-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathtest2.py
167 lines (142 loc) · 6.46 KB
/
test2.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
import streamlit as st
from st_files_connection import FilesConnection
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from PIL import Image
import requests
import seaborn as sns
# Create connection object and retrieve file contents.
# Specify input format is a csv and to cache the result for 600 seconds.
conn = st.experimental_connection('s3', type=FilesConnection)
df = conn.read("basketball-vorhersagen/ProbeWurf.csv", input_format="csv", ttl=600)
#AWS_ACCESS_KEY_ID = 'YOUR_ACCESS_KEY_ID'
#AWS_SECRET_ACCESS_KEY = 'YOUR_SECRET_ACCESS_KEY'
#BUCKET_NAME = 'YOUR_BUCKET_NAME'
#FILE_NAME = 'YOUR_FILE_NAME.csv'
#s3 = boto3.client('s3', aws_access_key_id=AWS_ACCESS_KEY_ID, aws_secret_access_key=AWS_SECRET_ACCESS_KEY)
#CSV datei
#uploaded_file = st.file_uploader("Wähl eine CSVdatei zu hochladen", type="csv")
#if uploaded_file is not None:
#csv_url = 'https://raw.githubusercontent.com/dap-i/ccps-Projekt/5bcf6a37fbea16d4e1f3ccf1604000defde71e97/ProbeWurf.CSV'
#df = pd.read_csv(csv_url)
num_rows = df.shape[0]
st.title("Wurfvorhersage des Basketball")
url = 'https://img95.699pic.com/xsj/19/zz/1o.jpg!/fw/700/watermark/url/L3hzai93YXRlcl9kZXRhaWwyLnBuZw/align/southeast'
response = requests.get(url, stream=True)
app_mode = st.sidebar.selectbox('Wählen Sie die anzuzeigenden Daten aus', ['Einzelwurf','alle Wurfe'])
if app_mode == 'Einzelwurf':
st.write("Basketball-Aufprallpunkt vorhersagen")
# data-pd.read_csv
selected_row = st.selectbox("Wähl welche Wurf anzuzeigen", range(1, num_rows+1))
selected_row -= 1
# 显示选择的行数据
Wurfzahl = df.iloc[selected_row, 0]
X_p = df.iloc[selected_row, 1]
Y_p = df.iloc[selected_row, 2]
Getroffen_wahrscheinlichkeit = df.iloc[selected_row, 4]
KI_vorschlag = df.iloc[selected_row, 5]
if Getroffen_wahrscheinlichkeit <= 70:
Ball = 2
else:
Ball = 1
st.write(pd.DataFrame({
'Wurfzahl': [Wurfzahl],
'X-Position': [X_p],
'Y-Position': [Y_p]
}))
# 下载图片
response = requests.get(url, stream=True)
background_image = Image.open(response.raw)
# 转换成 NumPy 数组
background_array = np.array(background_image)
# 绘制网格
fig, ax = plt.subplots(4, 5, figsize=(3,2))
# 将图像切割成 4x5 网格中的块，并将每个块分配给对应的 Axes 对象
x_blocks = np.array_split(background_array, 5, axis=1)
blocks = [np.array_split(block, 4, axis=0) for block in x_blocks]
for i in range(4):
for j in range(5):
ax[i][j].imshow(blocks[j][i])
ax[i][j].axis('off')
# 数据坐标
data_coords = [(X_p-1, Y_p-1)]
# 更改对应坐标的网格颜色
for coord in data_coords:
row, col = coord
if (row, col) == data_coords[0]:
ax[row][col].text(0.5, 0.5, 'hit!', fontsize=20, ha='center', va='center',transform=ax[row][col].transAxes, color='red')
print("r",row,"c",col)
st.pyplot(fig)
#getroffenwahrscheinlichkeit
st.write('Getroffenwahrscheinlichkeit ist :', Getroffen_wahrscheinlichkeit, '%')
fig, ax = plt.subplots()
ax.pie([Getroffen_wahrscheinlichkeit, 100 - Getroffen_wahrscheinlichkeit], labels=['Getroffen', 'verfehlt'], autopct='%1.1f%%', startangle=90)
ax.axis('equal')
st.pyplot(fig)
#KI vorschlag
if KI_vorschlag =='LO':
st.write('Vorschlag für Wurfverbesserung : nach Links und Oben')
if KI_vorschlag =='LU':
st.write('Vorschlag für Wurfverbesserung : nach Links und Unter')
if KI_vorschlag =='RO':
st.write('Vorschlag für Wurfverbesserung : nach Rechts und Oben')
if KI_vorschlag =='RU':
st.write('Vorschlag für Wurfverbesserung : nach Rechts und Unter')
if KI_vorschlag == 'L':
st.write('Vorschlag für Wurfverbesserung : nach Links ')
if KI_vorschlag == 'R':
st.write('Vorschlag für Wurfverbesserung : nach Rechts ')
if KI_vorschlag == 'U':
st.write('Vorschlag für Wurfverbesserung : nach Unter ')
if KI_vorschlag == 'O':
st.write('Vorschlag für Wurfverbesserung : nach Oben ')
#with st.container():
# background_Image=Image.open(response.raw)
# st.markdown(f'<style>div.stContainer {{background-image: url("{background_Image}");}}</style>',unsafe_allow_html=True)
# cols = st.columns(4)
# count = 0
# for col in cols:
# for row in range(5):
# 创建一个空白按钮作为网格单元格
# cell_key = f"{row}-{col.index}-{count}"
# count += 1
# cell = col.button("", key=cell_key)
# # 检查数据坐标是否在该单元格内，并在该单元格内高亮
# print("r",row,"c",col._positional_key,"key",cell_key)
# if row == data_y and col._positional_key == data_x:
# cell = col.button("", key=cell_key, help="highlighted", style={"background-color": "yellow"})
# print("counter=", count)
if Ball == 1:
st.success("Bingo!ein Tor schießen")
elif Ball == 2:
st.info("schade!")
elif app_mode == 'alle Wurfe':
st.write("Daten von alle Wurfe")
column_names = ['Wurfzahl', 'X-Position', 'Y-Position', '/', 'Getroffen', 'Vorschlag'] # 根据实际情况自定义列名
# 设置DataFrame的列名
df.columns = column_names
# 显示DataFrame
st.write(df)
x_coords = df.iloc[:, 1]
y_coords = df.iloc[:, 2]
heatmap_data = pd.crosstab(x_coords, y_coords)
response = requests.get(url, stream=True)
background_image = Image.open(response.raw)
background_array = np.array(background_image)
# 调整热图的大小以适应背景图片
fig, ax = plt.subplots(figsize=(heatmap_data.shape[1], heatmap_data.shape[0]))
# 绘制热图并将背景图片叠加在上面
sns.heatmap(heatmap_data, cmap='hot', cbar=True, square=True, annot=True, ax=ax)
heatmap = ax.collections[0]
heatmap.set_alpha(0.4)
ax.invert_yaxis()
plt.gca().set_aspect('equal', adjustable='box')
extent = [0, background_array.shape[0], 0, background_array.shape[1]]
ax.imshow(background_array, extent=[1, 5, 1, 4], aspect='auto', alpha=0.4)
# 设置轴标签和标题
plt.xlabel('Y Coordinate')
plt.ylabel('X Coordinate')
plt.title('Basketball Hit Frequency')
# 显示热图
st.pyplot(fig)