Update app.py

app.py

@@ -3,26 +3,36 @@ import pandas as pd
 import numpy as np
 from prophet import Prophet
 import plotly.express as px
-import plotly.graph_objects as go
 import seaborn as sns
 import matplotlib.pyplot as plt
 from datetime import date
+from pathlib import Path
 
-# ---------------------------------------------
-# CONFIG --------------------------------------
-# ---------------------------------------------
-DATA_PATH = "price_data.csv"  # CSV: date, item, price
+# -------------------------------------------------
+# CONFIG ------------------------------------------
+# -------------------------------------------------
+CSV_PATH = Path("price_data.csv")
+PARQUET_PATH = Path("domae-202503.parquet")  # 1996‑1993-03 가격 데이터
 MACRO_START, MACRO_END = "1996-01-01", "2030-12-31"
 MICRO_START, MICRO_END = "2020-01-01", "2026-12-31"
 
 st.set_page_config(page_title="품목별 가격 예측", page_icon="📈", layout="wide")
 
-# ---------------------------------------------
-# UTILITIES -----------------------------------
-# ---------------------------------------------
+# -------------------------------------------------
+# UTILITIES ---------------------------------------
+# -------------------------------------------------
 @st.cache_data(show_spinner=False)
-def load_data(path: str) -> pd.DataFrame:
-    df = pd.read_csv(path, parse_dates=["date"])
+def load_data() -> pd.DataFrame:
+    """Load price data from Parquet if available, else CSV."""
+    if PARQUET_PATH.exists():
+        df = pd.read_parquet(PARQUET_PATH)
+    elif CSV_PATH.exists():
+        df = pd.read_csv(CSV_PATH)
+    else:
+        st.error("데이터 파일을 찾을 수 없습니다. price_data.csv 또는 domae-202503.parquet" )
+        st.stop()
+    # 표준화
+    df["date"] = pd.to_datetime(df["date"])
     df.sort_values("date", inplace=True)
     return df
 
@@ -38,108 +48,80 @@ def fit_prophet(df: pd.DataFrame, horizon_end: str):
     forecast = m.predict(future)
     return m, forecast
 
-# ---------------------------------------------
-# LOAD ----------------------------------------
-# ---------------------------------------------
-raw_df = load_data(DATA_PATH)
-selected_item = st.sidebar.selectbox("🔍 품목 선택", get_items(raw_df))
+# -------------------------------------------------
+# LOAD DATA ---------------------------------------
+# -------------------------------------------------
+raw_df = load_data()
+
+st.sidebar.header("🔍 품목 선택")
+selected_item = st.sidebar.selectbox("품목", get_items(raw_df))
 current_date = date.today()
-st.sidebar.write(f"**오늘:** {current_date}")
+st.sidebar.caption(f"오늘: {current_date}")
 
-item_df = raw_df[raw_df["item"] == selected_item].copy()
+item_df = raw_df.query("item == @selected_item").copy()
 if item_df.empty:
-    st.error("데이터가 없습니다.")
+    st.error("선택한 품목 데이터 없음")
     st.stop()
 
-# ---------------------------------------------
-# MACRO FORECAST ------------------------------
-# ---------------------------------------------
-st.header(f"📈 {selected_item} 가격 전망")
-macro_df = item_df[item_df["date"] >= MACRO_START]
+# -------------------------------------------------
+# PLOTS -------------------------------------------
+# -------------------------------------------------
+st.header(f"📈 {selected_item} 가격 예측 대시보드")
 
+# Macro forecast 1996–2030
+macro_df = item_df[item_df["date"] >= MACRO_START]
 m_macro, fc_macro = fit_prophet(macro_df, MACRO_END)
 fig_macro = px.line(fc_macro, x="ds", y="yhat", title="Macro Forecast 1996–2030")
 fig_macro.add_scatter(x=macro_df["date"], y=macro_df["price"], mode="lines", name="Actual")
 st.plotly_chart(fig_macro, use_container_width=True)
 
-# --- Metrics ↓
 latest_price = macro_df.iloc[-1]["price"]
-macro_last = fc_macro[fc_macro["ds"] == MACRO_END]["yhat"].iloc[0]
-macro_diff = macro_last - latest_price
-macro_pct = macro_diff / latest_price * 100
-st.metric(label="2030 예측 가격", value=f"{macro_last:,.0f}", delta=f"{macro_pct:+.1f}% vs 최근")
-
-# ---------------------------------------------
-# MICRO FORECAST ------------------------------
-# ---------------------------------------------
-st.subheader("🔎 미시 예측 2024–2026")
+macro_pred = fc_macro.loc[fc_macro["ds"] == MACRO_END, "yhat"].iloc[0]
+macro_pct = (macro_pred - latest_price) / latest_price * 100
+st.metric("2030 예측가", f"{macro_pred:,.0f}", f"{macro_pct:+.1f}%")
 
+# Micro forecast 2024–2026
+st.subheader("🔎 2024–2026 단기 예측")
 micro_df = item_df[item_df["date"] >= MICRO_START]
-
 m_micro, fc_micro = fit_prophet(micro_df, MICRO_END)
 fig_micro = px.line(fc_micro, x="ds", y="yhat", title="Micro Forecast 2024–2026")
 fig_micro.add_scatter(x=micro_df["date"], y=micro_df["price"], mode="lines", name="Actual")
 st.plotly_chart(fig_micro, use_container_width=True)
 
-micro_last = fc_micro[fc_micro["ds"] == MICRO_END]["yhat"].iloc[0]
-micro_diff = micro_last - latest_price
-micro_pct = micro_diff / latest_price * 100
-st.metric(label="2026 예측 가격", value=f"{micro_last:,.0f}", delta=f"{micro_pct:+.1f}% vs 최근")
+micro_pred = fc_micro.loc[fc_micro["ds"] == MICRO_END, "yhat"].iloc[0]
+micro_pct = (micro_pred - latest_price) / latest_price * 100
+st.metric("2026 예측가", f"{micro_pred:,.0f}", f"{micro_pct:+.1f}%")
 
-# ---------------------------------------------
-# PATTERN & SEASONALITY -----------------------
-# ---------------------------------------------
-with st.expander("📆 시즈널리티 분석 및 패턴 해설"):
+# Seasonality components
+with st.expander("📆 시즈널리티 & 패턴 설명"):
     comp_fig = m_micro.plot_components(fc_micro)
     st.pyplot(comp_fig)
-
-    # 월별 seasonality summary
     month_season = (fc_micro[["ds", "yearly"]]
-                    .assign(month=lambda d: d["ds"].dt.month)
+                    .assign(month=lambda d: d.ds.dt.month)
                     .groupby("month")["yearly"].mean())
-    peak_month = int(month_season.idxmax())
-    trough_month = int(month_season.idxmin())
-
-    st.markdown(f"**패턴 요약**  \n- __연간 피크__: {peak_month}월   \n- __연간 저점__: {trough_month}월  \n- 평균 변동폭(연): {month_season.max() - month_season.min():.1f} 단가")
-
-# ---------------------------------------------
-# CORRELATION HEATMAP -------------------------
-# ---------------------------------------------
-st.subheader("🧮 품목 간 상관관계 히트맵")
-
-corr_df = (raw_df.assign(month=lambda d: d["date"].dt.to_period("M"))
-                   .groupby(["month", "item"], as_index=False)["price"].mean()
-                   .pivot(index="month", columns="item", values="price"))
-
-corr = corr_df.corr()
-
-fig, ax = plt.subplots(figsize=(12, 10))
+    st.markdown(
+        f"**연간 피크 월:** {int(month_season.idxmax())}월\n\n"
+        f"**연간 저점 월:** {int(month_season.idxmin())}월\n\n"
+        f"**연간 변동폭:** {month_season.max() - month_season.min():.1f}")
+
+# Correlation heatmap
+st.subheader("🧮 품목 간 상관관계")
+monthly_pivot = (raw_df.assign(month=lambda d: d.date.dt.to_period("M"))
+                        .groupby(["month", "item"], as_index=False)["price"].mean()
+                        .pivot(index="month", columns="item", values="price"))
+
+corr = monthly_pivot.corr()
 mask = np.triu(np.ones_like(corr, dtype=bool))
+fig, ax = plt.subplots(figsize=(12, 10))
 sns.heatmap(corr, mask=mask, cmap="RdBu_r", center=0, linewidths=.5, ax=ax)
 st.pyplot(fig)
 
-st.markdown("""
-**해석 가이드**  
-- **빨간색(+)**: 두 품목 가격이 동조화 – 공급망/수요 연동 가능성.  
-- **파란색(-)**: 대체재 관계.  
-- 절댓값 ≥ 0.7 은 정책·재고 전략 설계 시 주의 깊게 볼 필요가 있습니다.
-""")
-
-# ---------------------------------------------
-# EXTRA CHARTS -------------------------------
-# ---------------------------------------------
-st.subheader("📊 추가 인사이트: 30일 이동 변동성")
+st.info("빨간 영역: 가격 동조화 / 파란 영역: 대체재 가능성.")
 
-vol_df = (item_df.set_index("date")["price"].rolling(30).std().reset_index())
-fig_vol = px.area(vol_df, x="date", y="price", title="30D Rolling Std Dev")
+# Volatility Chart
+st.subheader("📊 30일 이동 표준편차 (가격 변동성)")
+vol = item_df.set_index("date")["price"].rolling(30).std().dropna().reset_index()
+fig_vol = px.area(vol, x="date", y="price", title="Rolling 30D Std Dev")
 st.plotly_chart(fig_vol, use_container_width=True)
 
-st.markdown("""
-- 변동성 급등 구간은 **공급 충격·수요 이벤트** 가능성이 높습니다.  
-- 최근 변동성이 낮아지면 **가격 안착**으로 해석할 수 있습니다.
-""")
-
-# ---------------------------------------------
-# FOOTER --------------------------------------
-# ---------------------------------------------
-st.caption("데이터 출처: 내부 농수산물 가격 DB · Forecast by Prophet · Dashboard built with Streamlit")
+st.caption("데이터: domae-202503.parquet · Prophet 예측 · Streamlit 대시보드")