Update pages/Statistics.py

pages/Statistics.py

@@ -4,8 +4,51 @@ import plotly.express as px
 import json
 from datetime import datetime
 
-# Ustawienie konfiguracji strony (należy upewnić się, że nie zostanie to wywołane więcej niż raz)
-st.set_page_config(page_title="📊 Statystyki", page_icon="📈", layout="wide")
+# Definiowanie tłumaczeń dla zakładki "Statystyki"
+page_translations = {
+    'Polish': {
+        'page_title': "📊 Statystyki",
+        'page_icon': "📈",
+        'header': "📊 Statystyki Aplikacji",
+        'description': "Poniżej znajdują się statystyki analizy wiadomości w aplikacji.",
+        'total_analyses': "Liczba przeanalizowanych wiadomości",
+        'total_frauds_detected': "Wykryte oszustwa",
+        'fraud_percentage': "Procent oszustw",
+        'history_title': "Historia analizowanych wiadomości",
+        'analyses_over_time': "Liczba analizowanych wiadomości w czasie",
+        'frauds_over_time': "Liczba wykrytych oszustw w czasie",
+        'risk_distribution': "Rozkład ocen ryzyka oszustwa",
+        'no_data': "Brak dostępnych danych do wyświetlenia."
+    },
+    'German': {
+        'page_title': "📊 Statistiken",
+        'page_icon': "📈",
+        'header': "📊 Anwendungsstatistiken",
+        'description': "Nachfolgend finden Sie die Statistiken zur Nachrichtenanalyse in der Anwendung.",
+        'total_analyses': "Anzahl der analysierten Nachrichten",
+        'total_frauds_detected': "Erkannte Betrügereien",
+        'fraud_percentage': "Betrugsprozentsatz",
+        'history_title': "Analyseverlauf der Nachrichten",
+        'analyses_over_time': "Anzahl der analysierten Nachrichten im Laufe der Zeit",
+        'frauds_over_time': "Anzahl der erkannten Betrügereien im Laufe der Zeit",
+        'risk_distribution': "Verteilung der Betrugsrisikobewertungen",
+        'no_data': "Keine Daten zur Anzeige verfügbar."
+    },
+    'English': {
+        'page_title': "📊 Statistics",
+        'page_icon': "📈",
+        'header': "📊 Application Statistics",
+        'description': "Below are the statistics of message analysis in the app.",
+        'total_analyses': "Total Messages Analyzed",
+        'total_frauds_detected': "Frauds Detected",
+        'fraud_percentage': "Fraud Percentage",
+        'history_title': "History of Analyzed Messages",
+        'analyses_over_time': "Number of Analyzed Messages Over Time",
+        'frauds_over_time': "Number of Detected Frauds Over Time",
+        'risk_distribution': "Distribution of Fraud Risk Scores",
+        'no_data': "No data available to display."
+    }
+}
 
 # Funkcja do pobierania statystyk
 def get_stats():
@@ -27,60 +70,64 @@ def get_history():
     except (json.JSONDecodeError, FileNotFoundError):
         return []
 
-# Pobieranie danych z plików
-stats = get_stats()
-history = get_history()
-
-# Kluczowe metryki
-total_analyses = stats["total_analyses"]
-total_frauds_detected = stats["total_frauds_detected"]
-
-# Wyświetlenie metryk w poziomych kolumnach
-st.title("📊 Statystyki Aplikacji")
-st.markdown("Poniżej znajdują się statystyki analizy wiadomości w aplikacji.")
-
-col1, col2, col3 = st.columns(3)
-col1.metric(label="Liczba przeanalizowanych wiadomości", value=total_analyses)
-col2.metric(label="Wykryte oszustwa", value=total_frauds_detected)
-
-# Obsługa przypadku, gdy total_analyses jest równe 0
-if total_analyses > 0:
-    fraud_percentage = (total_frauds_detected / total_analyses) * 100
-else:
-    fraud_percentage = 0  # Ustawienie 0% w przypadku braku analiz
-
-col3.metric(label="Procent oszustw", value=f"{fraud_percentage:.2f}%")
-
-# Wyświetlenie historii analiz w tabeli
-if history:
-    st.markdown("### Historia analizowanych wiadomości")
-    df_history = pd.DataFrame(history)
-
-    # Formatowanie daty
-    df_history['timestamp'] = pd.to_datetime(df_history['timestamp'])
-
-    # Wyświetlenie tabeli historii
-    st.dataframe(df_history[['timestamp', 'phone_number', 'risk_assessment']], height=300)
-
-    # Wizualizacja liczby analiz w czasie
-    st.markdown("### Liczba analizowanych wiadomości w czasie")
-    df_history['date'] = df_history['timestamp'].dt.date
-    analyses_over_time = df_history.groupby('date').size().reset_index(name='counts')
-    fig_analyses_over_time = px.line(analyses_over_time, x='date', y='counts', title='Liczba analizowanych wiadomości w czasie')
-    st.plotly_chart(fig_analyses_over_time)
-
-    # Wizualizacja oszustw w czasie
-    st.markdown("### Liczba wykrytych oszustw w czasie")
-    df_history['fraud_detected'] = df_history['risk_assessment'].apply(lambda x: 'Wykryte oszustwo' if '10/10' in x else 'Brak oszustwa')
-    frauds_over_time = df_history.groupby(['date', 'fraud_detected']).size().reset_index(name='counts')
-    fig_frauds_over_time = px.bar(frauds_over_time, x='date', y='counts', color='fraud_detected', title='Wykryte oszustwa w czasie')
-    st.plotly_chart(fig_frauds_over_time)
-else:
-    st.info("Brak dostępnych danych do wyświetlenia.")
-
-# Wizualizacje ryzyka oszustwa (jeśli są dostępne dane)
-if history:
-    st.markdown("### Rozkład ocen ryzyka oszustwa")
-    df_history['risk_score'] = df_history['risk_assessment'].apply(lambda x: int(x.split('/')[0]) if '/' in x else 0)
-    fig_risk_distribution = px.histogram(df_history, x='risk_score', nbins=10, title='Rozkład ocen ryzyka oszustwa (1-10)')
-    st.plotly_chart(fig_risk_distribution)
+# Główna funkcja zakładki "Statystyki"
+def main(language):
+    translations = page_translations[language]
+
+    # Pobieranie danych z plików
+    stats = get_stats()
+    history = get_history()
+
+    # Kluczowe metryki
+    total_analyses = stats["total_analyses"]
+    total_frauds_detected = stats["total_frauds_detected"]
+
+    # Wyświetlenie metryk
+    st.title(translations['header'])
+    st.markdown(translations['description'])
+
+    col1, col2, col3 = st.columns(3)
+    col1.metric(label=translations['total_analyses'], value=total_analyses)
+    col2.metric(label=translations['total_frauds_detected'], value=total_frauds_detected)
+
+    # Obsługa dzielenia przez zero
+    if total_analyses > 0:
+        fraud_percentage = (total_frauds_detected / total_analyses) * 100
+    else:
+        fraud_percentage = 0  # Ustawienie na 0% w przypadku braku analiz
+
+    col3.metric(label=translations['fraud_percentage'], value=f"{fraud_percentage:.2f}%")
+
+    # Wyświetlenie historii analiz w tabeli
+    if history:
+        st.markdown(f"### {translations['history_title']}")
+        df_history = pd.DataFrame(history)
+
+        # Formatowanie daty
+        df_history['timestamp'] = pd.to_datetime(df_history['timestamp'])
+
+        # Wyświetlenie tabeli historii
+        st.dataframe(df_history[['timestamp', 'phone_number', 'risk_assessment']], height=300)
+
+        # Wizualizacja liczby analiz w czasie
+        st.markdown(f"### {translations['analyses_over_time']}")
+        df_history['date'] = df_history['timestamp'].dt.date
+        analyses_over_time = df_history.groupby('date').size().reset_index(name='counts')
+        fig_analyses_over_time = px.line(analyses_over_time, x='date', y='counts', title=translations['analyses_over_time'])
+        st.plotly_chart(fig_analyses_over_time)
+
+        # Wizualizacja oszustw w czasie
+        st.markdown(f"### {translations['frauds_over_time']}")
+        df_history['fraud_detected'] = df_history['risk_assessment'].apply(lambda x: 'Detected Fraud' if '10/10' in x else 'No Fraud')
+        frauds_over_time = df_history.groupby(['date', 'fraud_detected']).size().reset_index(name='counts')
+        fig_frauds_over_time = px.bar(frauds_over_time, x='date', y='counts', color='fraud_detected', title=translations['frauds_over_time'])
+        st.plotly_chart(fig_frauds_over_time)
+    else:
+        st.info(translations['no_data'])
+
+    # Wizualizacje ryzyka oszustwa (jeśli są dostępne dane)
+    if history:
+        st.markdown(f"### {translations['risk_distribution']}")
+        df_history['risk_score'] = df_history['risk_assessment'].apply(lambda x: int(x.split('/')[0]) if '/' in x else 0)
+        fig_risk_distribution = px.histogram(df_history, x='risk_score', nbins=10, title=translations['risk_distribution'])
+        st.plotly_chart(fig_risk_distribution)