[Feat] Streamlit 앱에 실험 데이터 분석을 위한 기능 추가

.env.example

@@ -1,2 +1,3 @@
 HF_TOKEN={your_hf_token}
-STREAMLIT_DATA_PATH={streamlit_data_path}
+STREAMLIT_DATA_PATH={streamlit_data_path}
+STREAMLIT_EXPERIMENT_DATA_PATH={streamlit_experiment_data_path}

.vscode/launch.json

@@ -0,0 +1,13 @@
+{
+  "version": "0.2.0",
+  "configurations": [
+    {
+      "name": "streamlit debug",
+      "type": "debugpy",
+      "request": "launch",
+      "module": "streamlit",
+      "args": ["run", "${file}"],
+      "justMyCode": true
+    }
+  ]
+}

analysis_dashboard.py

@@ -5,7 +5,7 @@
 from dotenv import load_dotenv
 from streamlit_option_menu import option_menu
 
-from streamlit_utils import access_data_by_index, display_data_summary, display_question_format, filter_data_by_column
+from streamlit_utils import display_data_summary, display_data_tab
 
 if __name__ == "__main__":
 
@@ -24,35 +24,36 @@
     if selected == "Home":
         st.title("📊 Data Analysis")
         uploaded_file = st.sidebar.file_uploader("Upload a CSV file for analysis", type="csv")
-        tab1, tab2, tab3 = st.tabs(["📊 데이터 개요", "🔍 데이터 탐색", "📈 데이터 분포"])
+        experiment_file = st.sidebar.file_uploader("Upload a experiment result CSV file for analysis", type="csv")
+        tab1, tab2, tab3, tab4 = st.tabs(["📊 데이터 개요", "🔍 데이터 탐색", "📈 데이터 분포", "🔬 실험 데이터"])
 
         if uploaded_file:
             df = pd.read_csv(uploaded_file)
         else:
-            # 첨부 파일이 없으면 기본적으로 train.csv에 대한 분석을 출력합니다.
+            # 첨부 파일이 없으면 기본적으로 설정한 학습 데이터에 대한 분석을 출력합니다.
+            # .env에서 STREAMLIT_DATA_PATH, STREAMLIT_EXPERIMENT_DATA_PATH에 각각 학습 데이터, 실험 데이터를 설정하세요.
             df = pd.read_csv(os.getenv("STREAMLIT_DATA_PATH"))
+        if experiment_file:
+            exp_df = pd.read_csv(experiment_file)
+        else:
+            exp_df = pd.read_csv(os.getenv("STREAMLIT_EXPERIMENT_DATA_PATH"))
+
         # 데이터 요약
         with tab1:
             display_data_summary(df)
 
         # 개별 데이터 접근
         with tab2:
-            st.subheader("전체 데이터 확인")
-            st.dataframe(df)
-
-            st.subheader("개별 데이터 확인")
-            access_method = st.radio("데이터 접근 방식 선택", ("Access by Index", "Filter by Column"))
-            if access_method == "Access by Index":
-                access_data_by_index(df)
-            elif access_method == "Filter by Column":
-                filter_data_by_column(df)
-
-            display_question_format(df)
+            display_data_tab(df, "tab2")
 
         # 분포 확인
         with tab3:
             st.subheader("데이터 분포")
             # TODO: Add distribution plotting logic
 
+        # 실험 데이터 확인
+        with tab4:
+            display_data_tab(exp_df, "tab4")
+
     elif selected == "Compare":
         st.title("🆚 Compare Datasets")

streamlit_utils/__init__.py

@@ -1 +1,2 @@
 from .data_util import *
+from .key_manager import *

streamlit_utils/data_util.py

@@ -20,16 +20,16 @@ def display_data_summary(df: pd.DataFrame):
 
 
 # 인덱스 접근 함수
-def access_data_by_index(df: pd.DataFrame):
+def access_data_by_index(df: pd.DataFrame, tab_name: str):
     st.markdown("#### Access Data by Index")
     index_input = st.number_input(
         "Enter the index of the row to retrieve:",
         min_value=0,
         max_value=len(df) - 1,
         step=1,
-        key="unique_key_1",
+        key="index_input_" + tab_name,
     )
-    if st.button("Retrieve by Index"):
+    if st.button("Retrieve by Index", key="index_retriever_" + tab_name):
         if 0 <= index_input < len(df):
             row_data = df.iloc[int(index_input)]
             st.write(f"Row at index {int(index_input)}:")
@@ -39,12 +39,12 @@ def access_data_by_index(df: pd.DataFrame):
 
 
 # 칼럼 필터링 함수
-def filter_data_by_column(df: pd.DataFrame):
+def filter_data_by_column(df: pd.DataFrame, tab_name: str):
     st.markdown("#### Filter Data by Column")
-    column = st.selectbox("Select a column to filter by:", df.columns)
-    search_value = st.text_input(f"Enter the value to search in '{column}':")
+    column = st.selectbox("Select a column to filter by:", df.columns, key="column_filter_" + tab_name)
+    search_value = st.text_input(f"Enter the value to search in '{column}':", key="column_search_value_" + tab_name)
 
-    if st.button("Search"):
+    if st.button("Search", key="search_button_" + tab_name):
         filtered_df = df[df[column].astype(str).str.contains(search_value, na=False, case=False, regex=False)]
         result_count = len(filtered_df)
         st.write(f"Number of rows containing '{search_value}' in column '{column}': {result_count}")
@@ -55,7 +55,7 @@ def filter_data_by_column(df: pd.DataFrame):
 
 
 # 수능 형식으로 데이터 출력해주는 함수
-def display_question_format(df: pd.DataFrame):
+def display_question_format(df: pd.DataFrame, tab_name: str):
     st.subheader("문제 형태로 확인")
     required_columns = {"paragraph", "question", "choices"}
     if not required_columns.issubset(df.columns):
@@ -66,7 +66,7 @@ def display_question_format(df: pd.DataFrame):
             min_value=0,
             max_value=len(df) - 1,
             step=1,
-            key="unique_key_2",
+            key="question_idx_" + tab_name,
         )
         row = df.iloc[question_idx]
         paragraph = row["paragraph"]
@@ -85,6 +85,14 @@ def display_question_format(df: pd.DataFrame):
             st.markdown(body="#### 🔍 <보기>")
             st.write(row["question_plus"])
 
+        default_columns = [
+            "id",
+            "paragraph",
+            "question",
+            "question_plus",
+            "choices",
+            "answer",
+        ]  # 제공된 데이터셋의 기본 열 이름 정보
         choices_list = eval(choices) if isinstance(choices, str) else choices
         st.markdown("#### 📝 선택지")
         for idx, choice in enumerate(choices_list, start=1):
@@ -101,3 +109,26 @@ def display_question_format(df: pd.DataFrame):
         if "answer" in df.columns:
             st.markdown("#### ✅ 정답")
             st.write(row["answer"])
+
+        # 기본 열이 아닌 생성된 열일 경우 추가로 렌더링 하는 기능
+        for column in df.columns:
+            if column not in default_columns:
+                st.markdown(f"#### {column}")
+                st.write(row[column])
+
+
+# 데이터 분석 렌더링 모듈화
+def display_data_tab(df: pd.DataFrame, tab_name: str):
+    st.subheader("전체 데이터 확인")
+    st.dataframe(df, key="dataframe_" + tab_name)
+
+    st.subheader("개별 데이터 확인")
+    access_method = st.radio(
+        "데이터 접근 방식 선택", ("Access by Index", "Filter by Column"), key="access_method_" + tab_name
+    )
+    if access_method == "Access by Index":
+        access_data_by_index(df, tab_name)
+    elif access_method == "Filter by Column":
+        filter_data_by_column(df, tab_name)
+
+    display_question_format(df, tab_name)