import streamlit as st import pandas as pd import plotly.express as px import numpy as np from datetime import datetime from dataclasses import dataclass, field from typing import Dict, List, Tuple, Any # 📥 讀取 Google 試算表函數 def read_google_sheet(sheet_id, sheet_number=0): """📥 從 Google Sheets 讀取數據""" url = f'https://docs.google.com/spreadsheets/d/{sheet_id}/export?format=csv&gid={sheet_number}' try: df = pd.read_csv(url) return df except Exception as e: st.error(f"❌ 讀取失敗：{str(e)}") return None # 📊 Google Sheets ID sheet_id = "1Wc15DZWq48MxL7nXAsROJ6sRvH5njSa1ea0aaOGUOVk" gid = "1168424766" @dataclass class SurveyMappings: """📋 問卷數據對應""" gender: Dict[str, int] = field(default_factory=lambda: {'男性': 1, '女性': 2}) education: Dict[str, int] = field(default_factory=lambda: { '國小(含)以下': 1, '國/初中': 2, '高中/職': 3, '專科': 4, '大學': 5, '研究所(含)以上': 6}) frequency: Dict[str, int] = field(default_factory=lambda: { '第1次': 1, '2-3次': 2, '4-6次': 3, '6次以上': 4, '經常來學習，忘記次數了': 5}) class SurveyAnalyzer: """📊 問卷分析類""" def __init__(self): self.mappings = SurveyMappings() self.satisfaction_columns = [ '１． 示範場域提供多元的數位課程與活動', '２．示範場域的數位課程與活動對我的生活應用有幫助', '３． 示範場域的服務人員親切有禮貌', '４．示範場域的服務空間與數位設備友善方便', '５．在示範場域可以獲得需要的協助', '６．對於示範場域的服務感到滿意' ] self.satisfaction_short_names = [ '多元課程與活動', '生活應用有幫助', '服務人員親切', '空間設備友善', '獲得需要協助', '整體服務滿意' ] def calculate_age(self, birth_year_column): """🔢 計算年齡（從民國年到實際年齡）""" # 獲取當前年份（西元年） current_year = datetime.now().year # 將 NaN 或無效值處理為 NaN birth_years = pd.to_numeric(birth_year_column, errors='coerce') # 民國年份轉西元年份 (民國年+1911=西元年) western_years = birth_years + 1911 # 計算年齡 ages = current_year - western_years return ages def generate_report(self, df: pd.DataFrame) -> Dict[str, Any]: """📝 生成問卷調查報告""" # 計算年齡 ages = self.calculate_age(df['２．出生年（民國__年）']) # 取得教育程度分布（帶計數單位） education_counts = df['３．教育程度'].value_counts().to_dict() education_with_counts = {k: f"{v}人" for k, v in education_counts.items()} # 性別分布（帶計數單位） gender_counts = df['1. 性別'].value_counts().to_dict() gender_with_counts = {k: f"{v}人" for k, v in gender_counts.items()} # 計算每個滿意度項目的平均分數和標準差 satisfaction_stats = {} for i, col in enumerate(self.satisfaction_columns): mean_score = df[col].mean() std_dev = df[col].std() satisfaction_stats[self.satisfaction_short_names[i]] = { '平均分數': f"{mean_score:.2f}", '標準差': f"{std_dev:.2f}" } return { '基本統計': { '總受訪人數': len(df), '性別分布': gender_with_counts, '教育程度分布': education_with_counts, '平均年齡': f"{ages.mean():.1f}歲" }, '滿意度統計': { '整體平均滿意度': f"{df[self.satisfaction_columns].mean().mean():.2f}", '各項滿意度': satisfaction_stats } } def plot_satisfaction_scores(self, df: pd.DataFrame): """📊 各項滿意度平均分數圖表""" # 準備數據 satisfaction_means = [df[col].mean() for col in self.satisfaction_columns] satisfaction_stds = [df[col].std() for col in self.satisfaction_columns] # 創建數據框 satisfaction_df = pd.DataFrame({ '滿意度項目': self.satisfaction_short_names, '平均分數': satisfaction_means, '標準差': satisfaction_stds }) # 繪製條形圖 fig = px.bar( satisfaction_df, x='滿意度項目', y='平均分數', error_y='標準差', title='📊 各項滿意度平均分數與標準差', color='平均分數', color_continuous_scale='Viridis', text='平均分數' ) # 調整圖表佈局 fig.update_layout( font=dict(size=16), title_font=dict(size=24), xaxis_title="滿意度項目", yaxis_title="平均分數", yaxis_range=[1, 5], # 假設評分範圍是 1-5 ) # 調整文字格式 fig.update_traces( texttemplate='%{y:.2f}', textposition='outside' ) st.plotly_chart(fig, use_container_width=True) def plot_gender_distribution(self, df: pd.DataFrame, venues=None, month=None): """🟠 性別分佈圓餅圖（使用藍色和紅色）""" # 過濾數據 filtered_df = df.copy() if venues and '全部' not in venues: filtered_df = filtered_df[filtered_df['場域名稱'].isin(venues)] if month and month != '全部': # 假設有一個月份欄位，如果沒有請調整 filtered_df = filtered_df[filtered_df['月份'] == month] gender_counts = filtered_df['1. 性別'].value_counts().reset_index() gender_counts.columns = ['性別', '人數'] # 計算百分比 total = gender_counts['人數'].sum() gender_counts['百分比'] = (gender_counts['人數'] / total * 100).round(1) gender_counts['標籤'] = gender_counts.apply(lambda x: f"{x['性別']}: {x['人數']}人 ({x['百分比']}%)", axis=1) # 設定顏色映射 - 男性藍色，女性紅色 color_map = {'男性': '#2171b5', '女性': '#cb181d'} fig = px.pie( gender_counts, names='性別', values='人數', title='🟠 受訪者性別分布', color='性別', color_discrete_map=color_map, hover_data=['人數', '百分比'], labels={'人數': '人數', '百分比': '百分比'}, custom_data=['標籤'] ) # 更新悬停信息 fig.update_traces( textinfo='percent+label', hovertemplate='%{customdata[0]}' ) st.plotly_chart(fig, use_container_width=True) # 🎨 Streamlit UI def main(): st.set_page_config( page_title="樂齡學習數位示範體驗場域 服務滿意度調查", page_icon="📊", layout="wide" ) st.markdown(""" # 📊 114年度樂齡學習數位示範體驗場域 ## 服務滿意度調查分析報告 *國立中正大學高齡教育研究中心專案管理團隊製作* 本報告提供全面的問卷調查分析與視覺化圖表，深入剖析樂齡學習者參與數位示範場域服務的滿意情形。 """, unsafe_allow_html=True) # 讀取數據 df = read_google_sheet(sheet_id, gid) if df is not None: analyzer = SurveyAnalyzer() # 新增場域和月份篩選器 st.sidebar.header("🔍 數據篩選") # 假設數據有「場域名稱」欄位，如果名稱不同請調整 if '場域名稱' in df.columns: venues = ['全部'] + sorted(df['場域名稱'].unique().tolist()) selected_venues = st.sidebar.multiselect("選擇場域", venues, default=['全部']) else: # 如果沒有場域欄位，創建10個虛擬場域供選擇 venues = ['全部'] + [f'場域{i+1}' for i in range(10)] selected_venues = st.sidebar.multiselect("選擇場域", venues, default=['全部']) # 假設數據有「月份」欄位，如果沒有請調整 if '月份' in df.columns: months = ['全部'] + sorted(df['月份'].unique().tolist()) selected_month = st.sidebar.selectbox("選擇月份", months) else: # 如果沒有月份欄位，可以創建虛擬月份選項 months = ['全部'] + [f'{i+1}月' for i in range(12)] selected_month = st.sidebar.selectbox("選擇月份", months) # 📌 基本統計數據 st.sidebar.header("📌 選擇數據分析") selected_analysis = st.sidebar.radio("選擇要查看的分析", ["📋 問卷統計報告", "📊 滿意度統計", "🟠 性別分佈"]) if selected_analysis == "📋 問卷統計報告": st.header("📋 問卷統計報告") report = analyzer.generate_report(df) for category, stats in report.items(): with st.expander(f"🔍 {category}", expanded=True): for key, value in stats.items(): if key == '各項滿意度': st.write(f"**{key}:**") for item, item_stats in value.items(): st.write(f" - **{item}**: {', '.join([f'{k}: {v}' for k, v in item_stats.items()])}") else: st.write(f"**{key}**: {value}") elif selected_analysis == "📊 滿意度統計": st.header("📊 滿意度統計") analyzer.plot_satisfaction_scores(df) elif selected_analysis == "🟠 性別分佈": st.header("🟠 性別分佈") analyzer.plot_gender_distribution(df, selected_venues, selected_month) if __name__ == "__main__": main()