coffee

import streamlit as st
from PIL import Image
import numpy as np



def classify_roast(image_path):
    img = Image.open(image_path).convert("RGB")  # RGBに変換してαを除去
    img = img.resize((100, 100))
    pixels = np.array(img)
    avg_color = pixels.mean(axis=(0, 1))  # [R, G, B]
    r, g, b = avg_color
    brightness = (r + g + b) / 3

    if brightness > 180:
        return "浅煎り (Light Roast)"
    elif brightness > 100:
        return "中煎り (Medium Roast)"
    else:
        return "深煎り (Dark Roast)"


st.title("コーヒー豆 焙煎度チェッカー")

uploaded_file = st.file_uploader("画像をアップロードしてください", type=["jpg", "png"])

if uploaded_file:
    image = Image.open(uploaded_file)
    st.image(image, caption="アップロードされた画像", use_column_width=True)
    result = classify_roast(uploaded_file)
    st.subheader(f"焙煎度：{result}")

import streamlit as st
import pandas as pd
import numpy as np
import time
from sklearn.ensemble import RandomForestClassifier
from sklearn.preprocessing import StandardScaler
import plotly.express as px

st.title("☕ あなたにぴったりのメニュー診断 (ランダムフォレスト分類)")

## 改善案, plot改善
## アンケート→制度改善に役立てられます
## 管理画面機能
## ランダムフォレストの結果の可視化
## 

# --- メニューの特徴データ（教師ありラベル付き） ---
menu_data = pd.DataFrame({
    "メニュー": ["コーヒー", "エスプレッソ", "キャラメルマキアート", "カフェラテ", "モカ", "アメリカーノ", "マキアート"],
    "苦味": [3, 5, 2, 2, 4, 3, 5],
    "香り": [4, 5, 3, 4, 5, 3, 5],
    "酸味": [2, 1, 4, 3, 2, 3, 1],
    "種別": ["メニュー"] * 7
})

# --- 入力フォーム ---
with st.form("form"):
    st.subheader("あなたのコーヒーの好みを教えてください")

    bitterness = st.slider("苦味の強さが好き", 0, 5, 3)
    aroma = st.slider("香りの強さが好き", 0, 5, 3)
    acidity = st.slider("酸味の強さが好き", 0, 5, 3)

    submitted = st.form_submit_button("診断する")

if submitted:
    with st.spinner("あなたの味覚をAIが分析中... ☕️🔍"):
        time.sleep(2)

        # あなたのデータ
        user_data = pd.DataFrame([{
            "メニュー": "あなた",
            "苦味": bitterness,
            "香り": aroma,
            "酸味": acidity,
            "種別": "あなた"
        }])

        # ダミーデータ（過去の回答者）
        np.random.seed(42)
        dummy_data = pd.DataFrame({
            "メニュー": [f"回答者{i+1}" for i in range(30)],
            "苦味": np.random.randint(0, 6, 30),
            "香り": np.random.randint(0, 6, 30),
            "酸味": np.random.randint(0, 6, 30),
            "種別": ["回答者"] * 30
        })

        # 結合
        full_data = pd.concat([menu_data, dummy_data, user_data], ignore_index=True)

        # 特徴量
        X_train = menu_data[["苦味", "香り", "酸味"]]
        y_train = menu_data["メニュー"]

        # 学習
        clf = RandomForestClassifier(random_state=0)
        clf.fit(X_train, y_train)

        # あなたのデータから予測
        X_user = user_data[["苦味", "香り", "酸味"]]
        y_pred = clf.predict(X_user)[0]

        # full_data に「分類されたラベル」列を追加（可視化用）
        full_data["予測メニュー"] = "未分類"
        full_data.loc[full_data["種別"] == "あなた", "予測メニュー"] = y_pred
        full_data.loc[full_data["種別"] == "メニュー", "予測メニュー"] = full_data["メニュー"]

        # --- 3Dプロット（クラスタではなく予測メニューで色分け）---
        fig = px.scatter_3d(
            full_data,
            x="苦味", y="香り", z="酸味",
            color="予測メニュー",
            size=[15 if m == "あなた" else 8 for m in full_data["メニュー"]],
            title="☕ 3D分類結果：あなたとメニュー、他ユーザーの分布"
        )

        fig.update_layout(
            scene=dict(
                xaxis_title="苦味",
                yaxis_title="香り",
                zaxis_title="酸味"
            ),
            margin=dict(l=0, r=0, b=0, t=40),
            height=800
        )

        st.plotly_chart(fig, use_container_width=True)

        # --- おすすめ表示 ---
        st.success(f"🎯 あなたにおすすめのメニューは **{y_pred}** です！")