# %%--- [python] cell-f74e05782eef
# properties:
#   run_on_load: true
# ---%%
print("开始初始化数据分析和可视化的运行环境,请稍候……")
import micropip
await micropip.install("/pypi/openpyxl-3.1.5-py2.py3-none-any.whl")
await micropip.install("/pypi/pyfonts-0.0.2-py3-none-any.whl")
import pandas as pd
import pyodide
from pyfonts import load_font

# 字体文件的URL
file_url = '/assets/fonts/NotoSansSC-Regular.ttf'  # 请将此URL替换为实际文件的URL
# 内存中保存路径
local_file_path = '/NotoSansSC-Regular.ttf'
# 下载文件并保存到本地
try:
	response = await pyodide.http.pyfetch(file_url)
	# Return the response body as a bytes object
	image_data = await response.bytes()
	with open(local_file_path, 'wb') as f:
		f.write(image_data)
	print(f"中文字体已成功下载并保存为: {local_file_path}")
except Exception as e:
	print(f"下载文件时出错: {e}")

font = load_font(font_path="/NotoSansSC-Regular.ttf")
print("数据分析和可视化的运行环境已经就绪。可以进行第1步了。")
# %% [markdown] cell-5e351e7966a3
## 第1步：请从本地上传一个用电商记插件采集的淘宝搜索2025新版结果（含综合排序和销量排序）的Excel文件。[下载示例](https://www.dianshangji.cn/u/user5344/cfiles/download/43a1d213-1bc8-43ac-8979-c0715630af3b)
# %%--- [html] cell-a5b79fdf3c10
# properties:
#   run_on_load: true
# ---%%
<input class="btn btn-primary" type="file" id="fileInput"/> 
# %%--- [javascript] cell-d28877a258f5
# properties:
#   run_on_load: true
# ---%%

const fileInput = document.getElementById('fileInput');
fileInput.addEventListener('change', async function(ev){
  const file = fileInput.files[0];
  if (!file) {
      alert("Please select a file first.");
      return;
  }
  
  // 读取文件为 ArrayBuffer
  const arrayBuffer = await file.arrayBuffer();
  
  // 将 ArrayBuffer 转换为 Uint8Array
  const uint8Array = new Uint8Array(arrayBuffer);
  
  pyodide.FS.writeFile('/file1.xlsx', uint8Array);
});
# %% [markdown] cell-21815780a840
## 第2步：点击运行下面这个单元格，先处理“月销量”字段的数据，然后绘制“价格-月销量”散点图。
# %% [python] cell-2d6e920188c2
print("开始读取内存中的Excel文件……")
# 读取Excel文件，跳过前两行（即从第三行开始读取），只保留“价格”和“月销量”两个字段
df = pd.read_excel('/file1.xlsx', skiprows=2, usecols=['价格', '月销量'])

# 打印前5条记录
print(df.head(5))

import pandas as pd
import re

# 定义一个函数来处理“月销量”字段
def clean_month_sales(sales_str):
    if pd.isna(sales_str):
        return None
    
    sales_str = str(sales_str).strip()
    
    if "本月行业热销" in sales_str:
        return 1000
    elif "万+" in sales_str:
        match = re.search(r'(\d+)', sales_str)
        if match:
            return int(match.group(1)) * 10000
    elif "+人收货" in sales_str:
        match = re.search(r'(\d+)', sales_str)
        if match:
            return int(match.group(1))
    
    try:
        return int(sales_str)
    except ValueError:
        return None

# 应用函数到“月销量”列
df['月销量'] = df['月销量'].apply(clean_month_sales)

# 打印前5条记录以检查结果
print(df.head(5))

import matplotlib.pyplot as plt
import numpy as np

# 确保之前的数据框df已经存在并且包含"价格"和"月销量"列
# 如果数据框df不存在或需要重新加载，请确保在此之前执行相应的读取操作

# 过滤掉“价格”大为1000的记录
df_filtered = df[df['价格'].apply(lambda x: (1 <= x <= 1000))]

# 绘制散点图
plt.figure(figsize=(10, 6))
plt.scatter(df_filtered['价格'], df_filtered['月销量'], alpha=0.5)
plt.title('价格 vs 月销量 散点图', font=font)
plt.xlabel('价格', font=font)
plt.ylabel('月销量', font=font)
plt.grid(True)
plt.show()
print("散点图绘制完毕。")