Update app.py

app.py

@@ -0,0 +1,65 @@
+import streamlit as st
+import pandas as pd
+import numpy as np
+from sklearn.linear_model import LinearRegression
+import matplotlib.pyplot as plt
+
+# Başlık
+st.title('Stok Takip ve Tahmin Sistemi')
+
+# Kullanıcıdan veri alacağız
+st.header("Lütfen Aşağıdaki Verileri Girin")
+
+# Kullanıcıdan ürün verilerini alıyoruz
+products = ['PE Mavi (A)', 'Bagger Tüp (B)', 'Çatı Şiltesi (C)', 'Beyaz Genel Şilte (D)', 
+            'Beyaz Genel Şilte (İhracat) (E)', 'Genel Levha (F)', 'PE Torba (G)', 
+            'Torb Baskılı (H)', 'PE Poşet (I)', 'PP Torba Baskılı (J)', 'PP Torba 156x350 (K)']
+
+# Tarih ve Stok Miktarları
+product_data = {}
+for product in products:
+    product_data[product] = {
+        'Giriş': st.number_input(f'{product} - Giriş', min_value=0, step=1),
+        'Sayım': st.number_input(f'{product} - Sayım', min_value=0, step=1),
+        'Tüketim': st.number_input(f'{product} - Tüketim', min_value=0, step=1)
+    }
+
+# Veriyi DataFrame'e dönüştür
+df = pd.DataFrame(product_data).T
+
+# Veriyi göster
+st.subheader('Veri Görünümü')
+st.write(df)
+
+# Model eğitimi ve tahmin
+st.header("Stok Tüketimi Tahmini")
+
+# Basit bir regresyon modelini kullanarak tahmin yapalım
+model = LinearRegression()
+
+# X: Giriş, Sayım, Tüketim (önceki veri ile)
+# Y: Tüketim
+X = df[['Giriş', 'Sayım']]
+y = df['Tüketim']
+
+# Modeli eğit
+model.fit(X, y)
+
+# Tahmin yap
+df['Tahmin Tüketimi'] = model.predict(X)
+
+# Tahmin sonuçlarını göster
+st.subheader('Tahmin Edilen Tüketimler')
+st.write(df[['Giriş', 'Sayım', 'Tüketim', 'Tahmin Tüketimi']])
+
+# Grafik
+st.subheader('Tüketim Tahminleri Grafiği')
+fig, ax = plt.subplots()
+ax.plot(df.index, df['Tüketim'], label='Gerçek Tüketim', marker='o')
+ax.plot(df.index, df['Tahmin Tüketimi'], label='Tahmin Edilen Tüketim', marker='x')
+ax.set_title('Gerçek ve Tahmin Edilen Tüketimler')
+ax.set_xlabel('Ürünler')
+ax.set_ylabel('Tüketim Miktarı')
+ax.legend()
+st.pyplot(fig)
+