app.py

import gradio as gr
import pandas as pd
import numpy as np
import plotly.express as px
import plotly.graph_objects as go
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.ensemble import RandomForestRegressor
from sklearn.cluster import KMeans
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import mean_squared_error, r2_score
from transformers import pipeline

# Hugging Face 파이프라인 초기화
nlp = pipeline("text-classification", model="jhgan/ko-sroberta-multitask")

def process_file(file):
    if file.name.endswith('.csv'):
        df = pd.read_csv(file.name)
    elif file.name.endswith('.xlsx'):
        df = pd.read_excel(file.name)
    else:
        return None, "지원되지 않는 파일 형식입니다.", [], []
    columns = df.columns.tolist()
    return df, f"{file.name} 파일이 성공적으로 업로드되었습니다.", columns, columns

def analyze_data(df, query, target_variable, feature_variables):
    if df is None:
        return "먼저 데이터 파일을 업로드해주세요.", None, None

    result = nlp(query)[0]
    intent = result['label']
    confidence = result['score']

    if '시계열' in query or '추세' in query:
        fig = px.line(df, x=df.columns[0], y=feature_variables, title='시계열 그래프')
        return f'시계열 그래프를 생성했습니다. (신뢰도: {confidence:.2f})', fig, None
    elif '분포' in query or '히스토그램' in query:
        fig = px.histogram(df, x=feature_variables[0], title='분포 히스토그램')
        return f'분포 히스토그램을 생성했습니다. (신뢰도: {confidence:.2f})', fig, None
    elif '상관관계' in query or '산점도' in query:
        fig = px.scatter_matrix(df[feature_variables], title='상관관계 매트릭스')
        return f'상관관계 매트릭스를 생성했습니다. (신뢰도: {confidence:.2f})', fig, None
    elif '예측' in query or '회귀' in query:
        if '랜덤' in query or '포레스트' in query:
            return perform_random_forest(df, target_variable, feature_variables)
        else:
            return perform_regression(df, target_variable, feature_variables)
    elif '군집' in query or '클러스터링' in query:
        return perform_clustering(df, feature_variables)
    else:
        return '죄송합니다. 요청을 이해하지 못했습니다.', None, None

def perform_regression(df, target, features):
    X = df[features]
    y = df[target]
    
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
    
    model = LinearRegression()
    model.fit(X_train, y_train)
    
    y_pred = model.predict(X_test)
    
    mse = mean_squared_error(y_test, y_pred)
    r2 = r2_score(y_test, y_pred)
    
    fig = px.scatter(x=y_test, y=y_pred, labels={'x': '실제 값', 'y': '예측 값'}, title='실제 값 vs 예측 값 (선형 회귀)')
    fig.add_trace(go.Scatter(x=[y_test.min(), y_test.max()], y=[y_test.min(), y_test.max()], 
                             mode='lines', name='완벽한 예측'))
    
    result_text = f"선형 회귀 분석 결과:\n"
    result_text += f"평균 제곱 오차 (MSE): {mse:.4f}\n"
    result_text += f"결정 계수 (R^2): {r2:.4f}\n"
    result_text += "특성 중요도:\n"
    for feature, importance in zip(features, model.coef_):
        result_text += f"- {feature}: {importance:.4f}\n"
    
    return result_text, fig, None

def perform_random_forest(df, target, features):
    X = df[features]
    y = df[target]
    
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
    
    model = RandomForestRegressor(n_estimators=100, random_state=42)
    model.fit(X_train, y_train)
    
    y_pred = model.predict(X_test)
    
    mse = mean_squared_error(y_test, y_pred)
    r2 = r2_score(y_test, y_pred)
    
    fig = px.scatter(x=y_test, y=y_pred, labels={'x': '실제 값', 'y': '예측 값'}, title='실제 값 vs 예측 값 (랜덤 포레스트)')
    fig.add_trace(go.Scatter(x=[y_test.min(), y_test.max()], y=[y_test.min(), y_test.max()], 
                             mode='lines', name='완벽한 예측'))
    
    result_text = f"랜덤 포레스트 회귀 분석 결과:\n"
    result_text += f"평균 제곱 오차 (MSE): {mse:.4f}\n"
    result_text += f"결정 계수 (R^2): {r2:.4f}\n"
    result_text += "특성 중요도:\n"
    importances = model.feature_importances_
    for feature, importance in sorted(zip(features, importances), key=lambda x: x[1], reverse=True):
        result_text += f"- {feature}: {importance:.4f}\n"
    
    return result_text, fig, None

def perform_clustering(df, features):
    X = df[features]
    scaler = StandardScaler()
    X_scaled = scaler.fit_transform(X)
    
    inertias = []
    for k in range(1, 11):
        kmeans = KMeans(n_clusters=k, random_state=42)
        kmeans.fit(X_scaled)
        inertias.append(kmeans.inertia_)
    
    elbow_fig = px.line(x=range(1, 11), y=inertias, title='엘보우 곡선')
    elbow_fig.update_layout(xaxis_title='군집 수', yaxis_title='관성')
    
    optimal_k = 3  # 실제로는 엘보우 곡선을 바탕으로 결정해야 함
    kmeans = KMeans(n_clusters=optimal_k, random_state=42)
    df['Cluster'] = kmeans.fit_predict(X_scaled)
    
    fig = px.scatter(df, x=features[0], y=features[1], color='Cluster', title='K-means 군집 분석 결과')
    
    result_text = f"K-means 군집 분석 결과:\n"
    result_text += f"최적의 군집 수: {optimal_k}\n"
    result_text += "각 군집의 크기:\n"
    for i in range(optimal_k):
        result_text += f"- 군집 {i}: {sum(df['Cluster'] == i)} 개\n"
    
    return result_text, fig, elbow_fig

# 가이드 텍스트
guide_text = """
# 분석 방법 가이드

이 앱에서 사용할 수 있는 분석 방법과 명령어 예시입니다:

1. 시계열 분석
   예시: "매출의 시계열 그래프를 보여줘"

2. 분포 분석
   예시: "고객 나이 분포를 히스토그램으로 보여줘"

3. 상관관계 분석
   예시: "매출과 광고비의 상관관계를 보여줘"

4. 선형 회귀 분석
   예시: "광고비로 매출을 예측해줘"

5. 랜덤 포레스트 회귀
   예시: "랜덤 포레스트로 매출을 예측해줘"

6. 군집 분석
   예시: "고객 데이터를 군집화해줘"

분석하고자 하는 변수를 선택한 후, 위의 예시를 참고하여 분석 요청을 입력해주세요.
"""

# Gradio 인터페이스 설정
with gr.Blocks() as demo:
    gr.Markdown("# 고급 한국어 데이터 분석 앱")
    
    with gr.Row():
        with gr.Column(scale=2):
            file_input = gr.File(label="데이터 파일 업로드 (CSV 또는 XLSX)")
            upload_output = gr.Textbox(label="업로드 상태")
            query_input = gr.Textbox(label="분석 요청 입력", placeholder="예: '매출과 비용의 시계열 그래프를 보여줘'")
            with gr.Row():
                target_variable = gr.Dropdown(label="목표 변수 선택")
                feature_variables = gr.Dropdown(label="특성 변수 선택", multiselect=True)
            upload_button = gr.Button("파일 업로드")
            analyze_button = gr.Button("분석 실행")
        
        with gr.Column(scale=1):
            gr.Markdown(guide_text)
    
    with gr.Row():
        result_text = gr.Textbox(label="분석 결과")
        result_plot = gr.Plot(label="시각화")
    
    elbow_plot = gr.Plot(label="엘보우 곡선 (군집 분석용)")
    
    df = gr.State()
    
    upload_button.click(
        process_file,
        inputs=[file_input],
        outputs=[df, upload_output, target_variable, feature_variables]
    )
    
    analyze_button.click(
        analyze_data,
        inputs=[df, query_input, target_variable, feature_variables],
        outputs=[result_text, result_plot, elbow_plot]
    )

demo.launch()