import streamlit as st
import pandas as pd
import plotly.express as px
import plotly.graph_objects as go

st.title('Zali Ai - مطالعات کاربردی دهخدا')

# آپلود فایل
uploaded_file = st.file_uploader("لطفا فایل CSV یا Excel خود را آپلود کنید", type=['csv', 'xlsx'])

if uploaded_file:
    # خواندن فایل
    if uploaded_file.name.endswith('.csv'):
        df = pd.read_csv(uploaded_file)
    else:
        df = pd.read_excel(uploaded_file)

    st.write("فایل آپلود شده:")
    st.write(df.head())

    # انتخاب ستون‌ها
    columns = df.columns.tolist()
    selected_columns = st.multiselect('ستون‌های مورد نظر برای تحلیل را انتخاب کنید', columns)

    if selected_columns:
        st.write("ستون‌های انتخاب شده:")
        st.write(df[selected_columns])

        # رسم نمودار سه‌بعدی
        if len(selected_columns) >= 3:
            fig = px.scatter_3d(df, x=selected_columns[0], y=selected_columns[1], z=selected_columns[2],
                                color=selected_columns[2])
            st.plotly_chart(fig)

        # رسم چارت سه‌بعدی
        for col in selected_columns:
            fig = px.histogram(df, x=col, nbins=30, title=f'Histogram of {col}')
            st.plotly_chart(fig)

        # رسم هیتوگرام سه‌بعدی
        if len(selected_columns) >= 2:
            fig = go.Figure(data=[go.Histogram2dContour(
                x=df[selected_columns[0]],
                y=df[selected_columns[1]],
                contours=dict(
                    coloring='heatmap',
                ),
                colorscale='Blues',
            )])
            st.plotly_chart(fig)

        # نمودارهای اضافی
        if len(selected_columns) >= 3:
            fig = px.line_3d(df, x=selected_columns[0], y=selected_columns[1], z=selected_columns[2],
                             title='Line 3D Chart')
            st.plotly_chart(fig)

            fig = px.scatter_3d(df, x=selected_columns[0], y=selected_columns[1], z=selected_columns[2],
                                title='Scatter 3D Chart')
            st.plotly_chart(fig)

# استایل CSS
st.markdown("""
<style>
body {
    font-family: "Vazir", sans-serif;
}
</style>
""", unsafe_allow_html=True)