Update app.py

app.py

@@ -1236,8 +1236,8 @@ def recommend_chart_settings(df):
 """
 Gradio 應用程式：進階數據可視化工具
 作者：Gemini
-版本：5.1 (修正 TypeError + Y 軸加入無選項)
-描述：包含所有功能的完整程式碼，修正繪圖函數錯誤並改進 Y 軸選項。
+版本：5.2 (完整修正版 - 清理格式, 確保一致性)
+描述：包含所有功能的完整程式碼，修正導入、CSS、格式問題。
 """
 
 # =========================================
@@ -1251,14 +1251,12 @@ import plotly.graph_objects as go
 import io
 import base64
 from PIL import Image
-# import matplotlib.pyplot as plt # Matplotlib/Seaborn 在此版本中未使用，暫時註解
-# import seaborn as sns           # Matplotlib/Seaborn 在此版本中未使用，暫時註解
 from plotly.subplots import make_subplots
 import re
 import json
 import colorsys
 import traceback # 用於更詳細的錯誤追蹤
-import sys # 用於打印調試信息
+import sys # 用於打印調試信息 - 已加入
 
 # =========================================
 # == 常數定義 (Constants) ==
@@ -1281,7 +1279,7 @@ NONE_STR = "無" # 代表 '無' 選項的值
 # =========================================
 # == 輔助函數 (Helper Functions) ==
 # =========================================
-# --- 顏色處理相關 (與 V4 相同) ---
+# --- 顏色處理相關 ---
 COLOR_CARD_STYLE = """<div style="display: flex; flex-wrap: wrap; gap: 5px; margin-top: 5px;">{color_cards}</div>"""
 COLOR_CARD_TEMPLATE = """<div title="{color_name} ({color_hex})" style="width: 20px; height: 20px; background-color: {color_hex}; border-radius: 3px; cursor: pointer; border: 1px solid #ddd; transition: transform 0.2s; box-shadow: 0 1px 2px rgba(0,0,0,0.1);" onclick="copyToClipboard('{color_hex}')" onmouseover="this.style.transform='scale(1.15)'; this.style.boxShadow='0 2px 4px rgba(0,0,0,0.2)';" onmouseout="this.style.transform='scale(1)'; this.style.boxShadow='0 1px 2px rgba(0,0,0,0.1)';"></div>"""
 COPY_SCRIPT = """
@@ -1351,7 +1349,6 @@ def update_patterns(*patterns_input):
 # == 數據處理函數 (Data Processing Functions) ==
 # =========================================
 def process_upload(file):
-    # (與 V4 相同)
     if file is None: return None, "❌ 未上傳任何文件。"
     try:
         file_path = file.name; file_type = file_path.split('.')[-1].lower()
@@ -1370,7 +1367,6 @@ def process_upload(file):
     except Exception as e: print(f"處理上傳文件時發生未預期錯誤: {e}"); traceback.print_exc(); return None, f"❌ 處理文件時發生未預期錯誤: {e}"
 
 def parse_data(text_data):
-    # (與 V4 相同)
     if not text_data or not text_data.strip(): return None, "❌ 未輸入任何數據。"
     try:
         data_io = io.StringIO(text_data.strip()); first_line = data_io.readline().strip(); data_io.seek(0)
@@ -1386,43 +1382,38 @@ def parse_data(text_data):
     except Exception as e: print(f"解析文本數據時發生未預期錯誤: {e}"); traceback.print_exc(); return None, f"❌ 解析數據時發生未預期錯誤: {e}"
 
 def update_columns_as_radio(df):
-    """修改：更新列選擇為 Radio 選項，並為 Y 軸添加 '無'"""
+    """更新列選擇為 Radio 選項，並為 Y/Group/Size 軸添加 '無'"""
     no_data_choices = [NO_DATA_STR]
     no_data_choices_with_none = [NONE_STR, NO_DATA_STR]
 
     if df is None or df.empty:
-        # 返回空的 Radio 更新
         no_data_update = gr.Radio(choices=no_data_choices, value=no_data_choices[0])
         no_data_update_with_none = gr.Radio(choices=no_data_choices_with_none, value=NONE_STR)
-        return no_data_update, no_data_update_with_none, no_data_update_with_none, no_data_update_with_none # Y 軸包含 "無"
+        return no_data_update, no_data_update_with_none, no_data_update_with_none, no_data_update_with_none
 
     try:
         columns = df.columns.tolist()
-        valid_columns = [str(col) for col in columns if col is not None and str(col) != ""] # 確保列名是字符串
-        if not valid_columns: # 如果沒有有效列
+        valid_columns = [str(col) for col in columns if col is not None and str(col) != ""]
+        if not valid_columns:
              no_data_update = gr.Radio(choices=no_data_choices, value=no_data_choices[0])
              no_data_update_with_none = gr.Radio(choices=no_data_choices_with_none, value=NONE_STR)
              return no_data_update, no_data_update_with_none, no_data_update_with_none, no_data_update_with_none
 
         x_default = valid_columns[0]
-        # Y 軸預設值：如果只有一列，預設選 '無'；否則選第二列
         y_default = NONE_STR if len(valid_columns) <= 1 else valid_columns[1]
 
-        # 為 Y, group, size 添加 "無" 選項
-        y_choices = [NONE_STR] + valid_columns # <--- 修改：Y 軸加入 "無"
+        y_choices = [NONE_STR] + valid_columns
         group_choices = [NONE_STR] + valid_columns
         size_choices = [NONE_STR] + valid_columns
 
-        # 返回 Radio 更新對象
         return (gr.Radio(choices=valid_columns, value=x_default, label="X�� / 類別"),
-                gr.Radio(choices=y_choices, value=y_default, label="Y軸 / 數值"), # <--- 修改：使用 y_choices
+                gr.Radio(choices=y_choices, value=y_default, label="Y軸 / 數值"),
                 gr.Radio(choices=group_choices, value=NONE_STR, label="分組列"),
                 gr.Radio(choices=size_choices, value=NONE_STR, label="大小列"))
     except Exception as e:
         print(f"更新列選項 (Radio) 時出錯: {e}")
         no_data_update = gr.Radio(choices=no_data_choices, value=no_data_choices[0])
         no_data_update_with_none = gr.Radio(choices=no_data_choices_with_none, value=NONE_STR)
-        # 返回 Y 軸包含 "無" 的更新
         return no_data_update, no_data_update_with_none, no_data_update_with_none, no_data_update_with_none
 
 
@@ -1433,27 +1424,7 @@ def create_plot(df, chart_type, x_column, y_column, group_column=None, size_colu
                 color_scheme_name="預設 (Plotly)", patterns=[], title="", width=800, height=500,
                 show_grid_str="是", show_legend_str="是", agg_func_name="計數", custom_colors_dict={}):
     """
-    根據用戶選擇創建 Plotly 圖表 (已加入 Null/空白 過濾)。
-
-    Args:
-        df (pd.DataFrame): 輸入數據。
-        chart_type (str): 圖表類型。
-        x_column (str): X軸或類別列。
-        y_column (str): Y軸或數值列 (可能為 None)。
-        group_column (str, optional): 分組列 (可能為 "無" 或 None)。 Defaults to None.
-        size_column (str, optional): 大小列 (可能為 "無" 或 None)。 Defaults to None.
-        color_scheme_name (str, optional): 顏色方案名稱。 Defaults to "預設 (Plotly)".
-        patterns (list, optional): 圖案列表。 Defaults to [].
-        title (str, optional): 圖表標題。 Defaults to "".
-        width (int, optional): 圖表寬度。 Defaults to 800.
-        height (int, optional): 圖表高度。 Defaults to 500.
-        show_grid_str (str, optional): 是否顯示網格 ("是" 或 "否")。 Defaults to "是".
-        show_legend_str (str, optional): 是否顯示圖例 ("是" 或 "否")。 Defaults to "是".
-        agg_func_name (str, optional): 聚合函數名稱。 Defaults to "計數".
-        custom_colors_dict (dict, optional): 自定義顏色映射。 Defaults to {}.
-
-    Returns:
-        go.Figure: Plotly 圖表對象。
+    根據用戶選擇創建 Plotly 圖表 (已加入 Null/空白 過濾)。 V5.2 版
     """
     # --- 添加調試信息 ---
     print("-" * 20, file=sys.stderr)
@@ -1484,23 +1455,22 @@ def create_plot(df, chart_type, x_column, y_column, group_column=None, size_colu
             raise ValueError("沒有有效的 DataFrame 數據可供繪圖。請先載入數據。")
         if not chart_type: raise ValueError("請選擇圖表類型。")
         if not agg_func_name: raise ValueError("請選擇聚合函數。")
-        # NO_DATA_STR = "-- 無數據 --" # 確保此變數已定義或直接使用字符串
         if not x_column or x_column == NO_DATA_STR: raise ValueError("請選擇有效的 X 軸或類別列。")
 
         # 檢查列是否存在
         if x_column not in df.columns: raise ValueError(f"X 軸列 '{x_column}' 不在數據中。可用列: {', '.join(df.columns)}")
 
-        # 判斷是否需要 Y 軸
+        # 判斷是否需要 Y 軸 (修正 V5.1 錯誤: y_column 可能來自 Radio 且值為 NONE_STR)
+        y_column_selected = None if y_column == NONE_STR or y_column == NO_DATA_STR or not y_column else y_column
         y_needed = agg_func_name != "計數" and chart_type not in ["直方圖"]
 
         if y_needed:
-            if not y_column or y_column == NO_DATA_STR: raise ValueError("此圖表類型和聚合函數需要選擇有效的 Y 軸或數值列。")
-            if y_column not in df.columns: raise ValueError(f"Y 軸列 '{y_column}' 不在數據中。可用列: {', '.join(df.columns)}")
-        else:
-            y_column = None # 如果不需要 Y 軸，明確設為 None
+            if not y_column_selected: raise ValueError("此圖表類型和聚合函數需要選擇有效的 Y 軸或數值列 (不能選 '無')。")
+            if y_column_selected not in df.columns: raise ValueError(f"Y 軸列 '{y_column_selected}' 不在數據中。可用列: {', '.join(df.columns)}")
+        # else:
+            # y_column_selected 保持為 None
 
         # 處理可選列 (從 Radio 傳來的值可能是 NONE_STR)
-        # NONE_STR = "無" # 確保此變數已定義或直接使用字符串
         group_col = None if group_column == NONE_STR or not group_column else group_column
         size_col = None if size_column == NONE_STR or not size_column else size_column
 
@@ -1513,12 +1483,11 @@ def create_plot(df, chart_type, x_column, y_column, group_column=None, size_colu
 
         # --- NEW: 過濾 Null/空白值 ---
         columns_to_filter = [x_column]
-        if y_needed and y_column: # Filter Y only if it's needed and selected
-            columns_to_filter.append(y_column)
+        if y_needed and y_column_selected: # Filter Y only if it's needed and selected
+            columns_to_filter.append(y_column_selected)
         if group_col:
             columns_to_filter.append(group_col)
 
-        # 移除在關鍵列中有 Null (NaN, None) 值的行
         valid_columns_to_filter = [col for col in columns_to_filter if col in df_processed.columns]
         if valid_columns_to_filter:
              original_rows = len(df_processed)
@@ -1527,11 +1496,9 @@ def create_plot(df, chart_type, x_column, y_column, group_column=None, size_colu
         else:
              print("警告: 沒有有效的列用於 Null 值過濾。", file=sys.stderr)
 
-        # 對於 X 軸和分組列，額外移除空白字符串 (轉換為字符串後判斷)
         if x_column in df_processed.columns:
              try:
                 original_rows = len(df_processed)
-                # 僅移除完全是空白或空字符串的行
                 df_processed = df_processed[df_processed[x_column].astype(str).str.strip() != '']
                 print(f"移除 X 軸 '{x_column}' 空白字符串後行數: {len(df_processed)} (減少 {original_rows - len(df_processed)} 行)", file=sys.stderr)
              except Exception as e:
@@ -1545,22 +1512,20 @@ def create_plot(df, chart_type, x_column, y_column, group_column=None, size_colu
              except Exception as e:
                  print(f"警告: 過濾分組列 '{group_col}' 空白字符串時出錯: {e}", file=sys.stderr)
 
-        # 檢查過濾後是否還有數據
         if df_processed.empty:
             raise ValueError("過濾掉 Null 或空白值後，沒有剩餘數據可供繪圖。")
         # --- END NEW ---
 
 
         # --- 2. 數據類型轉換與準備 ---
-        # 將 X 軸和分組列強制轉為字符串，以便正確分組
         df_processed[x_column] = df_processed[x_column].astype(str)
         if group_col:
             df_processed[group_col] = df_processed[group_col].astype(str)
 
-        # 嘗試將 Y 軸和大小列轉為數值
-        if y_column: # 這裡 y_column 可能為 None
-            try: df_processed[y_column] = pd.to_numeric(df_processed[y_column], errors='coerce')
-            except Exception as e: print(f"警告：轉換 Y 軸列 '{y_column}' 為數值時出錯: {e}")
+        # 僅在需要時轉換 Y 軸和大小列
+        if y_column_selected:
+            try: df_processed[y_column_selected] = pd.to_numeric(df_processed[y_column_selected], errors='coerce')
+            except Exception as e: print(f"警告：轉換 Y 軸列 '{y_column_selected}' 為數值時出錯: {e}")
         if size_col:
             try: df_processed[size_col] = pd.to_numeric(df_processed[size_col], errors='coerce')
             except Exception as e: print(f"警告：轉換大小列 '{size_col}' 為數值時出錯: {e}")
@@ -1569,49 +1534,48 @@ def create_plot(df, chart_type, x_column, y_column, group_column=None, size_colu
         # --- 3. 數據聚合 (如果需要) ---
         needs_aggregation = chart_type not in ["散點圖", "氣泡圖", "直方圖", "箱型圖", "小提琴圖", "甘特圖"]
         agg_df = None
-        y_col_agg = y_column # 預設 Y 軸列名 (可能為 None)
+        y_col_agg = y_column_selected # 使用處理過的 Y 軸列名 (可能為 None)
         if needs_aggregation:
             grouping_cols = [x_column] + ([group_col] if group_col else [])
-            # 檢查分組列是否有效 (已在驗證部分完成)
 
             if agg_func_name == "計數":
-                # 使用 size() 計算每個組的行數
-                agg_df = df_processed.groupby(grouping_cols, observed=False, dropna=False).size() # dropna=False 包含 NaN 類別 (已被過濾?)
-                agg_df = agg_df.reset_index(name='__count__')
-                y_col_agg = '__count__' # 使用新生成的計數列
+                agg_df = df_processed.groupby(grouping_cols, observed=False, dropna=False).size().reset_index(name='__count__')
+                y_col_agg = '__count__'
             else:
                 agg_func_pd = agg_function_map(agg_func_name)
-                if not y_column: raise ValueError(f"聚合函數 '{agg_func_name}' 需要一個有效的 Y 軸數值列。")
+                if not y_column_selected: raise ValueError(f"聚合函數 '{agg_func_name}' 需要一個有效的 Y 軸數值列 (不能選 '無')。")
                 # 確保 Y 軸是數值類型 (除非 first/last)
-                if agg_func_pd not in ['first', 'last'] and not pd.api.types.is_numeric_dtype(df_processed[y_column]):
-                     # 嘗試再次轉換，如果失敗則報錯
-                     try: df_processed[y_column] = pd.to_numeric(df_processed[y_column], errors='raise')
-                     except (ValueError, TypeError): raise ValueError(f"Y 軸列 '{y_column}' 必須是數值類型才能執行聚合 '{agg_func_name}'。")
+                if agg_func_pd not in ['first', 'last']:
+                    if not pd.api.types.is_numeric_dtype(df_processed[y_column_selected]):
+                        try: df_processed[y_column_selected] = pd.to_numeric(df_processed[y_column_selected], errors='raise')
+                        except (ValueError, TypeError): raise ValueError(f"Y 軸列 '{y_column_selected}' 必須是數值類型才能執行聚合 '{agg_func_name}'。")
+                    # 檢查轉換後是否有非 NaN 值
+                    if df_processed[y_column_selected].isnull().all():
+                         raise ValueError(f"Y 軸列 '{y_column_selected}' 在轉換為數值後全為無效值 (NaN)，無法執行聚合 '{agg_func_name}'。")
 
                 try:
                     # 執行聚合
-                    agg_df = df_processed.groupby(grouping_cols, observed=False, dropna=False)[y_column].agg(agg_func_pd)
+                    agg_df = df_processed.groupby(grouping_cols, observed=False, dropna=False)[y_column_selected].agg(agg_func_pd)
                     agg_df = agg_df.reset_index()
-                    y_col_agg = y_column # 保持原始列名
+                    y_col_agg = y_column_selected # 保持原始列名
                 except Exception as agg_e:
                     raise ValueError(f"執行聚合 '{agg_func_name}' 時出錯: {agg_e}")
         else:
-            # 不需要聚合，直接使用處理過的數據
             agg_df = df_processed
-            y_col_agg = y_column # 保持原始列名 (可能為 None)
+            y_col_agg = y_column_selected # 保持處理過的 Y 軸列名 (可能為 None)
 
-        # 再次檢查聚合後的 DataFrame
         if agg_df is None or agg_df.empty:
-             raise ValueError("數據聚合後沒有產生有效結果。")
+             raise ValueError("數據聚合或處理後沒有產生有效結果。")
+
         # 確保繪圖所需的列存在於 agg_df 中
         required_cols_for_plot = [x_column]
-        # 只有在 y_col_agg 有效時才加入檢查
-        if y_col_agg: required_cols_for_plot.append(y_col_agg)
+        # 修正：只有在 y_col_agg 實際有值（不是 None）時才加入檢查
+        if y_col_agg is not None: required_cols_for_plot.append(y_col_agg)
         if group_col: required_cols_for_plot.append(group_col)
         if size_col: required_cols_for_plot.append(size_col)
         missing_cols = [col for col in required_cols_for_plot if col not in agg_df.columns]
         if missing_cols:
-             raise ValueError(f"聚合後的數據缺少繪圖所需的列: {', '.join(missing_cols)}")
+             raise ValueError(f"處理後的數據缺少繪圖所需的列: {', '.join(missing_cols)}")
 
 
         # --- 4. 獲取顏色方案 ---
@@ -1620,10 +1584,11 @@ def create_plot(df, chart_type, x_column, y_column, group_column=None, size_colu
         # --- 5. 創建圖表 (核心邏輯) ---
         fig_params = {"data_frame": agg_df, "title": title, "color_discrete_sequence": colors, "width": width, "height": height}
         if group_col and custom_colors_dict: fig_params["color_discrete_map"] = custom_colors_dict
-        # 確定實際用於繪圖的 Y 軸列名 (可能是 '__count__' 或原始 Y 列名)
-        effective_y = y_col_agg # 使用聚合後確定的 Y 軸列名
+        effective_y = y_col_agg # 使用聚合後或處理過的 Y 軸列名
 
         # --- (繪圖邏輯開始) ---
+        # 修正：繪圖時使用 y_column_selected (處理過的 Y 軸) 而不是原始 y_column
+        # 修正：甘特圖需要原始 df，而不是 df_processed 或 agg_df
         if chart_type == "長條圖":
             if not effective_y: raise ValueError("長條圖需要 Y 軸數值或 '計數' 聚合。")
             fig = px.bar(agg_df, x=x_column, y=effective_y, color=group_col, **fig_params)
@@ -1670,29 +1635,26 @@ def create_plot(df, chart_type, x_column, y_column, group_column=None, size_colu
             fig = px.pie(agg_df, names=x_column, values=effective_y, hole=0.4, **fig_params)
             if not group_col and custom_colors_dict: fig.update_traces(marker=dict(colors=[custom_colors_dict.get(str(cat), colors[i % len(colors)]) for i, cat in enumerate(agg_df[x_column])]))
         elif chart_type == "散點圖":
-            # 散點圖不需要聚合，使用原始 y_column
-            if not y_column: raise ValueError("散點圖需要選擇 Y 軸列。")
-            fig = px.scatter(agg_df, x=x_column, y=y_column, color=group_col, size=size_col, **fig_params)
+            if not y_column_selected: raise ValueError("散點圖需要選擇 Y 軸列。")
+            fig = px.scatter(agg_df, x=x_column, y=y_column_selected, color=group_col, size=size_col, **fig_params)
         elif chart_type == "氣泡圖":
-            if not y_column: raise ValueError("氣泡圖需要選擇 Y 軸列。")
+            if not y_column_selected: raise ValueError("氣泡圖需要選擇 Y 軸列。")
             if not size_col: raise ValueError("氣泡圖需要指定 '大小列'。")
             if not pd.api.types.is_numeric_dtype(agg_df[size_col]): raise ValueError(f"大小列 '{size_col}' 必須是數值類型。")
-            fig = px.scatter(agg_df, x=x_column, y=y_column, color=group_col, size=size_col, size_max=60, **fig_params)
+            fig = px.scatter(agg_df, x=x_column, y=y_column_selected, color=group_col, size=size_col, size_max=60, **fig_params)
         elif chart_type == "直方圖":
-            # 直方圖使用原始數據的 x_column
             if not pd.api.types.is_numeric_dtype(agg_df[x_column]): raise ValueError(f"直方圖的 X 軸列 '{x_column}' 必須是數值類型。")
             fig = px.histogram(agg_df, x=x_column, color=group_col, **fig_params); fig.update_layout(yaxis_title="計數")
         elif chart_type == "箱型圖":
-            # 箱型圖使用原始 y_column
-            if not y_column: raise ValueError("箱型圖需要選擇 Y 軸列。")
-            if not pd.api.types.is_numeric_dtype(agg_df[y_column]): raise ValueError(f"箱型圖的 Y 軸列 '{y_column}' 必須是數值類型。")
-            fig = px.box(agg_df, x=group_col, y=y_column, color=group_col, **fig_params)
-            if not group_col: fig = px.box(agg_df, y=y_column, **fig_params)
+            if not y_column_selected: raise ValueError("箱型圖需要選擇 Y 軸列。")
+            if not pd.api.types.is_numeric_dtype(agg_df[y_column_selected]): raise ValueError(f"箱型圖的 Y 軸列 '{y_column_selected}' 必須是數值類型。")
+            fig = px.box(agg_df, x=group_col, y=y_column_selected, color=group_col, **fig_params)
+            if not group_col: fig = px.box(agg_df, y=y_column_selected, **fig_params)
         elif chart_type == "小提琴圖":
-            if not y_column: raise ValueError("小提琴圖需要選擇 Y 軸列。")
-            if not pd.api.types.is_numeric_dtype(agg_df[y_column]): raise ValueError(f"小提琴圖的 Y 軸列 '{y_column}' 必須是數值類型。")
-            fig = px.violin(agg_df, x=group_col, y=y_column, color=group_col, box=True, points="all", **fig_params)
-            if not group_col: fig = px.violin(agg_df, y=y_column, box=True, points="all", **fig_params)
+            if not y_column_selected: raise ValueError("小提琴圖需要選擇 Y 軸列。")
+            if not pd.api.types.is_numeric_dtype(agg_df[y_column_selected]): raise ValueError(f"小提琴圖的 Y 軸列 '{y_column_selected}' 必須是數值類型。")
+            fig = px.violin(agg_df, x=group_col, y=y_column_selected, color=group_col, box=True, points="all", **fig_params)
+            if not group_col: fig = px.violin(agg_df, y=y_column_selected, box=True, points="all", **fig_params)
         elif chart_type == "熱力圖":
             if not effective_y: raise ValueError("熱力圖需要 Y 軸數值或 '計數' 聚合。")
             if not group_col: raise ValueError("熱力圖需要 X 軸、Y 軸 和一個 分組列。")
@@ -1731,7 +1693,7 @@ def create_plot(df, chart_type, x_column, y_column, group_column=None, size_colu
             if not pd.api.types.is_numeric_dtype(agg_df[effective_y]): raise ValueError(f"極座標圖的徑向值列 '{effective_y}' 必須是數值類型。")
             fig = px.bar_polar(agg_df, r=effective_y, theta=x_column, color=group_col if group_col else x_column, **fig_params)
         elif chart_type == "甘特圖":
-             start_col_gantt = y_column; end_col_gantt = group_col; task_col_gantt = x_column
+             start_col_gantt = y_column_selected; end_col_gantt = group_col; task_col_gantt = x_column
              if not start_col_gantt or not end_col_gantt: raise ValueError("甘特圖需要指定 開始列 (Y軸) 和 結束列 (分組列)。")
              try:
                  df_gantt = df.copy() # 使用原始 df
@@ -1791,18 +1753,18 @@ def create_plot(df, chart_type, x_column, y_column, group_column=None, size_colu
         if chart_type in ["圓餅圖", "環形圖", "漏斗圖", "樹狀圖"]: fig.update_layout(xaxis_title=None, yaxis_title=None)
         elif chart_type == "水平長條圖": fig.update_layout(xaxis_title=final_y_label, yaxis_title=x_column)
         elif chart_type == "直方圖": fig.update_layout(xaxis_title=x_column, yaxis_title='計數')
-        elif chart_type == "甘特圖": fig.update_layout(xaxis_title="時間", yaxis_title=x_column) # 甘特圖軸標籤
+        elif chart_type == "甘特圖": fig.update_layout(xaxis_title="時間", yaxis_title=task_col_gantt) # 使用任務列作為 Y 軸標籤
         else: fig.update_layout(xaxis_title=x_column, yaxis_title=final_y_label)
 
-    except ValueError as ve:
-        print(f"圖表創建錯誤 (ValueError): {ve}", file=sys.stderr); traceback.print_exc(file=sys.stderr)
-        fig = go.Figure(); fig.add_annotation(text=f"⚠️ 創建圖表時出錯:<br>{ve}", align='left', showarrow=False, font=dict(size=14, color="red")); fig.update_layout(xaxis_visible=False, yaxis_visible=False)
-    except Exception as e:
-        error_message = f"❌ 創建圖表時發生未預期錯誤:\n{traceback.format_exc()}"; print(error_message, file=sys.stderr)
-        fig = go.Figure(); user_error_msg = f"⚠️ 創建圖表時發生內部錯誤。<br>請檢查數據和設置。<br>詳細錯誤: {str(e)[:100]}..."; fig.add_annotation(text=user_error_msg, align='left', showarrow=False, font=dict(size=14, color="red")); fig.update_layout(xaxis_visible=False, yaxis_visible=False)
+    except ValueError as ve:
+        print(f"圖表創建錯誤 (ValueError): {ve}", file=sys.stderr); traceback.print_exc(file=sys.stderr)
+        fig = go.Figure(); fig.add_annotation(text=f"⚠️ 創建圖表時出錯:<br>{ve}", align='left', showarrow=False, font=dict(size=14, color="red")); fig.update_layout(xaxis_visible=False, yaxis_visible=False)
+    except Exception as e:
+        error_message = f"❌ 創建圖表時發生未預期錯誤:\n{traceback.format_exc()}"; print(error_message, file=sys.stderr)
+        fig = go.Figure(); user_error_msg = f"⚠️ 創建圖表時發生內部錯誤。<br>請檢查數據和設置。<br>詳細錯誤: {str(e)[:100]}..."; fig.add_annotation(text=user_error_msg, align='left', showarrow=False, font=dict(size=14, color="red")); fig.update_layout(xaxis_visible=False, yaxis_visible=False)
 
-    print("create_plot 函數執行完畢。", file=sys.stderr) # 調試信息
-    return fig
+    print("create_plot 函數執行完畢。", file=sys.stderr) # 調試信息
+    return fig
 
 
 # =========================================
@@ -1810,52 +1772,52 @@ def create_plot(df, chart_type, x_column, y_column, group_column=None, size_colu
 # =========================================
 # (與 V4 相同)
 def export_data(df, format_type):
-    if df is None or df.empty: return None, "❌ 沒有數據可以導出。"
-    try:
-        if format_type == "CSV": filename = "exported_data.csv"; df.to_csv(filename, index=False, encoding='utf-8-sig')
-        elif format_type == "Excel": filename = "exported_data.xlsx"; df.to_excel(filename, index=False)
-        elif format_type == "JSON": filename = "exported_data.json"; df.to_json(filename, orient="records", indent=4, force_ascii=False)
-        else: return None, f"❌ 不支持的導出格式: {format_type}"
-        return filename, f"✅ 數據已成功準備為 {format_type} 格式，點擊下方鏈接下載。"
-    except Exception as e: print(f"導出數據時出錯: {e}"); traceback.print_exc(); return None, f"❌ 導出數據時出錯: {e}"
+    if df is None or df.empty: return None, "❌ 沒有數據可以導出。"
+    try:
+        if format_type == "CSV": filename = "exported_data.csv"; df.to_csv(filename, index=False, encoding='utf-8-sig')
+        elif format_type == "Excel": filename = "exported_data.xlsx"; df.to_excel(filename, index=False)
+        elif format_type == "JSON": filename = "exported_data.json"; df.to_json(filename, orient="records", indent=4, force_ascii=False)
+        else: return None, f"❌ 不支持的導出格式: {format_type}"
+        return filename, f"✅ 數據已成功準備為 {format_type} 格式，點擊下方鏈接下載。"
+    except Exception as e: print(f"導出數據時出錯: {e}"); traceback.print_exc(); return None, f"❌ 導出數據時出錯: {e}"
 
 def download_figure(fig, format_type="PNG"):
-    if fig is None or not fig.data: return None, "❌ 沒有圖表可以導出。"
-    try:
-        format_lower = format_type.lower(); filename = f"chart_export.{format_lower}"
-        import kaleido # 確保導入
-        fig.write_image(filename, format=format_lower)
-        return filename, f"✅ 圖表已成功準備為 {format_type} 格式，點擊下方鏈接下載。"
-    except ImportError: error_msg = "❌ 導出圖表失敗：需要 Kaleido 套件。請在環境中安裝 `pip install -U kaleido`。"; print(error_msg); return None, error_msg
-    except ValueError as ve:
-         if "kaleido" in str(ve).lower(): error_msg = "❌ 導出圖表失敗：Kaleido 套件無法運行。請檢查其依賴項或嘗試重新安裝。"; print(f"{error_msg}\n{ve}"); traceback.print_exc(); return None, error_msg
-         else: print(f"導出圖表時出錯 (ValueError): {ve}"); traceback.print_exc(); return None, f"❌ 導出圖表時出錯: {ve}"
-    except Exception as e: print(f"導出圖表時發生未預期錯誤: {e}"); traceback.print_exc(); return None, f"❌ 導出圖表時發生未預期錯誤: {e}"
+    if fig is None or not fig.data: return None, "❌ 沒有圖表可以導出。"
+    try:
+        format_lower = format_type.lower(); filename = f"chart_export.{format_lower}"
+        import kaleido # 確保導入
+        fig.write_image(filename, format=format_lower)
+        return filename, f"✅ 圖表已成功準備為 {format_type} 格式，點擊下方鏈接下載。"
+    except ImportError: error_msg = "❌ 導出圖表失敗：需要 Kaleido 套件。請在環境中安裝 `pip install -U kaleido`。"; print(error_msg); return None, error_msg
+    except ValueError as ve:
+         if "kaleido" in str(ve).lower(): error_msg = "❌ 導出圖表失敗：Kaleido 套件無法運行。請檢查其依賴項或嘗試重新安裝。"; print(f"{error_msg}\n{ve}"); traceback.print_exc(); return None, error_msg
+         else: print(f"導出圖表時出錯 (ValueError): {ve}"); traceback.print_exc(); return None, f"❌ 導出圖表時出錯: {ve}"
+    except Exception as e: print(f"導出圖表時發生未預期錯誤: {e}"); traceback.print_exc(); return None, f"❌ 導出圖表時發生未預期錯誤: {e}"
 
 # =========================================
 # == 智能推薦函數 (Recommendation Function) ==
 # =========================================
 # (與 V4 相同)
 def recommend_chart_settings(df):
-    recommendation = {"chart_type": None, "x_column": None, "y_column": None, "group_column": "無", "agg_function": None, "message": "無法提供推薦。"}
-    if df is None or df.empty: recommendation["message"] = "ℹ️ 請先上傳或輸入數據。"; return recommendation
-    columns = df.columns.tolist(); num_cols = df.select_dtypes(include=np.number).columns.tolist(); cat_cols = df.select_dtypes(include=['object', 'category', 'string']).columns.tolist()
-    date_cols = [col for col in columns if pd.api.types.is_datetime64_any_dtype(df[col]) or ('日期' in col or '時間' in col)]
-    try:
-        if date_cols and num_cols: recommendation.update({"chart_type": "折線圖", "x_column": date_cols[0], "y_column": num_cols[0], "agg_function": "平均值", "message": f"檢測到時間列 '{date_cols[0]}' 和數值列 '{num_cols[0]}'，推薦使用折線圖顯示趨勢。"})
-        elif len(num_cols) >= 2: recommendation.update({"chart_type": "散點圖", "x_column": num_cols[0], "y_column": num_cols[1], "agg_function": None, "message": f"檢測到數值列 '{num_cols[0]}' 和 '{num_cols[1]}'，推薦使用散點圖分析相關性。"})
-        elif cat_cols and num_cols: recommendation.update({"chart_type": "長條圖", "x_column": cat_cols[0], "y_column": num_cols[0], "agg_function": "平均值", "message": f"檢測到類別列 '{cat_cols[0]}' 和數值列 '{num_cols[0]}'，推薦使用長條圖比較各類別的數值。"})
-        elif len(cat_cols) >= 2: recommendation.update({"chart_type": "堆疊長條圖", "x_column": cat_cols[0], "y_column": None, "group_column": cat_cols[1], "agg_function": "計數", "message": f"檢測到多個類別列 ('{cat_cols[0]}', '{cat_cols[1]}', ...)，推薦使用堆疊長條圖顯示計數分佈。"})
-        elif cat_cols: recommendation.update({"chart_type": "長條圖", "x_column": cat_cols[0], "y_column": None, "agg_function": "計數", "message": f"檢測到類別列 '{cat_cols[0]}'，推薦使用長條圖顯示其頻數分佈。"})
-        elif num_cols: recommendation.update({"chart_type": "直方圖", "x_column": num_cols[0], "y_column": None, "agg_function": None, "message": f"檢測到數值列 '{num_cols[0]}'，推薦使用直方圖查看其分佈。"})
-        else: recommendation["message"] = "無法根據當前數據結構提供明確的圖表推薦。"
-    except Exception as e: recommendation["message"] = f"❌ 推薦時出錯: {e}"; print(f"智能推薦時出錯: {e}"); traceback.print_exc()
-    if recommendation["x_column"] and recommendation["x_column"] not in columns: recommendation["x_column"] = None
-    if recommendation["y_column"] and recommendation["y_column"] not in columns: recommendation["y_column"] = None
-    if recommendation["group_column"] != "無" and recommendation["group_column"] not in columns: recommendation["group_column"] = "無"
-    if recommendation["agg_function"] and recommendation["agg_function"] != "計數" and not recommendation["y_column"]: recommendation["agg_function"] = None; recommendation["message"] += " (無法確定聚合的數值列)"
-    if recommendation["agg_function"] == "計數": recommendation["y_column"] = None
-    return recommendation
+    recommendation = {"chart_type": None, "x_column": None, "y_column": None, "group_column": "無", "agg_function": None, "message": "無法提供推薦。"}
+    if df is None or df.empty: recommendation["message"] = "ℹ️ 請先上傳或輸入數據。"; return recommendation
+    columns = df.columns.tolist(); num_cols = df.select_dtypes(include=np.number).columns.tolist(); cat_cols = df.select_dtypes(include=['object', 'category', 'string']).columns.tolist()
+    date_cols = [col for col in columns if pd.api.types.is_datetime64_any_dtype(df[col]) or ('日期' in col or '時間' in col)]
+    try:
+        if date_cols and num_cols: recommendation.update({"chart_type": "折線圖", "x_column": date_cols[0], "y_column": num_cols[0], "agg_function": "平均值", "message": f"檢測到時間列 '{date_cols[0]}' 和數值列 '{num_cols[0]}'，推薦使用折線圖顯示趨勢。"})
+        elif len(num_cols) >= 2: recommendation.update({"chart_type": "散點圖", "x_column": num_cols[0], "y_column": num_cols[1], "agg_function": None, "message": f"檢測到數值列 '{num_cols[0]}' 和 '{num_cols[1]}'，推薦使用散點圖分析相關性。"})
+        elif cat_cols and num_cols: recommendation.update({"chart_type": "長條圖", "x_column": cat_cols[0], "y_column": num_cols[0], "agg_function": "平均值", "message": f"檢測到類別列 '{cat_cols[0]}' 和數值列 '{num_cols[0]}'，推薦使用長條圖比較各類別的��值。"})
+        elif len(cat_cols) >= 2: recommendation.update({"chart_type": "堆疊長條圖", "x_column": cat_cols[0], "y_column": None, "group_column": cat_cols[1], "agg_function": "計數", "message": f"檢測到多個類別列 ('{cat_cols[0]}', '{cat_cols[1]}', ...)，推薦使用堆疊長條圖顯示計數分佈。"})
+        elif cat_cols: recommendation.update({"chart_type": "長條圖", "x_column": cat_cols[0], "y_column": None, "agg_function": "計數", "message": f"檢測到類別列 '{cat_cols[0]}'，推薦使用長條圖顯示其頻數分佈。"})
+        elif num_cols: recommendation.update({"chart_type": "直方圖", "x_column": num_cols[0], "y_column": None, "agg_function": None, "message": f"檢測到數值列 '{num_cols[0]}'，推薦使用直方圖查看其分佈。"})
+        else: recommendation["message"] = "無法根據當前數據結構提供明確的圖表推薦。"
+    except Exception as e: recommendation["message"] = f"❌ 推薦時出錯: {e}"; print(f"智能推薦時出錯: {e}"); traceback.print_exc()
+    if recommendation["x_column"] and recommendation["x_column"] not in columns: recommendation["x_column"] = None
+    if recommendation["y_column"] and recommendation["y_column"] not in columns: recommendation["y_column"] = None
+    if recommendation["group_column"] != "無" and recommendation["group_column"] not in columns: recommendation["group_column"] = "無"
+    if recommendation["agg_function"] and recommendation["agg_function"] != "計數" and not recommendation["y_column"]: recommendation["agg_function"] = None; recommendation["message"] += " (無法確定聚合的數值列)"
+    if recommendation["agg_function"] == "計數": recommendation["y_column"] = None
+    return recommendation
 
 # =========================================
 # == CSS 樣式 (CSS Styling) ==