app.py

import streamlit as st
import pandas as pd
import matplotlib.pyplot as plt
import pandas_bokeh
import seaborn as sns
import matplotlib.font_manager as fm
import time
import random



# Start of the site here. Include Title, Header and Sub-headers as needed. Also include a paragraph describing what we're trying to show on our site
st.title('이제 동대문에서 꼭 맛봐야 할 베트남 음식 트렌드!')
st.header('미식가 블로그 추천: 동대문 최고의 베트남 음식점 탐방')
st.subheader('베트남의 맛을 탐험!! 현지에서 즐길 수 있도록 맛있게 만든 저렴한 지역 요리')
st.subheader('쌀국수, 분보후에, 짜조, 또는 볶음밥과 같은 음식')

# I included a link to the namu wikipedia that talks about basic Vietnamese Cuisine and History
st.write('''동대문에서 [베트남 요리](https://namu.wiki/w/%EB%B2%A0%ED%8A%B8%EB%82%A8%20%EC%9A%94%EB%A6%AC)의 인기는 단순한 일시적인 유행을 넘어 음식을 통한 문화 교류의 힘을 보여주는 증거다. 
한국인들은 베트남 요리의 강렬한 맛과 신선한 재료를 받아들이고 있으며, 베트남 요리사들은 현지인들의 입맛에 맞춰 조리법을 조정하고 있다. 이러한 요리의 융합은 다양성과 혁신을 기념하는 동대문 음식 문화의 새로운 장을 열고 있다. 
''' )

# Insert photo(s) to support
st.image('final_image_2.jpg', caption='베트남 전통 요리')

st.write('''향긋한 쌀국수의 김이 모락모락 피어오르고, 젓가락 부딪치는 소리와 활기찬 대화가 어우러지며, 신선한 허브 향이 공기를 가득 채운다. 이곳은 베트남이 아니라, 베트남 요리가 전례 없는 인기를 누리고 있는 동대문이다. 한때 아는 사람만 알던 숨은 보석 같던 베트남 식당들은 이제 번화한 거리 곳곳에 자리 잡아 각자의 독특한 방식으로 베트남 전통 음식을 선보다. 
따뜻한 분짜 한 그릇이든 바삭한 반쎄오 한 접시든, 동대문은 베트남 미식 여행으로 가는 티켓과 같다.''' )

st.image('final_image_4.jpg', caption='어디서든 사랑받는 인기 메뉴: 베트남 쌀국수 (포)')

st.image('final_image_3.jpg', caption='반쎄오')


st.header('동대문, 베트남 미식 여행의 성지!')
st.subheader('가성비 최고의 베트남 음식을 찾으신다면 동대문이 정답입니다')
st.subheader('북부 하노이의 쌀국수부터 남부 호치민의 반쎄오까지, 베트남 전역의 다채로운 맛을 한 곳에서 즐길 수 있는 기회')
st.write('''어떤 맛집을 가야 할지 고민이라면? 걱정 마세요! 150개 이상의 엄선된 블로그 후기를 통해 현지인들이 추천하는 진짜 맛집을 찾아 떠나보세요. 당신의 입맛을 사로잡을 인생 베트남 음식을 만나게 될 겁니다''' )

# 데이터 보여주기
df_동대문구_베트남_맛집 = pd.read_excel('vietnam_food_dongdaemun_BLOGS.xlsx', index_col=0)
st.write('',df_동대문구_베트남_맛집)

df_동대문구_베트남_맛집_keyword = pd.read_excel('vietnam_food_KEYWORDS.xlsx', index_col=0)
st.write('블로그 글에서 가장 많이 출현한 단어는 ~~~ 설명~~~', df_동대문구_베트남_맛집_keyword)



# 워드클라우드 - WORDCLOUD
st.write('주요  단어들을 워드클라우드로 보여주면 다음과 같다')
st.image('final_WORDCLOUD.png')



# 연결망 분석 - NETWORK
st.write('''취재팀은 주요  단어들 간에 공동출현하는 관계를 바탕으로 의미연결망을 그려보았다.
        분석결과, ~~설명~~''')
st.image('final_NETWORK.png')

##### SEARCHING ####

#
df_동대문구_베트남_맛집_2 = pd.read_excel('vietnam_food_dongdaemun_BLOGS.xlsx', index_col=0)

# 검색어 입력 받아 출력
query = st.text_input('음식 이름, 식당 이름 등의 검색어를 입력하세요.', key='region1_input')
df_동대문구_베트남_맛집_2['select1']=df_동대문구_베트남_맛집_2['text'].apply(lambda x: 1 if query in x else 0)
st.write('검색 결과:', df_동대문구_베트남_맛집_2[df_동대문구_베트남_맛집_2['select1']==1])

##### HEATMAP #####

# Load the data from the saved Excel file
file_path_google = 'formatted_google_trends_vietnam_food.xlsx'
file_path_naver = 'naver_trends_vietnam_food.xlsx'

df_google = pd.read_excel(file_path_google, index_col=0)
df_naver = pd.read_excel(file_path_naver, index_col=0)

# Set the font family to a font that supports Korean characters
font_path = 'NanumGothic.ttf'  # Update this path to the location of your Korean font
font_name = fm.FontProperties(fname=font_path).get_name()
plt.rc('font', family=font_name)

# Streamlit app
st.title('한국 내 "베트남 음식" 월별 트렌드 데이터 (2022년 vs 2023년)')

# Function to process and display the data
def process_and_display_data(df, source_name):
    if not df.empty:
        if 'Date' in df.columns:
            
            df['Date'] = pd.to_datetime(df['Date'])
            df['Month'] = df['Date'].dt.month
            df['Year'] = df['Date'].dt.year
            df = df.pivot(index='Year', columns='Month', values='Value')
        
        df.index = df.index.astype(int)

        # Convert month numbers to month names
        month_names = ['January', 'February', 'March', 'April', 'May', 'June', 'July', 'August', 'September', 'October', 'November', 'December']
        df.columns = month_names

        # Normalize the data to improve gradient visibility
        df_normalized = (df - df.min().min()) / (df.max().max() - df.min().min())

        # Apply background_gradient with normalization
        df_heatmap = df_normalized.style.background_gradient(cmap='Oranges').format("{:.2f}")

        st.write(f'Number of searches for each month ({source_name}):')
        
        # Create a seaborn heatmap for better visualization since matplot gradient wasn't working
        plt.figure(figsize=(12, 4))
        sns.heatmap(df, annot=True, fmt=".1f", cmap="Oranges", linewidths=.5, cbar_kws={'label': 'Number of Searches'})
        plt.title(f'Monthly {source_name} Trends Data for 베트남 음식 in South Korea (2022 vs 2023)', fontsize=22, fontproperties=fm.FontProperties(fname=font_path))
        plt.xlabel('Month', fontsize=14, fontproperties=fm.FontProperties(fname=font_path))
        plt.ylabel('Year', fontsize=14, fontproperties=fm.FontProperties(fname=font_path))
        plt.xticks(rotation=45, fontproperties=fm.FontProperties(fname=font_path))
        plt.yticks(rotation=0, fontproperties=fm.FontProperties(fname=font_path))
        st.pyplot(plt)
    else:
        st.write(f"No data available in the {source_name} Excel file.")

# Display Google Trends Data
process_and_display_data(df_google, "Google Trends")

# Display Naver Data Lab Data
process_and_display_data(df_naver, "Naver Data Lab")