()
-        if not d.empty:
-            mag = pd.to_numeric(d["Magnitude"], errors="coerce").fillna(0).clip(lower=0)
-            size_cm = 0.06 * (mag + 1.5)         # 每點大小（cm）
-            depth = pd.to_numeric(d["Depth_km"], errors="coerce").fillna(0)
-
-            fig = pygmt.Figure()
-            region = [lon_min, lon_max, lat_min, lat_max]
-            fig.coast(
-                region=region, projection="M12c",
-                land="lightgray", water="white",
-                shorelines="0.5p,black", borders="1/0.6p,black",
-                frame=["WSen", "xaf", "yaf"]
-            )
-            fig.plot(
-                x=d["Lon"].to_list(), y=d["Lat"].to_list(),
-                style="cc", sizes=size_cm.to_list(),
-                color=depth.to_list(), cmap="roma", pen="0.25p,black"
-            )
-            fig.colorbar(frame=["x+lDepth (km)"], cmap=True, position="JMR+w7c/0.4c+o0.6c/0c")
-            fig.basemap(map_scale="jBL+w50k+o0.6c/0.6c+f+lkm")
-
-            outpath = tempfile.NamedTemporaryFile(delete=False, suffix=".png").name
-            fig.savefig(outpath, dpi=220)
-            return outpath
-
-    # --- Matplotlib 備援 ---
     if df.empty:
         return None
+
+    # 先清一下 NaN
+    d = df.dropna(subset=["Lon", "Lat"]).copy()
+    if d.empty:
+        return None
+
+    # 數值化
+    d["Magnitude"] = pd.to_numeric(d["Magnitude"], errors="coerce").fillna(0).clip(lower=0)
+    d["Depth_km"]  = pd.to_numeric(d["Depth_km"], errors="coerce").fillna(0)
+
+    # --- PyGMT 版（DataFrame API + 海岸線 + 自動範圍） ---
+    if HAS_PYGMT:
+        d["Size"] = 0.06 * (d["Magnitude"] + 1.5)  # cm
+        region = _auto_region_from_df(d, pad=0.5)
+
+        fig = pygmt.Figure()
+        fig.coast(
+            region=region, projection="M12c",
+            land="lightgray", water="white",
+            shorelines="0.5p,black", borders="1/0.6p,black",
+            frame=["WSen", "xaf", "yaf"]
+        )
+        fig.plot(
+            data=d, x="Lon", y="Lat",
+            style="c", size="Size",
+            color="Depth_km", cmap="roma", pen="0.25p,black"
+        )
+        fig.colorbar(frame=["x+lDepth (km)"], cmap=True, position="JMR+w7c/0.4c+o0.6c/0c")
+        fig.basemap(map_scale="jBL+w50k+o0.6c/0.6c+f+lkm")
+
+        outpath = tempfile.NamedTemporaryFile(delete=False, suffix=".png").name
+        fig.savefig(outpath, dpi=220)
+        return outpath
+
+    # --- Matplotlib 備援（自動範圍 + 簡易海岸線無法；以格線為主） ---
+    region = _auto_region_from_df(d, pad=0.5)
+    lon_min, lon_max, lat_min, lat_max = region
+
     fig, ax = plt.subplots(figsize=(6, 6))
     ax.set_xlim(lon_min, lon_max)
     ax.set_ylim(lat_min, lat_max)
 
-    mag = pd.to_numeric(df["Magnitude"], errors="coerce").fillna(0).clip(lower=0)
-    s = (mag + 2) ** 3
-    depth = pd.to_numeric(df["Depth_km"], errors="coerce")
-
-    sc = ax.scatter(df["Lon"], df["Lat"], s=s, c=depth, alpha=0.85, edgecolor="black")
+    s = (d["Magnitude"] + 2) ** 3
+    sc = ax.scatter(d["Lon"], d["Lat"], s=s, c=d["Depth_km"], alpha=0.85, edgecolor="black")
     cb = plt.colorbar(sc, ax=ax, fraction=0.046, pad=0.04)
     cb.set_label("Depth (km)")
-    ax.set_xlabel("Longitude (°E)"); ax.set_ylabel("Latitude (°N)")
-    ax.set_title("Epicenters in Taiwan Region (119–123E, 21–26N)")
+    ax.set_xlabel("Longitude (°E)")
+    ax.set_ylabel("Latitude (°N)")
+    ax.set_title("Epicenters (auto region)")
     ax.grid(True, linestyle="--", alpha=0.3)
     return _save_fig_to_tmp(fig)