Upload 2 files

app.py

@@ -0,0 +1,315 @@
+import pandas as pd
+import datetime
+import os
+import base64
+from catboost import CatBoostClassifier, Pool
+import streamlit as st
+
+st.set_page_config(
+    page_title="Hockey Match Prediction",
+    page_icon="🏒",
+    layout="wide"
+)
+
+# Функция загрузки данных
+@st.cache_data
+def load_data():
+    df = pd.read_csv("/home/savr/rink_master/rink_master_47816_wteams.csv")
+    df['gameDate'] = pd.to_datetime(df['gameDate'])
+    
+    # Извлечение года и месяца, и создание нового столбца Season
+    df["Year"] = df["gameDate"].dt.year
+    df["Month"] = df["gameDate"].dt.month
+    df["Season"] = df["Year"].astype(str) + "-" + (df["Year"] + 1).astype(str)
+    
+    # Создание SeasonWeight и NormalizedWeight
+    seasons = df["Season"].unique()
+    season_weights = {season: i + 1 for i, season in enumerate(sorted(seasons))}
+    max_season_weight = max(season_weights.values())
+    min_season_weight = min(season_weights.values())
+    df["SeasonWeight"] = df["Season"].map(season_weights)
+    df["NormalizedWeight"] = (df["SeasonWeight"] - min_season_weight) / (
+        max_season_weight - min_season_weight
+    )
+    df["Weights"] = df.groupby("Season")["NormalizedWeight"].transform("mean")
+    
+    
+    return df
+
+data = load_data()
+
+
+# Определение результата
+def determine_result(row):
+    if (
+        row["Win"] != 0
+        or row["regulationWins"] != 0
+        or row["regulationAndOtWins"] != 0
+        or row["shootoutWins"] != 0
+    ):
+        return 1  # Победа
+    elif row["Loss"] != 0 or row["OTLoss"] != 0:
+        return 0  # Поражение
+    else:
+        return -1  # Неопределено
+
+data["Result"] = data.apply(determine_result, axis=1)
+
+# Маппинг команд на числовые значения
+fullname_to_code = {
+    "New Jersey Devils": 1, "New York Islanders": 2, "New York Rangers": 3,
+    "Philadelphia Flyers": 4, "Pittsburgh Penguins": 5, "Boston Bruins": 6,
+    "Buffalo Sabres": 7, "Montréal Canadiens": 8, "Ottawa Senators": 9,
+    "Toronto Maple Leafs": 10, "Carolina Hurricanes": 11, "Florida Panthers": 12,
+    "Tampa Bay Lightning": 13, "Washington Capitals": 14, "Chicago Blackhawks": 15,
+    "Detroit Red Wings": 16, "Nashville Predators": 17, "St. Louis Blues": 18,
+    "Calgary Flames": 19, "Colorado Avalanche": 20, "Edmonton Oilers": 21,
+    "Vancouver Canucks": 22, "Anaheim Ducks": 23, "Dallas Stars": 24,
+    "Los Angeles Kings": 25, "San Jose Sharks": 26, "Columbus Blue Jackets": 27,
+    "Minnesota Wild": 28, "Winnipeg Jets": 29, "Arizona Coyotes": 30,
+    "Vegas Golden Knights": 31, "Seattle Kraken": 32,
+}
+
+data["Team"] = data["Team"].map(fullname_to_code)
+data["Opponent"] = data["Opponent"].map(fullname_to_code)
+
+# Разделение данных на обучающую и тестовую выборки
+train = data[data["gameDate"] < "2023-10-10"]
+test = data[data["gameDate"] >= "2023-10-10"]
+
+# Определение колонок, которые будут удалены
+features_to_drop = [
+    "Result", "gameDate", "gameID", "gamesPlayed", "Win", "Loss", "Tie",
+    "OTLoss", "points", "pointPct", "regulationWins", "regulationAndOtWins",
+    "shootoutWins", "goalsFor", "goalsAgainst", "goalsForPerGame",
+    "goalsAgainstPerGame", "powerPlayPct", "penaltyKillPct", "powerPlayNetPct",
+    "penaltyKillNetPct", "shotsForPerGame", "shotsAgainstPerGame",
+    "faceoffWinPct", "Year", "Month", "Season", "NonRegulationTime",
+    "SeasonWeight", "NormalizedWeight"
+]
+
+code_to_fullname = {v: k for k, v in fullname_to_code.items()}  # Создание обратного маппинга
+
+# Убедитесь, что колонки для удаления существуют в данных
+features_to_drop = [col for col in features_to_drop if col in train.columns]
+
+# Обновление признаков, включая Weight
+X_train = train.drop(columns=features_to_drop)
+y_train = train["Result"]
+X_test = test.drop(columns=features_to_drop)
+y_test = test["Result"]
+
+
+# Функция для загрузки модели CatBoost
+@st.cache_resource
+def load_catboost_model(file_path):
+    try:
+        model = CatBoostClassifier()
+        model.load_model(file_path)
+        # st.write(f"Тип загруженной модели: {type(model)}")  # Для отладки
+        return model
+    except Exception as e:
+        st.write(f"Ошибка при загрузке модели CatBoost: {e}")
+        return None
+
+model_path = "/home/savr/rink_master/catboost_model.cb"
+model = load_catboost_model(model_path)
+
+# # Проверка признаков
+# model_feature_names = model.feature_names_
+# st.write("Признаки модели:", model_feature_names)
+# st.write("Признаки в данных для обучения:", X_train.columns.tolist())
+
+# Маппинг для homeRoad
+home_road_mapping = {
+    1: "На выезде",
+    0: "Дома"
+}
+
+win_mapping = {
+    1: "Победа",
+    0: "Не победа: Поражение или Ничья"
+}
+
+
+# Функция для предсказания исхода
+def predict_winner(row, model):
+    # print(f"Тип модели в predict_winner: {type(model)}")  # Для отладки
+    try:
+        # Подготовка входных данных
+        features = pd.DataFrame([row], columns=X_train.columns).fillna(0)
+        
+        # Создание объекта Pool для CatBoost
+        pool = Pool(data=features, feature_names=X_train.columns.tolist())
+
+        # Сделайте предсказание
+        prediction = model.predict(pool)
+        prediction_proba = model.predict_proba(pool)
+        # st.write(f"Предсказание: {prediction}, вероятность: {prediction_proba}")  # Для отладки
+        
+        # Верните результат и вероятность
+        result = 'Победа с вероятностью' if prediction[0] == 1 else 'Не победа: Поражение или Ничья с вероятностью'
+        probability = prediction_proba[0][1] if prediction[0] == 1 else prediction_proba[0][0]
+        
+        return result, probability
+        
+    except Exception as e:
+        print(f"Ошибка при предсказании: {e}")
+        return "Ошибка"
+
+
+st.markdown(
+    """
+    <style>
+    @import url('https://fonts.googleapis.com/css2?family=Anton:wght@400;700&display=swap');
+    
+    .title {
+        font-size: 48px;
+        font-weight: 700;
+        color: #0A74DA; /* Темно-голубой цвет */
+        font-family: 'Anton', sans-serif; /* шрифт Anton */
+        text-transform: uppercase; /* все буквы заглавные */
+        text-shadow: 2px 2px 4px #000000; /* тень текста */
+        margin-bottom: 20px;
+        text-align: center; /* Центрирование текста */
+    }
+
+    .title-container {
+        background: rgba(255, 255, 255, 1.0); /* Белый фон */
+        padding: 10px;
+        border-radius: 10px;
+        margin-bottom: 20px;
+        display: inline-block;
+        width: 100%; /* Занимает всю ширину, чтобы текст был по центру */
+    }
+
+    .stApp {
+        display: flex;
+        justify-content: center;
+        align-items: center;
+        min-height: 100vh;
+        flex-direction: column;
+    }
+
+    .stMarkdown, .stTable, .stDataFrame, .stForm, .stTextInput, .stDateInput, .stSelectbox {
+        background: rgba(255, 255, 255, 1.0); /* Белый фон */
+        border-radius: 10px;
+        padding: 10px;
+        margin-bottom: 20px;
+        display: inline-block; /* Чтобы контейнеры не растягивались */
+        max-width: fit-content; /* Максимальная ширина по содержимому */
+    }
+
+    </style>
+    """,
+    unsafe_allow_html=True
+)
+
+
+st.markdown('<div class="title-container"><h1 class="title">Предсказание исходов хоккейных матчей NHL 🏒🥅🏆</h1></div>', unsafe_allow_html=True)
+
+
+# Добавление навигации по страницам
+st.sidebar.markdown("## Навигация")
+page = st.sidebar.selectbox("Выберите страницу", ["Основная", "Графики"])
+
+if page == "Основная":
+    st.sidebar.title("Поиск по фильтрам")
+
+    selected_date = st.sidebar.date_input("Выберите дату", value=datetime.date(2023, 10, 8), key="date_input")
+    selected_team = st.sidebar.selectbox("Выберите команду", options=["Все"] + list(fullname_to_code.keys()), key="team_select")
+    selected_opponent = st.sidebar.selectbox("Выберите оппонента", options=["Все"] + list(fullname_to_code.keys()), key="opponent_select")
+    selected_home_road = st.sidebar.selectbox("Где играет команда?", options=["Все", "Дома", "На выезде"], key="home_road_select")
+
+    # Фильтрация данных по выбранным критериям
+    filtered_data = data[data['gameDate'] == pd.to_datetime(selected_date)]
+
+    if selected_team != "Все":
+        filtered_data = filtered_data[filtered_data['Team'] == fullname_to_code[selected_team]]
+
+    if selected_opponent != "Все":
+        filtered_data = filtered_data[filtered_data['Opponent'] == fullname_to_code[selected_opponent]]
+
+    if selected_home_road != "Все":
+        filtered_data = filtered_data[filtered_data['homeRoad'] == (1 if selected_home_road == "Да" else 0)]
+
+    if not filtered_data.empty:
+        st.write(f"Игры на {selected_date}:")
+
+        col1, col2, col3, col4, col5 = st.columns(5)
+        col1.write("Команда")
+        col2.write("Оппонент")
+        col3.write("Где играет команда?")
+        col4.write("Актуальный исход матча")
+        col5.write("Предсказание")
+
+        for index, row in filtered_data.iterrows():
+            col1, col2, col3, col4, col5 = st.columns(5)
+            col1.write(code_to_fullname[row['Team']])
+            col2.write(code_to_fullname[row['Opponent']])
+            col3.write(home_road_mapping.get(row['homeRoad'], 'Неизвестно'))
+            col4.write(win_mapping.get(row['Win'], 'Нет'))
+            if col5.button('Предсказание', key=index):
+                row_dict = row.to_dict()
+                prediction, probability = predict_winner(row_dict, model)
+                st.write(f"Предсказание для игры {code_to_fullname[row['Team']]} vs {code_to_fullname[row['Opponent']]}: {prediction}  {probability:.2f}")
+    else:
+        st.write("Нет игр на выбранную дату.")
+
+    # Установка фонового изображения
+    background_image_path = "7.jpeg"
+
+    if os.path.exists(background_image_path):
+        with open(background_image_path, "rb") as image_file:
+            encoded_image = base64.b64encode(image_file.read()).decode()
+
+        st.markdown(
+            f"""
+            <style>
+            .stApp {{
+                background-image: url("data:image/jpeg;base64,{encoded_image}");
+                background-size: cover;
+                background-repeat: no-repeat;
+                background-position: center center;
+            }}
+            .stSidebar {{
+                background: rgba(255, 255, 255, 0.8);
+            }}
+            .stButton {{
+                background-color: #0A74DA;
+                color: white;
+            }}
+            </style>
+            """,
+            unsafe_allow_html=True
+        )
+    else:
+        st.error(f"Изображение не найдено по пути: {background_image_path}")
+
+elif page == "Графики":
+    st.title("Графики и Анализ")
+
+    # Импортирование библиотек для графиков
+    import matplotlib.pyplot as plt
+    import seaborn as sns
+    
+    # Отображение локального изображения
+    image_path = "/home/savr/rink_master/graphs/1.png"  # Укажите путь к вашему изображению
+    st.image(image_path, use_column_width=True)
+
+    # Отображение второго локального изображения
+    image_path2 = "/home/savr/rink_master/graphs/2.png"  # Укажите путь ко второму изображению
+    st.image(image_path2, use_column_width=True)
+
+    image_path3 = "/home/savr/rink_master/graphs/3.png"  # Укажите путь ко второму изображению
+    st.image(image_path3, use_column_width=True)
+
+    st.write("Процент побед в домашних играх: 54.55%")
+    st.write("Процент побед в выездных играх: 45.45%")
+    st.write("Домашняя арена увеличивает вероятность победы на: 9.10%")
+
+    image_path4 = "/home/savr/rink_master/graphs/4.png"  # Укажите путь ко второму изображению
+    st.image(image_path4, use_column_width=True)
+
+    image_path5 = "/home/savr/rink_master/graphs/5.png"  # Укажите путь ко второму изображению
+    st.image(image_path5, use_column_width=True)