Initial commit after excluding Google Drive files

Author: suriowl03

.gitignore

@@ -3,3 +3,6 @@
 *.gdoc
 *.gsheet
 drive/
+*.gdoc
+*.gsheet
+drive/

main.py

@@ -22,25 +22,33 @@
 
 merged_model = pd.read_pickle("merged_model.pkl")
 
-# '?' -> '·' 변환
-merged_model['행정동_코드_명'] = merged_model['행정동_코드_명'].str.replace('?', '·', regex=False)
+# '?' -> '.' 변환
+merged_model['행정동_코드_명'] = merged_model['행정동_코드_명'].str.replace('?', '.', regex=False)
 
 # 수치 포맷 함수들
 def format_ratio(x):
     return f"{x:.5f}"
 
 def format_money_mw(x):
+    """
+    금액(x)을 만원 단위로만 반환
+    ex) 36000000 → '3600'
+    """
     return str(int(round(x / 10000)))
 
 def format_income_mw(x):
+    """
+    월 평균 소득(x)을 만원 단위로 반환
+    ex) 3600000 → '360'
+    """
     return str(int(round(x / 10000)))
 
-def generate_result_template(행정동명):
+def generate_result_template(merged_model, 행정동명):
     등급_텍스트 = {0: '하', 1: '중', 2: '상'}
     등급_info = {
         '상': {'desc': '매우 높음', 'precision': '77%', 'recommendations': ['카페', '헬스장', '미용실']},
         '중': {'desc': '보통', 'precision': '62%', 'recommendations': ['편의점', '분식집', '세탁소']},
-        '하': {'desc': '낮음', 'precision': '69%', 'recommendations': ['중고매장', 'PC방', '호프집']},
+        '하': {'desc': '낮음', 'precision': '69%', 'recommendations': ['중고매장', 'PC방', '호프집']}
     }
 
     filtered = merged_model[merged_model['행정동_코드_명'] == 행정동명].copy()
@@ -70,56 +78,76 @@ def generate_result_template(행정동명):
     여_ratio = filtered['여성_유동인구_비율'].mean()
     주성별 = '남성' if 남_ratio >= 여_ratio else '여성'
 
-    age_pop_cols = [
-        '연령대_10_유동인구_수', '연령대_20_유동인구_수',
-        '연령대_30_유동인구_수', '연령대_40_유동인구_수',
-        '연령대_50_유동인구_수', '연령대_60_이상_유동인구_수'
-    ]
     연령대별비율_cols = [f"{col}_비율" for col in age_pop_cols]
     avg_age_ratios = filtered[연령대별비율_cols].mean()
-    주연령대 = avg_age_ratios.idxmax().replace('_비율', '').replace('연령대_', '').replace('_유동인구_수', '') + '대'
+    주연령대 = avg_age_ratios.idxmax().replace('_비율', '')
 
     peak_time = filtered['최대_시간대_이름'].mode().iloc[0]
 
     reasons = []
+    # 1) 유동인구 변화율 비교
     if 지역_avg_flow > 전국_avg_flow:
-        reasons.append(f"유동인구 변화율이 전국 평균보다 높습니다 ({format_ratio(지역_avg_flow)} > {format_ratio(전국_avg_flow)}).")
+        reasons.append(
+            f"유동인구 변화율이 전국 평균보다 높습니다 ({format_ratio(지역_avg_flow)} > {format_ratio(전국_avg_flow)})."
+        )
     else:
-        reasons.append(f"유동인구 변화율이 전국 평균보다 낮습니다 ({format_ratio(지역_avg_flow)} < {format_ratio(전국_avg_flow)}).")
-
+        reasons.append(
+            f"유동인구 변화율이 전국 평균보다 낮습니다 ({format_ratio(지역_avg_flow)} < {format_ratio(전국_avg_flow)})."
+        )
+    # 2) 전년 동기 대비 유동인구 변화율 “추세” 템플릿
     if np.isclose(지역_avg_yoy_pop, 전국_avg_yoy_pop):
         reasons.append("전년 동기 대비 유동인구 변화가 전국 평균과 유사한 수준입니다.")
     elif 지역_avg_yoy_pop > 전국_avg_yoy_pop:
         reasons.append("전년 동기 대비 유동인구가 전국 평균보다 증가 추세를 보입니다.")
     else:
         reasons.append("전년 동기 대비 유동인구가 전국 평균보다 감소 추세를 보입니다.")
-
+    # 3) 현재 매출 비교
     if 지역_avg_sales > 전국_avg_sales:
-        reasons.append(f"현재(당월) 평균 매출이 전국 평균보다 높습니다 ({format_money_mw(지역_avg_sales)}만 원 > {format_money_mw(전국_avg_sales)}만 원).")
+        reasons.append(
+            f"현재(당월) 평균 매출이 전국 평균보다 높습니다 ({format_money_mw(지역_avg_sales)}만 원 > {format_money_mw(전국_avg_sales)}만 원)."
+        )
     else:
-        reasons.append(f"현재(당월) 평균 매출이 전국 평균보다 낮습니다 ({format_money_mw(지역_avg_sales)}만 원 < {format_money_mw(전국_avg_sales)}만 원).")
-
+        reasons.append(
+            f"현재(당월) 평균 매출이 전국 평균보다 낮습니다 ({format_money_mw(지역_avg_sales)}만 원 < {format_money_mw(전국_avg_sales)}만 원)."
+        )
+    # 4) 전년 동기 대비 매출 변화율 “추세” 템플릿
     if np.isclose(지역_avg_yoy_sales, 전국_avg_yoy_sales):
         reasons.append("전년 동기 대비 매출 변화가 전국 평균과 유사한 수준입니다.")
     elif 지역_avg_yoy_sales > 전국_avg_yoy_sales:
         reasons.append("전년 동기 대비 매출이 전국 평균보다 상승 추세를 보입니다.")
     else:
         reasons.append("전년 동기 대비 매출이 전국 평균보다 하락 추세를 보입니다.")
-
+    # 5) 평균 소득 비교 (단위: 만원)
     if 지역_avg_income > 전국_avg_income:
-        reasons.append(f"월 평균 소득이 전국 평균보다 높습니다 ({format_income_mw(지역_avg_income)}만 원 > {format_income_mw(전국_avg_income)}만 원).")
+        reasons.append(
+            f"월 평균 소득이 전국 평균보다 높습니다 ({format_income_mw(지역_avg_income)}만 원 > {format_income_mw(전국_avg_income)}만 원)."
+        )
     else:
-        reasons.append(f"월 평균 소득이 전국 평균보다 낮습니다 ({format_income_mw(지역_avg_income)}만 원 < {format_income_mw(전국_avg_income)}만 원).")
-
+        reasons.append(
+            f"월 평균 소득이 전국 평균보다 낮습니다 ({format_income_mw(지역_avg_income)}만 원 < {format_income_mw(전국_avg_income)}만 원)."
+        )
+    # 6) 데이터 건수 비교
     전국_avg_count = 전국.groupby('행정동_코드_명').size().mean()
     if 지역_count > 전국_avg_count:
-        reasons.append(f"이 지역 데이터 건수가 평균보다 많아 예측 신뢰도가 높습니다 ({지역_count}개 > {전국_avg_count:.1f}개).")
+        reasons.append(
+            f"이 지역 데이터 건수가 평균보다 많아 예측 신뢰도가 높습니다 ({지역_count}개 > {전국_avg_count:.1f}개)."
+        )
     else:
-        reasons.append(f"이 지역 데이터 건수가 평균보다 적어 데이터가 제한적일 수 있습니다 ({지역_count}개 < {전국_avg_count:.1f}개).")
-
-    업종별_avg_future = filtered.groupby('서비스_업종_코드_명')['향후_평균_매출'].mean().sort_values(ascending=False)
+        reasons.append(
+            f"이 지역 데이터 건수가 평균보다 적어 데이터가 제한적일 수 있습니다 ({지역_count}개 < {전국_avg_count:.1f}개)."
+        )
+
+    # 동적 Top3 업종 추천
+    업종별_avg_future = (
+        filtered
+        .groupby('서비스_업종_코드_명')['향후_평균_매출']
+        .mean()
+        .sort_values(ascending=False)
+    )
     top3_업종 = 업종별_avg_future.head(3).index.tolist()
-    fixed_reco = info['recommendations']
+
+    # 하드코딩된 등급별 추천업종
+    fixed_reco = 등급_info[top_grade]['recommendations']
 
     output = f"""
 🔍 '{행정동명}' 상권 분석 결과
@@ -137,7 +165,7 @@ def generate_result_template(행정동명):
     output += f"""
 🔹 주요 고객층 및 피크 시간대:
 - 주요 고객 성별: {주성별}
-- 주요 고객 연령대: {주연령대}
+- 주요 고객 연령대: {주연령대.replace('연령대_', '').replace('_유동인구_수', '')}대
 - 피크 매출 시간대: {peak_time}
 
 ✅ '{행정동명}' 지역 동적 추천 업종 Top 3:
@@ -146,13 +174,15 @@ def generate_result_template(행정동명):
 3. {top3_업종[2]}
 
 🔹 '{top_grade}' 등급에 속할 때 추천 업종:
-1. {fixed_reco[0]}
-2. {fixed_reco[1]}
-3. {fixed_reco[2]}
 """
+    for idx, 업종 in enumerate(fixed_reco, start=1):
+        output += f"{idx}. {업종}
+"
 
     return output
 
+
+
 @app.get("/")
 def health_check():
     return {"status": "ok", "message": "상권 분석 API가 실행 중입니다."}