Update app.py

app.py

@@ -1,40 +1,44 @@
-
 import pandas as pd
 import matplotlib.pyplot as plt
 import gradio as gr
+import tempfile
+import os
 
 def analyze_csv(file):
+    # 读取上传的文件
     df = pd.read_csv(file.name)
 
+    # 统计信息
     stats = df.describe().loc[["mean", "std", "min", "max"]].round(2).to_string()
 
-    # 生成图像
+    # 临时生成图片路径
+    tmp_img_path = os.path.join(tempfile.gettempdir(), "income_vs_score.png")
+
+    # 绘制散点图
     plt.figure(figsize=(6, 4))
     plt.scatter(df["Income"], df["SpendingScore"], alpha=0.7)
     plt.title("Income vs Spending Score")
     plt.xlabel("Income")
     plt.ylabel("Spending Score")
     plt.grid(True)
-    img_path = "income_vs_score.png"
-    plt.savefig(img_path)
+    plt.tight_layout()
+    plt.savefig(tmp_img_path)
     plt.close()
 
+    # 返回字典结构，避免多输出 schema 解析问题
     return {
-        "📊 Summary": stats,
-        "📈 Chart": img_path
+        "统计摘要": stats,
+        "图表": tmp_img_path
     }
 
+# Gradio 接口，注意 outputs 使用 gr.Json 兼容 dict 返回
 iface = gr.Interface(
     fn=analyze_csv,
-    inputs=gr.File(label="Upload CSV File", file_types=[".csv"]),
-    outputs=[
-        gr.Text(label="📊 Summary"),
-        gr.Image(label="📈 Chart")
-    ],
+    inputs=gr.File(file_types=[".csv"], label="上传CSV文件"),
+    outputs=gr.JSON(label="分析结果（包含统计摘要 + 图像路径）"),
     title="📊 表格分析大模型",
-    description="上传一个CSV表格，我将输出统计分析结果并展示一张图表。"
+    description="上传一个CSV表格，我将输出统计分析结果并展示一张图表的路径。"
 )
 
-
 if __name__ == "__main__":
     iface.launch()