Update app.py

app.py

@@ -1,5 +1,6 @@
 import os
 import io
+import requests
 import numpy as np
 import pandas as pd
 import gradio as gr
@@ -15,7 +16,7 @@ if api_key:
     client = Groq(api_key=api_key)
 
 # ==========================================
-# 📊 2. CSV'DEN VERİ OKUMA VE MODEL EĞİTİMİ
+# 📊 2. YARDIMCI FONKSİYONLAR
 # ==========================================
 def compute_rsi(series, period=14):
     delta = series.diff()
@@ -24,25 +25,33 @@ def compute_rsi(series, period=14):
     rs = gain / loss
     return 100 - (100 / (1 + rs))
 
-def process_csv_and_train(file):
-    """Yüklenen CSV'yi işler, göstergeleri hesaplar ve XGBoost modelini eğitir."""
-    if file is None:
-        return None, None, None
-
+def load_csv_from_url(url):
+    """Verilen URL'den CSV indirir ve DataFrame döndürür."""
     try:
-        df = pd.read_csv(file.name)
+        headers = {"User-Agent": "Mozilla/5.0"}
+        r = requests.get(url, headers=headers, timeout=20)
+        r.raise_for_status()
+        df = pd.read_csv(io.StringIO(r.text))
+        return df, None
     except Exception as e:
-        return None, None, f"CSV okunamadı: {e}"
+        return None, f"CSV indirilemedi: {e}"
 
-    # Sütun isimlerini normalize et (küçük harf)
+def process_dataframe(df):
+    """CSV DataFrame'ini işler, göstergeleri hesaplar ve XGBoost modelini eğitir."""
     df.columns = [c.strip().lower() for c in df.columns]
 
-    # Gerekli sütun kontrolü
-    required = ["close"]
-    if not all(col in df.columns for col in required):
-        return None, None, f"CSV'de 'close' sütunu bulunamadı. Mevcut sütunlar: {list(df.columns)}"
+    # Sütun eşleştirme (farklı CSV formatlarına tolerans)
+    col_map = {
+        "date": "date", "datetime": "date", "timestamp": "date",
+        "open": "open", "high": "high", "low": "low",
+        "close": "close", "adj close": "close", "price": "close",
+        "volume": "volume", "vol": "volume"
+    }
+    df = df.rename(columns={c: col_map[c] for c in df.columns if c in col_map})
+
+    if "close" not in df.columns:
+        return None, None, f"'close' sütunu bulunamadı. Mevcut sütunlar: {list(df.columns)}"
 
-    # Sayısal dönüşüm
     for col in ["open", "high", "low", "close", "volume"]:
         if col in df.columns:
             df[col] = pd.to_numeric(df[col], errors="coerce")
@@ -77,45 +86,43 @@ def process_csv_and_train(file):
     )
     model.fit(X, y)
 
-    # En güncel satırın göstergeleri (tahmin için)
     latest = df_model.iloc[-1]
-    latest_features = {
+    metrics = {
+        "last_close": float(latest["close"]),
         "ma5": float(latest["ma_5"]),
         "ma20": float(latest["ma_20"]),
         "rsi": float(latest["rsi"]),
         "macd": float(latest["macd"]),
-        "last_close": float(latest["close"]),
         "features": features,
     }
     if "volume" in df_model.columns:
-        latest_features["volume"] = float(latest["volume"])
+        metrics["volume"] = float(latest["volume"])
 
-    return model, latest_features, None
-
-# Global model değişkenleri
-xgb_model = None
-latest_metrics = None
+    return model, metrics, None
 
 # ==========================================
 # 🧠 3. ANALİZ MOTORU
 # ==========================================
-def predict_and_analyze(file):
-    global xgb_model, latest_metrics
+def predict_and_analyze(csv_url):
+    if not csv_url:
+        return "Lütfen bir CSV linki giriniz.", {}
 
-    model, metrics, err = process_csv_and_train(file)
+    # 1) CSV indir
+    df, err = load_csv_from_url(csv_url)
     if err:
         return err, {}
 
-    xgb_model = model
-    latest_metrics = metrics
+    # 2) Modeli eğit
+    model, metrics, err = process_dataframe(df)
+    if err:
+        return err, {}
 
-    # Tahmin
-    feat_order = metrics["features"]
+    # 3) Tahmin
     feat_values = [metrics[k] for k in ["ma5", "ma20", "rsi", "macd"]]
-    if "volume" in feat_order:
+    if "volume" in metrics:
         feat_values.append(metrics["volume"])
     features_arr = np.array([feat_values])
-    prob_up = float(xgb_model.predict_proba(features_arr)[0][1])
+    prob_up = float(model.predict_proba(features_arr)[0][1])
     prob_down = 1 - prob_up
 
     direction = "YUKARI 📈" if prob_up > 0.5 else "AŞAĞI 📉"
@@ -163,7 +170,7 @@ def predict_and_analyze(file):
         analysis_result = "GROQ_API_KEY bulunamadı! Hugging Face Secrets'a ekleyin."
 
     header = (
-        f"**Son Kapanış: ${metrics['last_close']:,.2f}** | RSI: {metrics['rsi']:.1f} | "
+        f"**CSV: Son Kapanış ${metrics['last_close']:,.2f}** | RSI: {metrics['rsi']:.1f} | "
         f"MA5: ${metrics['ma5']:,.0f} | MA20: ${metrics['ma20']:,.0f}\n\n---\n\n"
     )
     return header + analysis_result, prob_dict
@@ -174,36 +181,38 @@ def predict_and_analyze(file):
 with gr.Blocks(theme=gr.themes.Soft(primary_hue="orange", secondary_hue="slate")) as demo:
     gr.Markdown(
         """
-        # ₿ BTC/USD XGBoost & Groq AI Tahmin Radarı (CSV Yükleme)
-        **Yahoo Finance (yfinance)** ile indirdiğiniz BTC-USD CSV dosyasını yükleyin. Model CSV üzerinden eğitilir, XGBoost yön tahmini yapar, Groq analiz raporu üretir. **Hiçbir dış API çağrısı yapılmaz.**
+        # ₿ BTC/USD XGBoost & Groq AI Tahmin Radarı (CSV Linki)
+        Bir CSV linki girin; kod dosyayı indirir, göstergeleri hesaplar, **XGBoost** modelini eğitir ve **Groq** analiz raporu üretir.
         """
     )
 
     with gr.Row():
         with gr.Column():
-            gr.Markdown("### 📂 CSV Dosyası Yükle")
-            file_input = gr.File(label="BTC-USD CSV (Date, Open, High, Low, Close, Volume)", file_types=[".csv"])
+            gr.Markdown("### 🔗 CSV Linki")
+            url_input = gr.Textbox(
+                label="CSV URL",
+                placeholder="https://.../btc_usd.csv",
+                value=""
+            )
             gr.Markdown(
                 """
-                **İpucu**: `pip install yfinance` ile şu şekilde indirebilirsiniz:
-                ```python
-                import yfinance as yf
-                yf.download("BTC-USD", period="2y", interval="1d").to_csv("btc.csv")
-                ```
+                **Örnek linkler:**
+                - `https://raw.githubusercontent.com/.../btc_usd.csv`
+                - Kaggle'dan indirdiğiniz CSV'yi GitHub'a yükleyip raw linkini kullanabilirsiniz.
                 """
             )
-            submit_btn = gr.Button("CSV'yi Yükle ve Analiz Et", variant="primary")
+            submit_btn = gr.Button("CSV'yi İndir ve Analiz Et", variant="primary")
 
         with gr.Column():
             gr.Markdown("### 📈 XGBoost Yön Tahmini")
             prob_output = gr.Label(label="Olasılık Dağılımı")
 
             gr.Markdown("### 🧠 Groq Yapay Zeka Analiz Raporu")
-            analysis_output = gr.Markdown(value="CSV dosyasını yükleyip butona basın.")
+            analysis_output = gr.Markdown(value="CSV linkini girip butona basın.")
 
     submit_btn.click(
         fn=predict_and_analyze,
-        inputs=[file_input],
+        inputs=[url_input],
         outputs=[analysis_output, prob_output]
     )