Update pages/3_🆕_신규_공연장_추천_페이지.py

pages/3_🆕_신규_공연장_추천_페이지.py

@@ -3,7 +3,11 @@ import pandas as pd
 import numpy as np
 import re
 import ast
-import os
+
+import folium
+from streamlit_folium import st_folium
+from geopy.geocoders import Nominatim
+from geopy.extra.rate_limiter import RateLimiter
 
 from utils.recommend_utils import recommend_venues
 
@@ -24,71 +28,102 @@ def create_perf_vector(title, cast, genre, price, search_score):
     genre_score = genre_score_map.get(genre, 0.5)
     price_value = extract_first_ticket_price(price)
     price_norm = price_value / 200000 if price_value else 0
-
     return [round(price_norm, 3), round(genre_score, 2), round(search_score, 3)]
 
-# 🚀 메인 Streamlit 앱
-def render():
-    st.title("🆕 신규 내한 공연 정보 입력 → 공연장 추천")
-
-    st.subheader("1️⃣ 공연 정보 입력")
-    title = st.text_input("공연 제목")
-    cast = st.text_input("출연진 (첫 명만 입력해도 됨)")
-    genre = st.selectbox("장르 선택", list(genre_score_map.keys()))
-    price = st.text_input("대표 티켓가격 (예: 99,000원 또는 숫자만 입력)")
-
-    st.subheader("2️⃣ 검색량 수준 선택")
-    search_category = st.selectbox("🔍 뉴스 검색량 등급", ["낮음", "보통", "높음", "매우 높음"])
-    search_score_map = {
-        "낮음": 0.2,
-        "보통": 0.5,
-        "높음": 0.8,
-        "매우 높음": 1.0
-    }
-    search_score = search_score_map[search_category]
-
-    st.subheader("3️⃣ 유사도 가중치 설정")
-    w1 = st.slider("티켓가 가중치", 0.0, 1.0, 0.5)
-    w2 = st.slider("장르 가중치", 0.0, 1.0, 0.3)
-    w3 = st.slider("검색량 가중치", 0.0, 1.0, 0.2)
-    alpha = st.slider("🎯 종합유사도에서 벡터 유사도 비중 (α)", 0.0, 1.0, 0.7)
-
-    if st.button("🚀 벡터 생성 및 추천 실행"):
-        if not title or not genre or not price:
-            st.error("공연 제목, 장르, 가격은 필수 입력입니다.")
-            return
-
-        perf_vector = create_perf_vector(title, cast, genre, price, search_score)
-        st.success(f"🎯 생성된 공연 벡터: {perf_vector}")
-
-        # 데이터 로드
-        try:
-            df = pd.read_excel("data/최종.xlsx")
-            venue_df = pd.read_excel("data/공연시설DB.xlsx")
-        except Exception as e:
-            st.error(f"❌ 데이터 파일 로드 오류: {e}")
-            return
-
-        df = df[df["공연장벡터"].notna()].copy()
+# 🟢 메인 앱
+st.set_page_config(layout="wide")
+st.title("🆕 신규 내한 공연 정보 입력 → 공연장 추천")
+
+st.subheader("1️⃣ 공연 정보 입력")
+title = st.text_input("공연 제목")
+cast = st.text_input("출연진 (첫 명만 입력해도 됨)")
+genre = st.selectbox("장르 선택", list(genre_score_map.keys()))
+price = st.text_input("대표 티켓가격 (예: 99,000원 또는 숫자만 입력)")
+
+st.subheader("2️⃣ 검색량 수준 선택")
+search_category = st.selectbox("🔍 뉴스 검색량 등급", ["낮음", "보통", "높음", "매우 높음"])
+search_score_map = {
+    "낮음": 0.2,
+    "보통": 0.5,
+    "높음": 0.8,
+    "매우 높음": 1.0
+}
+search_score = search_score_map[search_category]
+
+st.subheader("3️⃣ 유사도 가중치 설정")
+w1 = st.slider("티켓가 가중치", 0.0, 1.0, 0.5)
+w2 = st.slider("장르 가중치", 0.0, 1.0, 0.3)
+w3 = st.slider("검색량 가중치", 0.0, 1.0, 0.2)
+alpha = st.slider("🎯 종합유사도에서 벡터 유사도 비중 (α)", 0.0, 1.0, 0.7)
+
+# 🚀 실행
+if st.button("🚀 벡터 생성 및 추천 실행"):
+    if not title or not genre or not price:
+        st.error("공연 제목, 장르, 가격은 필수 입력입니다.")
+        st.stop()
+
+    perf_vector = create_perf_vector(title, cast, genre, price, search_score)
+    st.success(f"🎯 생성된 공연 벡터: {perf_vector}")
+
+    # ✅ 데이터 로드
+    try:
+        df = pd.read_excel("data/최종.xlsx")
+        venue_df = pd.read_excel("data/공연시설DB.xlsx")
+    except Exception as e:
+        st.error(f"❌ 데이터 파일 로드 오류: {e}")
+        st.stop()
+
+    df = df[df["공연장벡터"].notna()].copy()
+    try:
+        df["공연장벡터"] = df["공연장벡터"].apply(ast.literal_eval)
+    except Exception as e:
+        st.error(f"❌ 공연장 벡터 파싱 오류: {e}")
+        st.stop()
+
+    df = df.merge(venue_df, on="공연시설ID", how="left")
+
+    # ✅ 공연시설ID 중복 제거
+    df = df.drop_duplicates(subset="공연시설ID")
+
+    # ✅ 추천 수행
+    results = recommend_venues(perf_vector, df, weights=[w1, w2, w3], alpha=alpha)
+    top_results = results.sort_values("종합유사도", ascending=False).head(10)
+
+    # ✅ 표 출력
+    st.subheader("✅ 추천 공연장 리스트 (중복 제거된 상위 10곳)")
+    st.dataframe(top_results[[
+        "공연시설명", "공연시설ID", "유사도", "객석수유사도", "종합유사도", "객석 수",
+        "레스토랑", "카페", "편의점",
+        "장애시설-주차장", "장애시설-화장���", "장애시설-경사로", "장애시설-엘리베이터", "주소"
+    ]])
+
+    # ✅ 지도 시각화
+    st.subheader("🗺️ 추천 공연장 위치 지도")
+    geolocator = Nominatim(user_agent="kopis_map_app")
+    geocode = RateLimiter(geolocator.geocode, min_delay_seconds=1)
+
+    address_coords = {}
+    for addr in top_results["주소"].dropna().unique():
         try:
-            df["공연장벡터"] = df["공연장벡터"].apply(ast.literal_eval)
-        except Exception as e:
-            st.error(f"❌ 공연장 벡터 파싱 오류: {e}")
-            return
-
-        df = df.merge(venue_df, on="공연시설ID", how="left")
-
-        # 추천 수행
-        results = recommend_venues(perf_vector, df, weights=[w1, w2, w3], alpha=alpha)
-
-        # 결과 출력
-        st.subheader("✅ 추천 공연장 리스트 (유사도 기반 상위)")
-        st.dataframe(results[[
-            "공연시설명", "공연시설ID", "유사도", "객석수유사도", "종합유사도", "객석 수",
-            "레스토랑", "카페", "편의점",
-            "장애시설-주차장", "장애시설-화장실", "장애시설-경사로", "장애시설-엘리베이터"
-        ]].head(10))
-
-# 🟢 직접 실행 시
-if __name__ == "__main__":
-    render()
+            loc = geocode(addr)
+            if loc:
+                address_coords[addr] = (loc.latitude, loc.longitude)
+        except:
+            continue
+
+    map_center = [37.5665, 126.9780]
+    m = folium.Map(location=map_center, zoom_start=11)
+
+    for _, row in top_results.iterrows():
+        addr = row["주소"]
+        name = row["공연시설명"]
+        latlon = address_coords.get(addr)
+        if latlon:
+            folium.Marker(
+                location=latlon,
+                popup=f"{name}<br>{addr}",
+                tooltip=name,
+                icon=folium.Icon(color='blue', icon='info-sign')
+            ).add_to(m)
+
+    st_folium(m, width=900, height=500)