Update pages/Statistics.py

pages/Statistics.py

@@ -6,8 +6,11 @@ import plotly.express as px
 import plotly.graph_objects as go
 import re
 from datetime import datetime
-from utils.functions import get_stats, get_history, get_phone_info
-import logging
+
+from utils.functions import (
+    get_stats,
+    get_history
+)
 
 # Definiowanie tłumaczeń dla zakładki "Statystyki"
 page_translations = {
@@ -70,8 +73,8 @@ def main(language):
     history = get_history()
 
     # Kluczowe metryki
-    total_analyses = stats.get("total_analyses", 0)
-    total_frauds_detected = stats.get("total_frauds_detected", 0)
+    total_analyses = stats["total_analyses"]
+    total_frauds_detected = stats["total_frauds_detected"]
 
     # Wyświetlenie metryk
     st.title(translations['header'])
@@ -92,19 +95,21 @@ def main(language):
     # Wizualizacja procentowego podziału oszustw
     fraud_data = [total_frauds_detected, total_analyses - total_frauds_detected]
     fraud_labels = ['Fraud', 'Non-Fraud']
-    colors = ['#FF6347', '#4682B4']  # Kolory: czerwień i niebieski
-    fig_fraud_pie = go.Figure(data=[go.Pie(labels=fraud_labels, values=fraud_data, hole=.3, marker_colors=colors)])
+    fig_fraud_pie = go.Figure(data=[go.Pie(labels=fraud_labels, values=fraud_data, hole=.3, marker_colors=['#FF6347', '#4682B4'])])
     fig_fraud_pie.update_layout(title_text=translations['fraud_vs_nonfraud'])
     st.plotly_chart(fig_fraud_pie, use_container_width=True)
 
     # Wyświetlenie historii analiz w tabeli
     if history:
         st.markdown(f"### {translations['history_title']}")
+        # Tworzenie DataFrame z listy słowników
         df_history = pd.DataFrame(history)
 
-        # Konwersja timestamp na datę i dodanie kolumny 'date'
+        # Upewnij się, że 'timestamp' jest w formacie datetime
         df_history['timestamp'] = pd.to_datetime(df_history['timestamp'])
-        df_history['date'] = df_history['timestamp'].dt.date  # Dodanie kolumny date
+
+        # Dodanie kolumny 'date' dla wizualizacji
+        df_history['date'] = df_history['timestamp'].dt.date
 
         # Wyświetlenie tabeli historii
         st.dataframe(df_history[['timestamp', 'phone_number', 'risk_assessment']], height=300)
@@ -112,7 +117,7 @@ def main(language):
         # Wykres kołowy dla ocen ryzyka
         st.markdown(f"### {translations['risk_distribution']}")
         
-        # Użycie wyrażenia regularnego do wyodrębnienia liczby z tekstu oceny ryzyka
+        # Wyodrębnienie ocen ryzyka
         def extract_risk_score(risk_assessment):
             match = re.search(r'(\d+)/10', risk_assessment)
             return int(match.group(1)) if match else 0
@@ -138,28 +143,30 @@ def main(language):
         )
         st.plotly_chart(fig_heatmap, use_container_width=True)
 
-        # Dodanie mapy Europy (wymaga danych krajów dla numerów telefonów)
+        # Wizualizacja rozkładu oszustw według krajów
         st.markdown(f"### {translations['fraud_country_distribution']}")
-        # Dodanie kolumny 'country' poprzez analizę numerów telefonów
-        def get_country(phone_number):
-            country, _ = get_phone_info(phone_number)
-            return country if country else 'Unknown'
 
-        df_history['country'] = df_history['phone_number'].apply(get_country)
+        # Dodanie informacji o kraju do historii (jeśli dostępne)
+        # Jeśli nie masz danych o kraju, możesz je dodać poprzez pobranie informacji o numerze telefonu
+        # Dodamy teraz prostą funkcję, która doda kraj na podstawie numeru telefonu
+        from utils.functions import get_phone_info
 
-        country_data = df_history['country'].value_counts().reset_index()
-        country_data.columns = ['country', 'counts']
+        def add_country_info(row):
+            country, _ = get_phone_info(row['phone_number'])
+            return country
 
-        # Sprawdzenie, czy są dane o krajach
-        if country_data['country'].nunique() > 0 and 'Unknown' not in country_data['country'].values:
+        df_history['country'] = df_history.apply(add_country_info, axis=1)
+
+        if 'country' in df_history.columns and df_history['country'].notnull().any():
+            country_data = df_history['country'].value_counts().reset_index()
+            country_data.columns = ['country', 'counts']
             fig_map = px.choropleth(
                 country_data, 
                 locations='country', 
                 locationmode='country names', 
                 color='counts', 
                 title=translations['fraud_country_distribution'], 
-                color_continuous_scale=px.colors.sequential.Plasma,
-                labels={'counts': 'Number of Frauds'}
+                color_continuous_scale=px.colors.sequential.Plasma
             )
             st.plotly_chart(fig_map, use_container_width=True)
         else:
@@ -167,5 +174,4 @@ def main(language):
 
     else:
         st.info(translations['no_data'])
-
-# Nie dodawaj "if __name__ == '__main__':" w podstronach
+