app.py - master - Egor19731973/InfPanel

app.py
788 строк36 KB
Egor19731973
upload files
23 фев 2026, 13:16
23 фев 2026, 13:16c985e3f
import streamlit as st
import pandas as pd
import plotly.express as px
import os
import io

# =============================================================================
# 1. НАСТРОЙКА СТРАНИЦЫ + УЛУЧШЕННЫЙ CSS
# =============================================================================
st.set_page_config(page_title="Информационный портал КФД НСО", layout="wide", page_icon="🏦")

st.markdown("""
<style>
/* ───────────────────────────────────────────────
   МАКСИМАЛЬНО КРУПНЫЕ И ЖИРНЫЕ НАЗВАНИЯ МЕТРИК
─────────────────────────────────────────────── */

/* Основной контейнер метрики */
[data-testid="stMetric"] {
    min-height: 200px !important;
    padding: 24px 16px !important;
    display: flex !important;
    flex-direction: column !important;
    align-items: center !important;
    justify-content: center !important;
}

/* Блок с меткой (название + иконка) */
[data-testid="stMetricLabel"] {
    font-size: 36px !important;           /* очень крупно */
    font-weight: 600 !important;
    line-height: 1.1 !important;
    color: #000000 !important;
    margin: 0 0 16px 0 !important;
    text-align: center !important;
    letter-spacing: -0.5px !important;
}

/* Все внутренние элементы метки — текст и иконки */
[data-testid="stMetricLabel"] *,
[data-testid="stMetricLabel"] span,
[data-testid="stMetricLabel"] div,
[data-testid="stMetricLabel"] svg {
    font-size: 36px !important;
    font-weight: 600 !important;
    color: #000000 !important;
    vertical-align: middle !important;
}

/* Иконки/эмодзи отдельно — ещё чуть крупнее */
[data-testid="stMetricLabel"] [data-testid^="stEmoji"],
[data-testid="stMetricLabel"] svg,
[data-testid="stMetricLabel"] img {
    font-size: 44px !important;
    line-height: 1 !important;
    margin-right: 12px !important;
    vertical-align: -4px !important;
}

/* Значение (число) — крупное, но не перебивает название */
[data-testid="stMetricValue"] {
    font-size: 68px !important;
    font-weight: 600 !important;
    line-height: 1.0 !important;
    color: #111827 !important;
    margin: 8px 0 4px 0 !important;
}

/* Дельта / изменение */
[data-testid="stMetricDelta"] {
    font-size: 24px !important;
    font-weight: 600 !important;
    margin-top: 8px !important;
}

/* Страховка от Streamlit-обновлений структуры */
div.element-container [data-testid="stMetric"] label,
div.stMetric label,
.stMetric > div > div:first-child,
[data-baseweb="metric"] label {
    font-size: 36px !important;
    font-weight: 600 !important;
    color: #000000 !important;
}

/* Убираем любой возможный серый/маленький стиль */
.stMetric label * {
    color: #000 !important;
    font-weight: 600 !important;
}

/* ЧЁРНЫЕ заголовки таблиц */
div[data-testid="stDataFrame"] thead th,
[data-testid="stDataFrame"] thead th,
thead tr th,
.stDataFrame th {
    color: #000000 !important;
    font-weight: 800 !important;
    background-color: #dee2e6 !important;
    font-size: 15px !important;
}

</style>
""", unsafe_allow_html=True)

# =============================================================================
# Функции
# =============================================================================
def get_kfd_status(val):
    if val < 0.3: return "Низкий", "#ff4b4b"
    elif 0.3 <= val <= 0.45: return "Ниже среднего", "#ffa500"
    elif 0.46 <= val <= 0.65: return "Средний", "#f1c40f"
    elif 0.66 <= val <= 0.85: return "Выше среднего", "#3498db"
    else: return "Высокий", "#1e8449"

COLOR_MAP = {
    "Низкий": "#ff4b4b",
    "Ниже среднего": "#ffa500",
    "Средний": "#f1c40f",
    "Выше среднего": "#3498db",
    "Высокий": "#1e8449"
}

@st.cache_data(ttl=3600)
def load_data(file_path):
    if not os.path.exists(file_path):
        st.error(f"❌ Файл '{file_path}' не найден!")
        st.stop()
    
    try:
        df = pd.read_excel(file_path)
    except Exception as e:
        st.error(f"❌ Ошибка чтения файла: {e}")
        st.stop()
    
    df.columns = [str(c).strip().lower() for c in df.columns]
    
    required = ['locality_nm', 'index_f_fin', 'population']
    missing = [c for c in required if c not in df.columns]
    if missing:
        st.error(f"❌ В файле отсутствуют обязательные колонки: {missing}")
        st.stop()
    
    bkko_fields = ['bkko_nvinpibo_cnt', 'bkko_nvibo_np_cnt', 'bkko_nvinp_bo_cnt',
                   'bkko_nv_cnt', 'bkko_cnt', 'bkko_1_cnt', 'bpko_cnt']
    term_fields = ['t_boinvinp_cnt', 't_nv_cnt', 't_nonv_cnt', 't_bo_cnt']
    post_fields = ['service_reception_b1', 'service_reception_p1', 'service_reception_c1',
                   'service_reception_p2', 'stat_post_office_cnt']
    mobile_fields = ['mobile_post_office_cnt', 'mob_managers_rshb_cnt', 'mob_offices_cnt']
    
    all_numeric = (bkko_fields + term_fields + post_fields + mobile_fields +
                   ['index_f_fin', 'population', 'n_4g_flg'])
    
    for col in all_numeric:
        if col in df.columns:
            df[col] = df[col].astype(str).str.replace(',', '.', regex=False)
            df[col] = pd.to_numeric(df[col], errors='coerce').fillna(0)
    
    df['total_bkko'] = df[[f for f in bkko_fields if f in df.columns]].sum(axis=1)
    df['total_terms'] = df[[f for f in term_fields if f in df.columns]].sum(axis=1)
    df['has_post'] = df[[f for f in post_fields if f in df.columns]].sum(axis=1) > 0
    df['population'] = (df['population'] * 1000).astype(int)
    
    return df

# =============================================================================
# ЗАГРУЗКА ДАННЫХ
# =============================================================================
FILE_NAME = "DB_01.07.2025.xlsx"
df = load_data(FILE_NAME)

# =============================================================================
# SIDEBAR: НАСТРОЙКИ + СИМУЛЯТОР + РЕКОМЕНДАЦИИ
# =============================================================================
st.sidebar.header("🛠 Инструменты анализа")

with st.sidebar.expander("🎯 Настройки приоритетных НП", expanded=True):
    st.markdown("**Параметры для расчёта метрики 'Приоритетные':**")
    
    if 'priority_kfd_threshold' not in st.session_state:
        st.session_state.priority_kfd_threshold = 0.65
    if 'priority_pop_threshold' not in st.session_state:
        st.session_state.priority_pop_threshold = 500
    
    priority_kfd_threshold = st.number_input(
        "Максимальный КФД:",
        min_value=0.0, max_value=1.0,
        value=st.session_state.priority_kfd_threshold,
        step=0.01,
        help="НП с КФД ниже этого значения считаются приоритетными",
        key="kfd_input"
    )
    
    priority_pop_threshold = st.number_input(
        "Минимальная численность населения:",
        min_value=0, max_value=10000,
        value=st.session_state.priority_pop_threshold,
        step=50,
        help="НП с населением выше этого значения считаются приоритетными",
        key="pop_input"
    )
    
    st.session_state.priority_kfd_threshold = priority_kfd_threshold
    st.session_state.priority_pop_threshold = priority_pop_threshold
    
    st.info(f"💡 Текущие критерии:\n\nКФД < **{priority_kfd_threshold:.2f}**\n\nНаселение > **{priority_pop_threshold:,}** чел.")

priority_df = df[(df['index_f_fin'] < priority_kfd_threshold) & (df['population'] > priority_pop_threshold)].copy()
potential = len(priority_df)

with st.sidebar.expander("🎮 Симулятор доступности", expanded=False):
    simulator_scope = st.radio(
        "Показывать населённые пункты:",
        options=["Все населённые пункты", "Только приоритетные"],
        index=0,
        help="Выберите, из какого списка выбирать НП для симуляции",
        key="simulator_scope"
    )
    
    if simulator_scope == "Только приоритетные":
        sim_options = sorted(priority_df['locality_nm'].unique())
        st.caption(f"📋 Доступно {len(sim_options)} приоритетных НП")
    else:
        sim_options = sorted(df['locality_nm'].unique())
        st.caption(f"📋 Доступно {len(sim_options)} всех НП")
    
    target_loc = st.selectbox("Выберите пункт:", options=sim_options, key="sim_select")
    t_select = df[df['locality_nm'] == target_loc]
    
    if not t_select.empty:
        t_data = t_select.iloc[0]
        st.markdown(f"### {target_loc}")
        st.caption(f"Район: {t_data.get('mun_lev_1', '—')} | Население: {t_data['population']:,}")
        
        if target_loc in priority_df['locality_nm'].values:
            st.markdown("<span style='background-color: #fff3cd; padding: 3px 8px; border-radius: 4px; font-size: 12px;'>🎯 Приоритетный НП</span>", unsafe_allow_html=True)
        
        s_lte = st.checkbox("Провести связь 4G", value=bool(t_data['n_4g_flg']), key="sim_4g")
        s_term = st.checkbox("Добавить терминал оплаты", value=bool(t_data['total_terms']), key="sim_term")
        s_postbank = st.checkbox("Дооснастить Почту (П2 → Б1)", value=bool(t_data.get('service_reception_b1', 0)), key="sim_post")
        s_m_manager = st.checkbox("Направить моб. менеджера", value=bool(t_data.get('mob_managers_rshb_cnt', 0)), key="sim_mgr")
        s_m_office = st.checkbox("Запустить моб. офис", value=bool(t_data.get('mob_offices_cnt', 0)), key="sim_office")
        
        sim_res = t_data['index_f_fin']
        if s_lte and t_data['n_4g_flg'] == 0: sim_res += 0.15
        if s_term and t_data['total_terms'] == 0: sim_res += 0.10
        if s_postbank and t_data.get('service_reception_b1', 0) == 0: sim_res += 0.12
        if s_m_manager and t_data.get('mob_managers_rshb_cnt', 0) == 0: sim_res += 0.07
        if s_m_office and t_data.get('mob_offices_cnt', 0) == 0: sim_res += 0.14
        sim_res = min(round(sim_res, 2), 1.0)
        
        p_st, p_col = get_kfd_status(sim_res)
        orig_st, orig_col = get_kfd_status(t_data['index_f_fin'])
        
        st.sidebar.divider()
        st.metric("Прогноз КФД", f"{sim_res:.2f}", delta=f"{sim_res - t_data['index_f_fin']:+.2f}")
        st.markdown(f"""
        <div style='background:{orig_col}; color:white; padding:8px; border-radius:4px; margin:5px 0; text-align:center;'>
            <small>Текущий:</small><br><b>{orig_st}</b>
        </div>
        <div style='background:{p_col}; color:white; padding:8px; border-radius:4px; text-align:center;'>
            <small>Прогноз:</small><br><b>{p_st}</b>
        </div>
        """, unsafe_allow_html=True)

with st.sidebar.expander("💡 Умные рекомендации", expanded=False):
    rec_loc = st.selectbox("Населённый пункт:", sorted(df['locality_nm'].unique()),
                           key="rec_select", index=0 if len(df) > 0 else None)
    row = df[df['locality_nm'] == rec_loc].iloc[0] if not df[df['locality_nm'] == rec_loc].empty else None
    
    if row is not None:
        st.markdown(f"### {rec_loc}")
        st.caption(f"КФД: {row['index_f_fin']:.2f} | Население: {row['population']:,}")
        
        recommendations = []
        
        if row['n_4g_flg'] == 0:
            recommendations.append({
                "мера": "📡 Подключение 4G",
                "эффект": 0.15,
                "сложность": "высокая",
                "cost_est": "₽₽₽",
                "описание": "Запрос оператору связи на расширение покрытия"
            })
        
        if row['total_terms'] == 0 and row['has_post']:
            recommendations.append({
                "мера": "💳 Терминал в отделении Почты",
                "эффект": 0.12,
                "сложность": "низкая",
                "cost_est": "₽",
                "описание": "Установка платёжного терминала в существующем отделении"
            })
        
        if row['total_bkko'] == 0 and row['population'] > 300:
            recommendations.append({
                "мера": "🏦 Выездная касса банка",
                "эффект": 0.18,
                "сложность": "средняя",
                "cost_est": "₽₽",
                "описание": "Организация регулярного выездного обслуживания"
            })
        
        if row.get('mob_managers_rshb_cnt', 0) == 0 and row['population'] > 200:
            recommendations.append({
                "мера": "👤 Мобильный менеджер",
                "эффект": 0.07,
                "сложность": "низкая",
                "cost_est": "₽",
                "описание": "Направление специалиста для консультирования жителей"
            })
        
        if row.get('mob_offices_cnt', 0) == 0 and row['population'] > 500:
            recommendations.append({
                "мера": "🚐 Мобильный офис",
                "эффект": 0.14,
                "сложность": "средняя",
                "cost_est": "₽₽",
                "описание": "Запуск мобильного офиса банка по расписанию"
            })
        
        if recommendations:
            rec_df = pd.DataFrame(recommendations)
            complexity_map = {'низкая': 1, 'средняя': 2, 'высокая': 3}
            rec_df['приоритет'] = rec_df['эффект'] / rec_df['сложность'].map(complexity_map)
            rec_df = rec_df.sort_values('приоритет', ascending=False).reset_index(drop=True)
            
            st.write("**Рекомендуемые меры:**")
            for idx, r in rec_df.iterrows():
                with st.container():
                    st.markdown(f"""
                    <div style='border-left: 4px solid {COLOR_MAP.get("Выше среднего", "#3498db")};
                                padding: 8px 12px; margin: 5px 0; background: #f8f9fa; border-radius: 0 4px 4px 0;'>
                        <b>{idx+1}. {r['мера']}</b><br>
                        <small>📈 КФД +{r['эффект']:.2f} | 💰 {r['cost_est']} | ⚙️ {r['сложность']}</small><br>
                        <small>💡 {r['описание']}</small>
                    </div>
                    """, unsafe_allow_html=True)
            
            if st.button("📋 Экспорт плана мероприятий", key="btn_export_plan"):
                plan_text = f"ПЛАН МЕРОПРИЯТИЙ\n{'='*50}\n"
                plan_text += f"Населённый пункт: {rec_loc}\n"
                plan_text += f"Текущий КФД: {row['index_f_fin']:.2f} ({get_kfd_status(row['index_f_fin'])[0]})\n"
                plan_text += f"Население: {row['population']:,}\n"
                plan_text += f"Район: {row.get('mun_lev_1', '—')}\n\n"
                plan_text += f"Рекомендуемые меры (по приоритету):\n{'-'*50}\n"
                
                for idx, r in rec_df.iterrows():
                    new_kfd = min(row['index_f_fin'] + r['эффект'], 1.0)
                    plan_text += f"{idx+1}. {r['мера']}\n"
                    plan_text += f"   → Прогноз КФД: {new_kfd:.2f} ({get_kfd_status(new_kfd)[0]})\n"
                    plan_text += f"   → Сложность: {r['сложность']}, Оценка затрат: {r['cost_est']}\n"
                    plan_text += f"   → Описание: {r['описание']}\n\n"
                
                st.download_button("💾 Скачать .txt", plan_text,
                                  f"plan_{rec_loc.replace(' ', '_')}.txt",
                                  key="btn_download_plan")
        else:
            st.success("✅ Инфраструктура соответствует высокому уровню КФД")

# =============================================================================
# ОСНОВНОЙ КОНТЕНТ
# =============================================================================
st.title("🏛 Информационный портал финансовой доступности")
st.subheader("Мониторинг Новосибирской области")
st.markdown("<div style='margin-bottom: 40px;'></div>", unsafe_allow_html=True)

# KPI-панель
kpi1, kpi2, kpi3, kpi4 = st.columns(4)

with kpi1:
    kfd_counts = {
        "Низкий": len(df[df['index_f_fin'] < 0.3]),
        "Ниже среднего": len(df[(df['index_f_fin'] >= 0.3) & (df['index_f_fin'] <= 0.45)]),
        "Средний": len(df[(df['index_f_fin'] > 0.45) & (df['index_f_fin'] <= 0.65)]),
        "Выше среднего": len(df[(df['index_f_fin'] > 0.65) & (df['index_f_fin'] <= 0.85)]),
        "Высокий": len(df[df['index_f_fin'] > 0.85])
    }
    
    kfd_df = pd.DataFrame({
        'Уровень': list(kfd_counts.keys()),
        'Количество': list(kfd_counts.values()),
    })
    
    fig_kfd = px.bar(
        kfd_df,
        x='Уровень',
        y='Количество',
        color='Уровень',
        color_discrete_map=COLOR_MAP,
        text='Количество',
        height=380
    )
    
    fig_kfd.update_traces(
        textposition='outside',
        textfont_size=13,
        textfont_family="Arial",
        marker_line_width=0
    )
    
    fig_kfd.update_layout(
        margin=dict(t=60, b=40, l=30, r=30),
        xaxis_title="",
        yaxis_title="",
        xaxis=dict(tickangle=0, tickfont_size=11),
        yaxis=dict(tickfont_size=11, range=[0, kfd_df['Количество'].max() * 1.25]),
        showlegend=False,
        plot_bgcolor='white',
        bargap=0.18,
        font=dict(size=13)
    )
    
    st.plotly_chart(fig_kfd, use_container_width=True, config={'displayModeBar': False})

with kpi2:
    avg_kfd = df['index_f_fin'].mean()
    st.metric("📊 Средний КФД", f"{avg_kfd:.2f}")

with kpi3:
    no_4g = len(df[df['n_4g_flg'] == 0])
    st.metric("📶 Без 4G", f"{no_4g}", delta=f"{no_4g/len(df)*100:.1f}% охвата")

with kpi4:
    st.metric("🎯 Приоритетные", f"{potential}",
              help=f"КФД < {priority_kfd_threshold:.2f} и население > {priority_pop_threshold:,}")

st.markdown("---")

# =============================================================================
# ФИЛЬТРЫ
# =============================================================================
if "filter_population_value" not in st.session_state:
    st.session_state.filter_population_value = 0
if "filter_pop_slider" not in st.session_state:
    st.session_state.filter_pop_slider = 0
if "filter_pop_input" not in st.session_state:
    st.session_state.filter_pop_input = 0

def slider_changed():
    value = min(st.session_state.filter_pop_slider, 3000)
    st.session_state.filter_population_value = value
    st.session_state.filter_pop_input = value

def input_changed():
    value = min(st.session_state.filter_pop_input, 3000)
    st.session_state.filter_population_value = value
    st.session_state.filter_pop_slider = value

f1, f2, f3, f4 = st.columns([1.5, 1, 1, 1])

with f1:
    sel_reg = st.multiselect(
        "📍 Районы:",
        sorted(df['mun_lev_1'].dropna().unique()),
        placeholder="Все районы",
        key="filter_regions"
    )

with f2:
    st.slider(
        "👥 Население от (чел.):",
        min_value=0,
        max_value=3000,
        step=50,
        key="filter_pop_slider",
        on_change=slider_changed
    )

with f3:
    st.number_input(
        "🔢 Точный ввод:",
        min_value=0,
        max_value=3000,
        step=10,
        key="filter_pop_input",
        on_change=input_changed
    )

f_df = df[df['population'] >= st.session_state.filter_population_value].copy()
if sel_reg:
    f_df = f_df[f_df['mun_lev_1'].isin(sel_reg)]

with f4:
    buffer = io.BytesIO()
    with pd.ExcelWriter(buffer, engine='xlsxwriter') as writer:
        f_df.to_excel(writer, index=False)
    st.download_button(
        "📥 Экспорт Excel",
        buffer.getvalue(),
        "filtered_report.xlsx",
        use_container_width=True,
        key="btn_export"
    )

# =============================================================================
# АНАЛИТИКА
# =============================================================================
st.markdown("---")
st.header("📈 Аналитика охвата и инфраструктуры")

col_a1, col_a2 = st.columns(2)
with col_a1:
    st.subheader("👥 Доля населения по уровням КФД")
    pop_dist = f_df.copy()
    pop_dist['Уровень'] = pop_dist['index_f_fin'].apply(lambda x: get_kfd_status(x)[0])
    pop_sum = pop_dist.groupby('Уровень')['population'].sum().reset_index()
    
    level_order = ["Низкий", "Ниже среднего", "Средний", "Выше среднего", "Высокий"]
    pop_sum = pop_sum[pop_sum['Уровень'].isin(level_order)]
    
    if not pop_sum.empty:
        fig_pie = px.pie(pop_sum, values='population', names='Уровень', hole=0.4,
                         color='Уровень',
                         color_discrete_map=COLOR_MAP,
                         category_orders={"Уровень": level_order})
        fig_pie.update_traces(textinfo='percent+label', textposition='inside', textfont_size=13)
        fig_pie.update_layout(showlegend=True, legend_font_size=13)
        st.plotly_chart(fig_pie, use_container_width=True)
    else:
        st.warning("Нет данных для отображения диаграммы")

with col_a2:
    st.subheader("📶 Влияние 4G на доступность")
    if 'n_4g_flg' in f_df.columns and f_df['n_4g_flg'].notna().any():
        conn_data = f_df.groupby('n_4g_flg')['index_f_fin'].agg(['mean', 'count']).reset_index()
        conn_data['Статус связи'] = conn_data['n_4g_flg'].map({1.0: "Связь 4G есть", 0.0: "Связь 4G отсутствует"})
        conn_data.rename(columns={'mean': 'КФД', 'count': 'Количество НП'}, inplace=True)
        
        fig_conn = px.bar(conn_data, x='Статус связи', y='КФД',
                          color='Статус связи',
                          color_discrete_map={"Связь 4G есть": "#27ae60", "Связь 4G отсутствует": "#e74c3c"},
                          text_auto='.2f')
        fig_conn.update_traces(textfont_size=13, textposition='outside')
        fig_conn.update_layout(yaxis_title="Средний КФД", showlegend=False, font_size=13)
        st.plotly_chart(fig_conn, use_container_width=True)
    else:
        st.info("Данные о 4G-покрытии отсутствуют")

# =============================================================================
# Структура населения с НЕ высоким КФД
# =============================================================================
st.markdown("---")
st.markdown("<h3 style='text-align: center;'>📊 Структура населения с НЕ высоким КФД (&lt;0.86)</h3>", unsafe_allow_html=True)

non_high_kfd = f_df[f_df['index_f_fin'] < 0.86].copy()
if not non_high_kfd.empty:
    non_high_kfd['Уровень'] = non_high_kfd['index_f_fin'].apply(lambda x: get_kfd_status(x)[0])
    non_high_sum = non_high_kfd.groupby('Уровень')['population'].sum().reset_index()
    
    level_order = ["Низкий", "Ниже среднего", "Средний", "Выше среднего"]
    non_high_sum = non_high_sum[non_high_sum['Уровень'].isin(level_order)]
    non_high_sum['sort_order'] = non_high_sum['Уровень'].map({level: idx for idx, level in enumerate(level_order)})
    non_high_sum = non_high_sum.sort_values('sort_order').reset_index(drop=True)
    
    total_non_high_pop = non_high_sum['population'].sum()
    
    if not non_high_sum.empty:
        col_cov1, col_cov2 = st.columns([1, 1])
        
        with col_cov1:
            fig_non_high = px.pie(
                non_high_sum,
                values='population',
                names='Уровень',
                hole=0.5,
                color='Уровень',
                color_discrete_map=COLOR_MAP,
                category_orders={"Уровень": level_order}
            )
            fig_non_high.update_traces(
                textinfo='percent+label',
                textposition='inside',
                hovertemplate='<b>%{label}</b><br>Население: %{value:,.0f}<br>Доля: %{percent:.1%}<extra></extra>',
                textfont_size=12
            )
            fig_non_high.update_layout(
                height=400,
                showlegend=True,
                legend=dict(orientation="h", yanchor="bottom", y=-0.2, xanchor="center", x=0.5),
                margin=dict(t=50, b=100, l=50, r=50),
                font_size=13
            )
            st.plotly_chart(fig_non_high, use_container_width=True)
        
        with col_cov2:
            fig_bar = px.bar(
                non_high_sum,
                x='Уровень',
                y='population',
                color='Уровень',
                color_discrete_map=COLOR_MAP,
                text='population',
                category_orders={"Уровень": level_order}
            )
            fig_bar.update_traces(
                texttemplate='%{y:,.0f}',
                textposition='outside',
                hovertemplate='<b>%{x}</b><br>Население: %{y:,.0f} чел.<extra></extra>',
                textfont_size=12
            )
            fig_bar.update_layout(
                yaxis_title="Количество населения",
                xaxis_title="Уровень КФД",
                showlegend=False,
                height=400,
                margin=dict(t=50, b=50, l=50, r=50),
                yaxis=dict(range=[0, non_high_sum['population'].max() * 1.15]),
                font_size=13
            )
            st.plotly_chart(fig_bar, use_container_width=True)
        
        st.markdown("---")
        st.caption(f"**Всего населения с НЕ высоким КФД:** {total_non_high_pop:,.0f} человек ({len(non_high_kfd)} НП)")
        
        col_det1, col_det2, col_det3, col_det4 = st.columns(4)
        for idx, level in enumerate(level_order):
            level_data = non_high_sum[non_high_sum['Уровень'] == level]
            if not level_data.empty:
                pop_count = level_data['population'].values[0]
                pct = (pop_count / total_non_high_pop * 100) if total_non_high_pop > 0 else 0
                with [col_det1, col_det2, col_det3, col_det4][idx]:
                    st.metric(
                        level,
                        f"{pop_count:,.0f}",
                        delta=f"{pct:.1f}% от группы"
                    )
    else:
        st.success("✅ Все населённые пункты имеют высокий уровень КФД!")
else:
    st.success("✅ Все населённые пункты имеют высокий уровень КФД!")

# =============================================================================
# ПРИОРИТЕТНЫЕ НАСЕЛЁННЫЕ ПУНКТЫ
# =============================================================================
st.markdown("---")
st.header("🎯 Приоритетные населённые пункты НСО")

if potential > 0:
    st.markdown(f"""
    <div style='background-color: #fff3cd; padding: 15px; border-radius: 8px; margin-bottom: 20px; border-left: 5px solid #ffc107;'>
        <b>📋 Критерии отбора:</b> КФД < {priority_kfd_threshold:.2f} И население > {priority_pop_threshold:,} чел.<br>
        <b>📊 Найдено:</b> {potential} населённых пунктов
    </div>
    """, unsafe_allow_html=True)
    
    priority_display = priority_df[['locality_nm', 'mun_lev_1', 'population', 'index_f_fin',
                                    'total_bkko', 'total_terms', 'n_4g_flg', 'has_post']].copy()
    priority_display.columns = ['Населённый пункт', 'Район', 'Население', 'КФД',
                                 'Банкоматы/Кассы', 'Терминалы', '4G', 'Почта']
    
    priority_display = priority_display.sort_values(['КФД', 'Население'], ascending=[True, False])
    
    def highlight_kfd_priority(val):
        if pd.isna(val): return ''
        _, color = get_kfd_status(val)
        return f'background-color: {color}; color: white; font-weight: bold'
    
    def status_icon(val):
        if pd.isna(val): return '—'
        return '✅' if val > 0 else '❌'
    
    formatted_priority = priority_display.copy()
    formatted_priority['4G'] = formatted_priority['4G'].apply(status_icon)
    formatted_priority['Почта'] = formatted_priority['Почта'].apply(status_icon)
    
    st.dataframe(
        formatted_priority.style
        .map(highlight_kfd_priority, subset=['КФД'])
        .format({
            'КФД': '{:.2f}',
            'Население': '{:,.0f}',
            'Банкоматы/Кассы': '{:.0f}',
            'Терминалы': '{:.0f}'
        }),
        use_container_width=True,
        height=500,
        hide_index=True
    )
    
    buffer_priority = io.BytesIO()
    with pd.ExcelWriter(buffer_priority, engine='xlsxwriter') as writer:
        priority_df.to_excel(writer, index=False)
    
    st.download_button(
        "📥 Экспорт приоритетных НП (Excel)",
        buffer_priority.getvalue(),
        "priority_localities.xlsx",
        key="btn_export_priority"
    )
else:
    st.success(f"✅ При заданных критериях приоритетных населённых пунктов не найдено!")

# =============================================================================
# ТАБЛИЦЫ: БЫСТРЫЕ ПОБЕДЫ + ПОЛНЫЙ РЕЕСТР
# =============================================================================
st.markdown("---")
tab1, tab2 = st.tabs(["🚀 Быстрые победы", "📋 Полный реестр"])

with tab1:
    st.subheader("НП с наибольшим потенциалом роста КФД")
    st.caption("Показаны пункты, где минимальные вложения дадут переход на следующий уровень КФД")
    
    wins = []
    for _, r in f_df[f_df['index_f_fin'] < 0.86].iterrows():
        curr_status, _ = get_kfd_status(r['index_f_fin'])
        for step in [1, 2, 3, 5, 10]:
            sim = min(r['index_f_fin'] + step/100, 1.0)
            new_status, _ = get_kfd_status(sim)
            if new_status != curr_status:
                priority = "Высокий" if r['population'] > 500 else "Средний"
                priority_order = 1 if priority == "Высокий" else 2
                
                wins.append({
                    "Населённый пункт": r['locality_nm'],
                    "Район": r.get('mun_lev_1', '—'),
                    "Население": r['population'],
                    "Текущий КФД": f"{r['index_f_fin']:.2f} - {curr_status}",
                    "Прогноз КФД": f"{sim:.2f} - {new_status}",
                    "Необходимый рост": f"+{step}%",
                    "Приоритет": priority,
                    "_priority_order": priority_order
                })
                break
    
    if wins:
        wins_df = pd.DataFrame(wins)
        wins_df = wins_df.sort_values(
            ["_priority_order", "Население"],
            ascending=[True, False]
        ).drop(columns=['_priority_order'])
        
        st.dataframe(
            wins_df.style.applymap(lambda x: "background-color: #fff3cd" if "Высокий" in str(x) else "",
                                   subset=["Приоритет"])
            .format({"Население": "{:,.0f}"}),
            use_container_width=True,
            hide_index=True
        )
    else:
        st.success("✅ В выборке нет НП с потенциалом быстрого улучшения КФД")

with tab2:
    st.subheader("📋 Полный реестр населённых пунктов")
    
    disp_cols = ['mun_lev_1', 'locality_nm', 'population', 'index_f_fin',
                 'total_bkko', 'total_terms', 'n_4g_flg', 'has_post']
    disp_cols = [c for c in disp_cols if c in f_df.columns]
    
    display_df = f_df[disp_cols].copy()
    display_df.columns = ['Район', 'Населённый пункт', 'Население', 'КФД',
                          'Банкоматы/Кассы', 'Терминалы', '4G', 'Почта']
    
    def highlight_kfd(val):
        if pd.isna(val): return ''
        _, color = get_kfd_status(val)
        return f'background-color: {color}; color: white; font-weight: bold'
    
    def status_icon(val):
        if pd.isna(val): return '—'
        return '✅' if val > 0 else '❌'
    
    formatted_df = display_df.copy()
    formatted_df['4G'] = formatted_df['4G'].apply(status_icon)
    formatted_df['Почта'] = formatted_df['Почта'].apply(status_icon)
    
    st.dataframe(
        formatted_df.style
        .map(highlight_kfd, subset=['КФД'])
        .format({
            'КФД': '{:.2f}',
            'Население': '{:,.0f}',
            'Банкоматы/Кассы': '{:.0f}',
            'Терминалы': '{:.0f}'
        }),
        use_container_width=True,
        height=500
    )

# =============================================================================
# ФУТЕР
# =============================================================================
st.markdown("---")
st.caption("""
🏦 Информационный портал КФД НСО |
Данные актуальны на 01.07.2025 |
Разработано для органов государственной власти Новосибирской области
""")