Update app.py

app.py

@@ -72,16 +72,38 @@ def preprocess_data(data):
     
     return data
 
+def create_slicers(data):
+    slicers = {}
+    categorical_columns = data.select_dtypes(include=['object', 'category']).columns
+
+    for col in categorical_columns:
+        if data[col].nunique() <= 10:  # 고유값이 10개 이하인 경우에만 슬라이서 생성
+            slicers[col] = st.multiselect(f"{col} 선택", options=sorted(data[col].unique()), default=sorted(data[col].unique()))
+    
+    return slicers
+
+def apply_slicers(data, slicers):
+    for col, selected_values in slicers.items():
+        if selected_values:
+            data = data[data[col].isin(selected_values)]
+    return data
+
 def perform_analysis(data):
     st.header("탐색적 데이터 분석")
     
+    # 슬라이서 생성
+    slicers = create_slicers(data)
+    
+    # 슬라이서 적용
+    filtered_data = apply_slicers(data, slicers)
+    
     # 요약 통계
     st.write("요약 통계:")
-    st.write(data.describe())
+    st.write(filtered_data.describe())
 
     # 상관관계 히트맵
     st.write("상관관계 히트맵:")
-    numeric_data = data.select_dtypes(include=['float64', 'int64'])
+    numeric_data = filtered_data.select_dtypes(include=['float64', 'int64'])
     if not numeric_data.empty:
         fig = px.imshow(numeric_data.corr(), color_continuous_scale='RdBu_r', zmin=-1, zmax=1)
         fig.update_layout(title='상관관계 히트맵')
@@ -89,28 +111,14 @@ def perform_analysis(data):
     else:
         st.write("상관관계 히트맵을 그릴 수 있는 숫자형 열이 없습니다.")
 
-    # 과목별 점수 분포
-    if '과목' in data.columns and '학습평가' in data.columns:
-        st.write("과목별 점수 분포:")
-        fig = px.box(data, x='과목', y='학습평가', points="all")
-        fig.update_layout(title='과목별 학습평가 점수 분포')
-        st.plotly_chart(fig)
-
-    # 월별 점수 추이
-    if '달' in data.columns and '학습평가' in data.columns:
-        st.write("월별 점수 추이:")
-        fig = px.line(data, x='달', y='학습평가', color='과목', markers=True)
-        fig.update_layout(title='월별 학습평가 점수 추이')
-        st.plotly_chart(fig)
-
-    # 자기노력도와 학습평가 관계 (회귀선과 R-squared 추가)
-    if '자기노력도' in data.columns and '학습평가' in data.columns:
-        st.write("자기노력도와 학습평가 관계:")
-        fig = px.scatter(data, x='자기노력도', y='학습평가', color='과목', hover_data=['달'])
+    # 출석일수와 성적 관계 분석
+    if '출석일수' in filtered_data.columns and '성적' in filtered_data.columns:
+        st.write("출석일수와 성적 관계:")
+        fig = px.scatter(filtered_data, x='출석일수', y='성적', color='반', hover_data=filtered_data.columns)
         
         # 전체 데이터에 대한 회귀선 추가
-        x = data['자기노력도']
-        y = data['학습평가']
+        x = filtered_data['출석일수']
+        y = filtered_data['성적']
         slope, intercept, r_value, p_value, std_err = stats.linregress(x, y)
         line_x = np.array([x.min(), x.max()])
         line_y = slope * line_x + intercept
@@ -118,7 +126,7 @@ def perform_analysis(data):
         
         r_squared = r_value ** 2
         fig.update_layout(
-            title=f'자기노력도와 학습평가 관계 (R-squared: {r_squared:.4f})',
+            title=f'출석일수와 성적 관계 (R-squared: {r_squared:.4f})',
             annotations=[
                 dict(
                     x=0.5,
@@ -132,79 +140,20 @@ def perform_analysis(data):
         )
         st.plotly_chart(fig)
 
-    # 인터랙티브 필터링
-    st.write("인터랙티브 필터링:")
-    if '자기노력도' in data.columns:
-        min_effort = int(data['자기노력도'].min())
-        max_effort = int(data['자기노력도'].max())
-        effort_range = st.slider("자기노력도 범위 선택", min_effort, max_effort, (min_effort, max_effort))
-        
-        filtered_data = data[(data['자기노력도'] >= effort_range[0]) & (data['자기노력도'] <= effort_range[1])]
-        
-        if '과목' in filtered_data.columns and '학습평가' in filtered_data.columns:
-            fig = px.scatter(filtered_data, x='자기노력도', y='학습평가', color='과목', hover_data=['달'])
-            
-            # 필터링된 데이터에 대한 회귀선 추가
-            x = filtered_data['자기노력도']
-            y = filtered_data['학습평가']
-            slope, intercept, r_value, p_value, std_err = stats.linregress(x, y)
-            line_x = np.array([x.min(), x.max()])
-            line_y = slope * line_x + intercept
-            fig.add_trace(go.Scatter(x=line_x, y=line_y, mode='lines', name='회귀선'))
-            
-            r_squared = r_value ** 2
-            fig.update_layout(
-                title=f'자기노력도 {effort_range[0]}-{effort_range[1]} 범위의 학습평가 관계 (R-squared: {r_squared:.4f})',
-                annotations=[
-                    dict(
-                        x=0.5,
-                        y=1.05,
-                        xref='paper',
-                        yref='paper',
-                        text=f'R-squared: {r_squared:.4f}',
-                        showarrow=False,
-                    )
-                ]
-            )
-            st.plotly_chart(fig)
-
-    # 과목별 상세 분석
-    if '과목' in data.columns:
-        st.write("과목별 상세 분석:")
-        selected_subject = st.selectbox("분석할 과목 선택", data['과목'].unique())
-        subject_data = data[data['과목'] == selected_subject]
-        
-        if '달' in subject_data.columns and '학습평가' in subject_data.columns:
-            fig = px.line(subject_data, x='달', y='학습평가', markers=True)
-            fig.update_layout(title=f'{selected_subject} 월별 학습평가 점수 추이')
-            st.plotly_chart(fig)
-        
-        if '자기노력도' in subject_data.columns and '학습평가' in subject_data.columns:
-            fig = px.scatter(subject_data, x='자기노력도', y='학습평가', hover_data=['달'])
-            
-            # 선택된 과목에 대한 회귀선 추가
-            x = subject_data['자기노력도']
-            y = subject_data['학습평가']
-            slope, intercept, r_value, p_value, std_err = stats.linregress(x, y)
-            line_x = np.array([x.min(), x.max()])
-            line_y = slope * line_x + intercept
-            fig.add_trace(go.Scatter(x=line_x, y=line_y, mode='lines', name='회귀선'))
-            
-            r_squared = r_value ** 2
-            fig.update_layout(
-                title=f'{selected_subject} 자기노력도와 학습평가 관계 (R-squared: {r_squared:.4f})',
-                annotations=[
-                    dict(
-                        x=0.5,
-                        y=1.05,
-                        xref='paper',
-                        yref='paper',
-                        text=f'R-squared: {r_squared:.4f}',
-                        showarrow=False,
-                    )
-                ]
-            )
-            st.plotly_chart(fig)
+    # 반별 성적 분포
+    if '반' in filtered_data.columns and '성적' in filtered_data.columns:
+        st.write("반별 성적 분포:")
+        fig = px.box(filtered_data, x='반', y='성적', points="all")
+        fig.update_layout(title='반별 성적 분포')
+        st.plotly_chart(fig)
+
+    # 출석일수 구간별 성적 분포
+    if '출석일수' in filtered_data.columns and '성적' in filtered_data.columns:
+        st.write("출석일수 구간별 성적 분포:")
+        filtered_data['출석일수_구간'] = pd.cut(filtered_data['출석일수'], bins=5)
+        fig = px.box(filtered_data, x='출석일수_구간', y='성적', color='반')
+        fig.update_layout(title='출석일수 구간별 성적 분포')
+        st.plotly_chart(fig)
 
 def main():
     st.title("인터랙티브 EDA 툴킷")