Update pages/Statistics.py

pages/Statistics.py

@@ -14,14 +14,8 @@ import requests
 # Importowanie funkcji z utils/functions.py
 from utils.functions import get_phone_info, get_stats, get_history, get_fake_numbers
 
-# Opcjonalne: Importowanie dodatkowych komponentów
+# Importowanie dodatkowych komponentów
 from streamlit_extras.metric_cards import style_metric_cards
-from streamlit_elements import elements, mui, html
-
-# Definiowanie ścieżek do plików JSON
-FAKE_NUMBERS_FILE = os.path.join('data', 'fake_numbers.json')
-HISTORY_FILE = os.path.join('data', 'history.json')
-STATS_FILE = os.path.join('data', 'stats.json')
 
 # Definiowanie tłumaczeń dla zakładki "Statystyki"
 page_translations = {
@@ -67,7 +61,7 @@ page_translations = {
         'no_data': "Keine Daten zur Anzeige verfügbar.",
         'download_button': "📥 Daten als CSV herunterladen",
         'select_date_range': "Wähle einen Datumsbereich:",
-        'recent_days': 30  # Domyślny zakres dat
+        'recent_days': 30
     },
     'English': {
         'page_title': "📊 Statistics",
@@ -89,19 +83,94 @@ page_translations = {
         'no_data': "No data available to display.",
         'download_button': "📥 Download data as CSV",
         'select_date_range': "Select date range:",
-        'recent_days': 30  # Default date range
+        'recent_days': 30
     }
 }
 
+# Mapowanie polskich nazw krajów na kody ISO alfa-3
+country_name_mapping = {
+    'niemcy': 'DEU',     # Niemcy
+    'polska': 'POL',     # Polska
+    'francja': 'FRA',    # Francja
+    'włochy': 'ITA',     # Włochy
+    'hiszpania': 'ESP',  # Hiszpania
+    'stany zjednoczone': 'USA',  # USA
+    'wielka brytania': 'GBR',    # Wielka Brytania
+    'unknown': None,
+    'nieznany': None
+    # Dodaj inne kraje w razie potrzeby
+}
+
+def get_iso_alpha3(country_name):
+    country_code = country_name_mapping.get(country_name.lower())
+    if country_code:
+        return country_code
+    else:
+        # Jeśli nie znaleziono w mapowaniu, spróbuj użyć pycountry
+        try:
+            country = pycountry.countries.lookup(country_name)
+            return country.alpha_3
+        except LookupError:
+            return None
+
+def set_theme_variables():
+    if st.get_option("theme.base") == "dark":
+        background_color = "#31333F"  # Kolor tła dla trybu ciemnego
+        text_color = "#FFFFFF"
+        border_color = "#4A4A4A"
+    else:
+        background_color = "#FFFFFF"  # Kolor tła dla trybu jasnego
+        text_color = "#000000"
+        border_color = "#E0E0E0"
+    
+    custom_css = f"""
+    <style>
+    :root {{
+        --background-color: {background_color};
+        --text-color: {text_color};
+        --border-color: {border_color};
+    }}
+    </style>
+    """
+    st.markdown(custom_css, unsafe_allow_html=True)
+
+def inject_custom_css():
+    custom_css = """
+    <style>
+    /* Stylizacja kart metryk dla obu motywów */
+    [data-testid="metric-container"] {{
+        background-color: var(--background-color);
+        padding: 1rem;
+        border-radius: 0.5rem;
+        border: 1px solid var(--border-color);
+        box-shadow: 0px 2px 4px rgba(0,0,0,0.1);
+    }}
+    [data-testid="stMetricLabel"], [data-testid="stMetricValue"] {{
+        color: var(--text-color);
+    }}
+    </style>
+    """
+    st.markdown(custom_css, unsafe_allow_html=True)
+
 def main(language):
     translations = page_translations.get(language, page_translations['English'])
     
+    # Ustawienie zmiennych motywu
+    set_theme_variables()
+    
+    # Wstrzyknięcie niestandardowego CSS
+    inject_custom_css()
+    
     st.title(translations['header'])
     st.markdown(translations['description'])
     
     # Pobieranie danych z plików JSON
-    stats = get_stats()
-    history = get_history()
+    try:
+        stats = get_stats()
+        history = get_history()
+    except Exception as e:
+        st.error(f"Wystąpił błąd podczas pobierania danych: {e}")
+        st.stop()
     
     # Kluczowe metryki
     total_analyses = stats.get("total_analyses", 0)
@@ -122,29 +191,39 @@ def main(language):
     
     st.markdown("---")
     
-    # Dodanie interaktywnego filtra daty w bocznym panelu
-    st.sidebar.header(translations['select_date_range'])
-    start_date = st.sidebar.date_input(
-        "Start Date",
-        value=datetime.now().date() - timedelta(days=translations['recent_days']),
-        min_value=datetime.now().date() - timedelta(days=365),
-        max_value=datetime.now().date()
-    )
-    end_date = st.sidebar.date_input(
-        "End Date",
-        value=datetime.now().date(),
-        min_value=start_date,
-        max_value=datetime.now().date()
-    )
+    # Dodanie interaktywnego filtra daty w głównym obszarze
+    st.header(translations['select_date_range'])
+    try:
+        start_date = st.date_input(
+            translations['select_date_range'] + " - " + "Start",
+            value=datetime.now().date() - timedelta(days=translations['recent_days']),
+            min_value=datetime.now().date() - timedelta(days=365),
+            max_value=datetime.now().date()
+        )
+        end_date = st.date_input(
+            translations['select_date_range'] + " - " + "End",
+            value=datetime.now().date(),
+            min_value=start_date,
+            max_value=datetime.now().date()
+        )
+    except Exception as e:
+        st.error(f"Wystąpił błąd przy wyborze daty: {e}")
+        st.stop()
     
     # Filtracja historii na podstawie daty
     if history:
-        df_history = pd.DataFrame(history)
-        # Upewnij się, że 'timestamp' jest w formacie datetime
-        df_history['timestamp'] = pd.to_datetime(df_history['timestamp'])
-        # Filtracja na podstawie daty
-        mask = (df_history['timestamp'].dt.date >= start_date) & (df_history['timestamp'].dt.date <= end_date)
-        df_filtered = df_history.loc[mask]
+        try:
+            df_history = pd.DataFrame(history)
+            # Upewnij się, że 'timestamp' jest w formacie datetime
+            df_history['timestamp'] = pd.to_datetime(df_history['timestamp'], errors='coerce')
+            # Usunięcie wpisów z błędnymi datami
+            df_history = df_history.dropna(subset=['timestamp'])
+            # Filtracja na podstawie daty
+            mask = (df_history['timestamp'].dt.date >= start_date) & (df_history['timestamp'].dt.date <= end_date)
+            df_filtered = df_history.loc[mask]
+        except Exception as e:
+            st.error(f"Wystąpił błąd podczas filtrowania danych: {e}")
+            st.stop()
         
         # Wyświetlenie tabeli historii analiz
         st.markdown(f"### {translations['history_title']}")
@@ -188,9 +267,9 @@ def main(language):
         # Trend oszustw w czasie
         st.markdown("### " + translations['frauds_over_time'])
         fraud_over_time = df_filtered.groupby(df_filtered['timestamp'].dt.date)['phone_number'].count().reset_index()
-        fraud_over_time.rename(columns={'phone_number': 'frauds_detected'}, inplace=True)
-        fig_trend = px.line(fraud_over_time, x='timestamp', y='frauds_detected', title=translations['frauds_over_time'],
-                            labels={'timestamp': 'Date', 'frauds_detected': 'Frauds Detected'}, markers=True)
+        fraud_over_time.rename(columns={'timestamp': 'Date', 'phone_number': 'Frauds Detected'}, inplace=True)
+        fig_trend = px.line(fraud_over_time, x='Date', y='Frauds Detected', title=translations['frauds_over_time'],
+                            labels={'Date': 'Date', 'Frauds Detected': 'Frauds Detected'}, markers=True)
         fig_trend.update_traces(line=dict(color='firebrick'))
         st.plotly_chart(fig_trend, use_container_width=True)
         
@@ -219,7 +298,7 @@ def main(language):
         fraud_countries.columns = ['country', 'counts']
         
         # Dodanie kodów krajów
-        fraud_countries['iso_alpha'] = fraud_countries['country'].apply(lambda x: pycountry.countries.lookup(x).alpha_3 if x != "Unknown" else None)
+        fraud_countries['iso_alpha'] = fraud_countries['country'].apply(lambda x: get_iso_alpha3(x) if x != "Unknown" else None)
         fraud_countries = fraud_countries.dropna(subset=['iso_alpha'])
         
         if not fraud_countries.empty:
@@ -238,52 +317,6 @@ def main(language):
         
         st.markdown("---")
         
-        # Dodatkowe Wizualizacje
-        st.markdown("### " + translations['heatmap_title'])
-        # Heatmapa oszustw na podstawie lokalizacji
-        if not fraud_countries.empty:
-            # Przygotowanie danych geograficznych
-            # Użyjemy szerokości i długości geograficznej krajów
-            country_coords = {}
-            for country in fraud_countries['country'].unique():
-                if country == "Unknown":
-                    country_coords[country] = (0, 0)  # Centrum świata
-                else:
-                    try:
-                        country_obj = pycountry.countries.lookup(country)
-                        # Użyjemy średnich szerokości i długości geograficznej
-                        geocode_url = f"https://restcountries.com/v3.1/name/{country}"
-                        response = requests.get(geocode_url)
-                        if response.status_code == 200:
-                            data = response.json()
-                            lat = data[0]['latlng'][0]
-                            lon = data[0]['latlng'][1]
-                            country_coords[country] = (lat, lon)
-                        else:
-                            country_coords[country] = (0, 0)
-                    except:
-                        country_coords[country] = (0, 0)
-            
-            fraud_countries['lat'] = fraud_countries['country'].apply(lambda x: country_coords.get(x, (0,0))[0])
-            fraud_countries['lon'] = fraud_countries['country'].apply(lambda x: country_coords.get(x, (0,0))[1])
-            
-            # Tworzenie Heatmapy
-            fig_heatmap = px.density_mapbox(
-                fraud_countries,
-                lat='lat',
-                lon='lon',
-                z='counts',
-                radius=10,
-                center=dict(lat=20, lon=0),
-                zoom=1,
-                mapbox_style="stamen-terrain",
-                title=translations['heatmap_title']
-            )
-            fig_heatmap.update_geos(showcountries=True, showcoastlines=True)
-            st.plotly_chart(fig_heatmap, use_container_width=True)
-        else:
-            st.info(translations['no_data'])
-        
         # Gauge Chart - Procentowy udział oszustw
         st.markdown("### " + translations['fraud_percentage'])
         fig_gauge = go.Figure(go.Indicator(
@@ -308,3 +341,6 @@ def main(language):
             }
         ))
         st.plotly_chart(fig_gauge, use_container_width=True)
+        
+    else:
+        st.info(translations['no_data'])