import os import io import streamlit as st import google.generativeai as genai import pandas as pd from streamlit_extras.colored_header import colored_header from streamlit_extras.add_vertical_space import add_vertical_space # --- 1. 기본 설정 및 AI 구성 --- st.set_page_config(layout="wide", page_title="AI 학습 데이터 만들기") # Gemini API 키 설정 try: genai.configure(api_key=st.secrets["GEMINI_API_KEY"]) except (KeyError, AttributeError): st.error("🚨 GEMINI_API_KEY를 설정해주세요! (Streamlit secrets에 추가)") st.stop() # AI 모델 설정 generation_config = { "temperature": 0.8, # 다변수 관계의 창의성을 위해 온도를 약간 높임 "top_p": 0.95, "top_k": 40, "max_output_tokens": 8192, # 더 많은 데이터와 변수를 처리하기 위해 확장 "response_mime_type": "text/plain", } model = genai.GenerativeModel( model_name="gemini-1.5-flash", generation_config=generation_config, ) # --- 2. AI 프롬프트 (다변수 지원을 위해 대폭 개선) --- MULTI_VARIABLE_PROMPT = """ 당신은 현실적인 다변량 데이터를 시뮬레이션하는 데이터 과학자 AI입니다. 당신의 임무는 사용자가 제공한 여러 원인(X) 변수와 결과(Y) 변수들의 현실적인 관계를 고려하여, 머신러닝 회귀 분석 학습에 적합한 데이터를 **Markdown 테이블 형식**으로 생성하는 것입니다. **사용자 입력:** * 원인 (X 변수) 목록: "{x_names_str}" * 결과 (Y 변수) 목록: "{y_names_str}" * 생성할 데이터 개수: {num_rows} **수행할 작업 (매우 중요):** 1. **현실적 다변량 관계 모델링:** * 제공된 변수들 간의 **현실적인 상관관계**를 모델링합니다. 일부 X는 Y에 긍정적인 영향을, 다른 X는 부정적인 영향을 줄 수 있습니다. * X 변수들 사이에도 자연스러운 상관관계가 존재할 수 있습니다. (예: '운동 시간'이 늘면 '수면의 질'도 좋아지는 경향) 2. **현실적 변동성 추가:** 관계가 완벽한 수학 공식이 아닌, 현실 데이터처럼 보이도록 적절한 무작위 변동성을 추가합니다. 3. **현실적 제약 조건 적용:** 각 변수의 의미를 고려하여 상한선(Maximum)과 하한선(Minimum)을 자연스럽게 적용합니다. * 예를 들어, 변수 이름에 '점수', '만족도', '비율'이 포함되면 **결과값이 100을 넘지 않고, 0 미만이 되지 않도록** 데이터를 생성합니다. * 변수 이름에 '시간', '비용', '노력' 등이 포함되면, 이 값이 커질수록 결과값의 상승폭이 점차 둔화되는 **'수확 체감(diminishing returns)' 현상**을 현실적으로 반영합니다. 4. **출력 형식 준수:** 결과는 **오직 Markdown 테이블 형식**으로만 출력합니다. **출력 형식 (절대 변경 금지):** * 첫 줄은 헤더 `{header_line}` 입니다. * 두 번째 줄은 구분선 `{separator_line}` 입니다. * 그 이후로는 `| 값1 | 값2 | ... |` 형식의 데이터 행을 {num_rows}개 만큼 생성합니다. * 설명, 코드, ``` 등 다른 어떤 텍스트도 포함하지 마세요. **현실적인 데이터 출력 예시 (규칙을 잘 따르는 예시):** | 공부 시간 | 수면 시간 | 시험 점수 | 컨디션 점수 | |---|---|---|---| | 1.5 | 8.2 | 65.7 | 88.1 | | 4.0 | 6.5 | 88.2 | 72.4 | | 0.5 | 7.5 | 42.1 | 81.0 | | 3.2 | 8.0 | 85.9 | 92.5 | | 5.5 | 5.8 | 91.5 | 65.3 | 이제 아래 정보를 바탕으로 현실적인 제약 조건을 따른 Markdown 테이블을 생성해주세요. """ # --- 3. 핵심 기능 함수 --- def generate_markdown_data(x_names, y_names, num_rows): """AI를 호출하여 다변량 Markdown 테이블 형식의 데이터를 받아오는 함수""" all_vars = x_names + y_names header_line = "| " + " | ".join(all_vars) + " |" separator_line = "|---" * len(all_vars) + "|" prompt = MULTI_VARIABLE_PROMPT.format( x_names_str=", ".join(x_names), y_names_str=", ".join(y_names), num_rows=num_rows, header_line=header_line, separator_line=separator_line ) try: response = model.generate_content([prompt]) return response.text.strip() except Exception as e: st.error(f"AI 호출 중 오류가 발생했습니다: {e}") return None def parse_markdown_to_df(markdown_text): """Markdown 테이블 텍스트를 Pandas DataFrame으로 변환하는 함수""" try: # Markdown 테이블을 StringIO를 사용해 가상 파일처럼 읽어들임 # 이렇게 하면 pandas의 read_csv가 더 안정적으로 파싱할 수 있음 md_file = io.StringIO(markdown_text) df = pd.read_csv(md_file, sep='|', skipinitialspace=True) # 첫 번째와 마지막 열은 비어있으므로 제거 df = df.iloc[:, 1:-1] # 헤더 공백 제거 df.columns = df.columns.str.strip() # 데이터 타입 변환 및 정리 for col in df.columns: # 첫 번째 행은 '---' 이므로 제거 df[col] = df[col].iloc[1:] df[col] = pd.to_numeric(df[col].str.strip(), errors='coerce') df.dropna(inplace=True) df.reset_index(drop=True, inplace=True) return df except Exception as e: st.error(f"생성된 데이터를 테이블로 변환하는 중 오류가 발생했습니다: {e}") st.info("AI가 생성한 원본 데이터:") st.text(markdown_text) return None # --- 4. Streamlit UI 구성 --- colored_header( label="🤖 나만의 AI 학습 데이터 만들기 (다변량 회귀용)", description="AI가 여러 변수들의 복합적인 관계를 고려하여 '진짜 같은' 학습 데이터를 만들어줘요!", color_name="blue-70", ) add_vertical_space(1) # 세션 상태 초기화 if 'generated_df' not in st.session_state: st.session_state.generated_df = None if 'markdown_output' not in st.session_state: st.session_state.markdown_output = "" # 입력 영역 st.subheader("1. 데이터 규칙 정하기") col1, col2, col3 = st.columns([2, 2, 1]) with col1: x_input_names_str = st.text_area( "**원인(X) 변수 이름은?** (쉼표로 구분)", value="공부 시간, 수면 시간, 주말 복습 횟수", help="데이터의 원인이 되는 값의 이름들을 쉼표(,)로 구분하여 입력하세요." ) with col2: y_input_names_str = st.text_area( "**결과(Y) 변수 이름은?** (쉼표로 구분)", value="시험 점수, 과제 점수", help="원인(X)에 따라 변하는 결과 값의 이름들을 쉼표(,)로 구분하여 입력하세요." ) with col3: num_data_rows = st.number_input( "**데이터는 몇 개 만들까요?**", min_value=10, max_value=200, value=50, step=10, help="AI를 학습시키려면 데이터가 충분해야 해요. 10개 이상을 추천해요!" ) add_vertical_space(1) generate_button = st.button("🚀 데이터 생성 시작!", type="primary", use_container_width=True) add_vertical_space(2) # 실행 및 결과 출력 영역 if generate_button: # 입력값을 리스트로 변환 x_names_list = [name.strip() for name in x_input_names_str.split(',') if name.strip()] y_names_list = [name.strip() for name in y_input_names_str.split(',') if name.strip()] if not x_names_list or not y_names_list: st.warning("⚠️ '원인(X) 변수'와 '결과(Y) 변수'를 하나 이상씩 입력해주세요!") else: with st.spinner("똑똑한 AI가 변수들의 복합적인 관계를 생각하며 데이터를 만들고 있어요... 🤖"): markdown_data = generate_markdown_data(x_names_list, y_names_list, num_data_rows) if markdown_data: df = parse_markdown_to_df(markdown_data) if df is not None and not df.empty: st.session_state.generated_df = df st.session_state.markdown_output = markdown_data st.success("🎉 데이터 생성 완료! 아래에서 확인하고 다운로드하세요.") else: st.error("데이터 생성에 실패했어요. AI가 만든 데이터를 분석할 수 없는 것 같아요.") st.session_state.generated_df = None else: st.error("AI가 데이터를 생성하지 못했어요. 잠시 후 다시 시도해주세요.") st.session_state.generated_df = None # 세션 상태에 저장된 데이터가 있으면 화면에 표시 if st.session_state.generated_df is not None: df_to_show = st.session_state.generated_df st.subheader("2. 생성된 데이터 미리보기") st.dataframe(df_to_show) st.subheader("3. 데이터 통계 요약") st.markdown("생성된 데이터의 평균, 표준편차, 최소/최대값 등 기술 통계를 확인해보세요.") st.dataframe(df_to_show.describe()) st.subheader("4. CSV 파일로 다운로드하기") st.markdown("이 버튼을 눌러 위에 보이는 데이터를 CSV 파일로 컴퓨터에 저장하세요.") csv = df_to_show.to_csv(index=False).encode('utf-8-sig') st.download_button( label="📥 CSV 파일 다운로드", data=csv, file_name="ai_generated_multivariable_data.csv", mime="text/csv", use_container_width=True ) with st.expander("👀 AI가 생성한 원본 Markdown 텍스트가 궁금하다면?"): st.text(st.session_state.markdown_output)