Create app.py

app.py

@@ -0,0 +1,252 @@
+# 由 Copilot 生成
+# 591租屋分析器 - 簡化版本（避免套件依賴問題）
+
+import gradio as gr
+import pandas as pd
+import numpy as np
+from datetime import datetime
+import json
+
+def generate_rental_data(sample_size):
+    """生成高雄市鼓山區租屋模擬資料"""
+    np.random.seed(42)
+    
+    # 鼓山區常見地址
+    addresses = [
+        '高雄市鼓山區美術館路', '高雄市鼓山區博愛路', '高雄市鼓山區明誠路',
+        '高雄市鼓山區文信路', '高雄市鼓山區裕誠路', '高雄市鼓山區華榮路',
+        '高雄市鼓山區龍德路', '高雄市鼓山區鼓山路', '高雄市鼓山區九如路',
+        '高雄市鼓山區綠川街', '高雄市鼓山區美術東路', '高雄市鼓山區青海路'
+    ]
+    
+    # 房屋特色關鍵字
+    features = [
+        '近捷運', '電梯大樓', '採光佳', '通風良好', '停車位', '管理完善',
+        '生活機能佳', '近美術館', '學區', '安靜社區', '新裝潢', '家具家電'
+    ]
+    
+    data = []
+    for i in range(int(sample_size)):
+        # 基本資料
+        area = np.random.normal(32, 6)  # 平均32坪，標準差6
+        area = max(25, min(45, area))  # 限制在25-45坪之間
+        
+        # 租金計算（基於坪數和隨機因子）
+        base_price = area * np.random.normal(800, 100)  # 每坪約800元
+        location_factor = np.random.uniform(0.8, 1.3)   # 地段因子
+        price = int(base_price * location_factor)
+        price = max(18000, min(45000, price))  # 限制在合理範圍
+        
+        # 選擇地址和特色
+        address = np.random.choice(addresses) + f"{i+1}號"
+        selected_features = np.random.choice(features, 
+                                           size=np.random.randint(2, 5), 
+                                           replace=False)
+        
+        data.append({
+            'title': f'鼓山區2房電梯大樓-{i+1}',
+            'price': price,
+            'area': round(area, 1),
+            'price_per_ping': round(price / area, 0),
+            'address': address,
+            'features': ', '.join(selected_features),
+            'type': '整層住家',
+            'layout': '2房1廳1衛',
+            'building_type': '電梯大樓'
+        })
+    
+    return pd.DataFrame(data)
+
+def analyze_rental_data(sample_size, analysis_type):
+    """執行租屋資料分析"""
+    try:
+        # 生成資料
+        df = generate_rental_data(sample_size)
+        
+        if df.empty:
+            return "❌ 無法生成資料", None, None, pd.DataFrame()
+        
+        # 基本統計
+        stats = {
+            'total_count': len(df),
+            'avg_price': df['price'].mean(),
+            'median_price': df['price'].median(),
+            'std_price': df['price'].std(),
+            'min_price': df['price'].min(),
+            'max_price': df['price'].max(),
+            'avg_area': df['area'].mean(),
+            'avg_price_per_ping': df['price_per_ping'].mean()
+        }
+        
+        # 生成分析報告
+        report = f"""
+# 🏠 高雄市鼓山區租屋市場分析報告
+
+**分析時間**: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}  
+**資料來源**: 591租屋網模擬資料  
+**分析條件**: 2房整層電梯大樓
+
+## 📊 市場概況
+
+### 基本統計
+- **總物件數**: {stats['total_count']} 筆
+- **平均租金**: NT$ {stats['avg_price']:,.0f} 元/月
+- **租金中位數**: NT$ {stats['median_price']:,.0f} 元/月
+- **租金標準差**: NT$ {stats['std_price']:,.0f} 元
+- **租金區間**: NT$ {stats['min_price']:,.0f} ~ {stats['max_price']:,.0f} 元
+
+### 坪數分析
+- **平均坪數**: {stats['avg_area']:.1f} 坪
+- **平均每坪租金**: NT$ {stats['avg_price_per_ping']:,.0f} 元/坪
+
+### 市場洞察
+"""
+
+        # 根據分析類型添加額外洞察
+        if stats['avg_price'] > stats['median_price']:
+            report += "- 租金分布偏右，存在高價物件拉高平均值\n"
+        
+        if stats['avg_price_per_ping'] > 900:
+            report += "- 每坪租金偏高，顯示該區域生活機能佳\n"
+        elif stats['avg_price_per_ping'] < 700:
+            report += "- 每坪租金相對親民，適合小資族群\n"
+            
+        report += f"\n**由 GitHub Copilot 生成** ✨"
+        
+        # 生成統計表格
+        price_stats, price_dist = create_price_distribution_chart(df, analysis_type)
+        area_stats, price_per_ping_stats = create_area_analysis_chart(df, analysis_type)
+        
+        # 準備資料表格
+        display_df = df[['title', 'price', 'area', 'price_per_ping', 'address', 'features']].copy()
+        display_df.columns = ['物件名稱', '租金(元)', '坪數', '每坪租金', '地址', '特色']
+        
+        return report, price_stats, area_stats, price_dist, price_per_ping_stats, display_df
+        
+    except Exception as e:
+        error_msg = f"❌ 分析過程發生錯誤: {str(e)}\n\n請稍後再試或聯繫���術支援。"
+        empty_df = pd.DataFrame()
+        return error_msg, empty_df, empty_df, empty_df, empty_df, empty_df
+
+def create_price_distribution_chart(df, analysis_type):
+    """創建租金分布統計表格"""
+    # 創建租金分布統計
+    price_stats = {
+        '統計項目': ['最低租金', '最高租金', '平均租金', '中位數租金', '標準差'],
+        '數值 (元)': [
+            f"{df['price'].min():,}",
+            f"{df['price'].max():,}", 
+            f"{df['price'].mean():.0f}",
+            f"{df['price'].median():.0f}",
+            f"{df['price'].std():.0f}"
+        ]
+    }
+    
+    # 租金區間分布
+    df_temp = df.copy()
+    df_temp['price_range'] = pd.cut(df_temp['price'], 
+                              bins=[0, 20000, 25000, 30000, 35000, float('inf')],
+                              labels=['<2萬', '2-2.5萬', '2.5-3萬', '3-3.5萬', '>3.5萬'])
+    
+    range_counts = df_temp['price_range'].value_counts().sort_index()
+    
+    distribution_data = {
+        '租金區間': range_counts.index.tolist(),
+        '物件數量': range_counts.values.tolist(),
+        '占比 (%)': [f"{(count/len(df)*100):.1f}%" for count in range_counts.values]
+    }
+    
+    return pd.DataFrame(price_stats), pd.DataFrame(distribution_data)
+
+def create_area_analysis_chart(df, analysis_type):
+    """創建坪數分析統計表格"""
+    # 坪數統計
+    area_stats = {
+        '統計項目': ['最小坪數', '最大坪數', '平均坪數', '中位數坪數'],
+        '數值 (坪)': [
+            f"{df['area'].min():.1f}",
+            f"{df['area'].max():.1f}",
+            f"{df['area'].mean():.1f}", 
+            f"{df['area'].median():.1f}"
+        ]
+    }
+    
+    # 每坪租金統計
+    price_per_ping_stats = {
+        '統計項目': ['最低每坪租金', '最高每坪租金', '平均每坪租金', '中位數每坪租金'],
+        '數值 (元/坪)': [
+            f"{df['price_per_ping'].min():.0f}",
+            f"{df['price_per_ping'].max():.0f}",
+            f"{df['price_per_ping'].mean():.0f}",
+            f"{df['price_per_ping'].median():.0f}"
+        ]
+    }
+    
+    return pd.DataFrame(area_stats), pd.DataFrame(price_per_ping_stats)
+
+# 創建 Gradio 介面
+with gr.Blocks(title="🏠 591租屋分析器", theme=gr.themes.Soft()) as demo:
+    gr.Markdown("""
+    # 🏠 591租屋分析器 - 高雄市鼓山區
+    
+    專門分析高雄市鼓山區2房整層電梯大樓租屋市場，提供詳細的統計分析和視覺化圖表。
+    
+    **目標條件**：高雄市鼓山區 | 2房 | 整層住家 | 電梯大樓
+    """)
+    
+    with gr.Row():
+        with gr.Column(scale=1):
+            sample_size = gr.Slider(
+                minimum=20, maximum=200, value=80, step=10,
+                label="📊 分析樣本數",
+                info="選擇要生成的租屋物件數量"
+            )
+            
+            analysis_type = gr.Radio(
+                choices=["基本分析", "進階分析", "詳細分析"],
+                value="基本分析",
+                label="🔍 分析類型",
+                info="選擇分析的詳細程度"
+            )
+            
+            analyze_btn = gr.Button("🚀 開始分析", variant="primary", size="lg")
+    
+    with gr.Column(scale=2):
+        with gr.Tab("📋 分析報告"):
+            report_output = gr.Markdown(label="分析報告")
+        
+        with gr.Tab("📊 統計分析"):
+            with gr.Row():
+                with gr.Column():
+                    price_stats_output = gr.Dataframe(label="租金統計")
+                    price_dist_output = gr.Dataframe(label="租金區間分布")
+                with gr.Column():
+                    area_stats_output = gr.Dataframe(label="坪數統計")
+                    price_per_ping_output = gr.Dataframe(label="每坪租金統計")
+        
+        with gr.Tab("📁 詳細資料"):
+            data_output = gr.Dataframe(
+                label="租屋物件詳細資料",
+                interactive=True,
+                wrap=True
+            )
+    
+    # 設定按鈕事件
+    analyze_btn.click(
+        fn=analyze_rental_data,
+        inputs=[sample_size, analysis_type],
+        outputs=[report_output, price_stats_output, area_stats_output, 
+                price_dist_output, price_per_ping_output, data_output]
+    )
+    
+    gr.Markdown("""
+    ---
+    **📍 分析範圍**: 高雄市鼓山區 (美術館、愛河、駁二藝術特區周邊)  
+    **🏠 物件類型**: 2房1廳1衛、整層住家、電梯大樓  
+    **📊 資料說明**: 使用模擬資料展示分析功能，實際部署可串接真實API  
+    
+    *由 GitHub Copilot 生成* ✨
+    """)
+
+if __name__ == "__main__":
+    demo.launch()