上傳檔案到「/」

README.md

@@ -0,0 +1,60 @@
+# Safe Launch 報告轉換系統
+
+這是一個基於Flask的網頁應用，用於處理SPC的Raw data (.xls/.xlsx)，自動化執行數據轉換與統計分析。
+
+## 功能特色
+
+- 支援 .xls 和 .xlsx 檔案格式
+- 自動化數據分組與聚合
+- 計算統計數據（最小值、最大值、平均值、標準差、PPK）
+- 四捨五入至小數點第三位
+- 美觀的現代化網頁界面
+- 即時處理進度顯示
+
+## 安裝與部署
+
+### 1. 安裝依賴
+```bash
+pip install -r requirements.txt
+```
+
+### 2. 啟動應用
+```bash
+python app.py
+```
+
+### 3. 訪問應用
+打開瀏覽器訪問：`http://localhost:12001`
+
+## 項目結構
+
+```
+data_transform/
+├── app.py                 # Flask主應用
+├── transform_data.py      # 數據處理核心邏輯
+├── requirements.txt       # Python依賴包
+├── templates/
+│   └── index.html        # 網頁模板
+└── uploads/              # 上傳文件存儲目錄
+```
+
+## 使用說明
+
+1. 打開網頁應用
+2. 點擊「選擇檔案」按鈕
+3. 選擇要處理的Excel檔案（.xls或.xlsx格式）
+4. 點擊「上傳並處理」按鈕
+5. 等待處理完成後自動下載結果檔案
+
+## 技術架構
+
+- **後端**: Flask (Python)
+- **前端**: HTML5 + Bootstrap 4 + jQuery
+- **數據處理**: pandas + numpy
+- **文件處理**: openpyxl + xlrd
+
+## 注意事項
+
+- 確保Excel檔案包含名為"Sheet1"的工作表
+- 處理大檔案時可能需要較長時間
+- 建議在生產環境中使用WSGI服務器（如Gunicorn） 

app.py

@@ -0,0 +1,69 @@
+
+
+import os
+from flask import Flask, request, render_template, send_from_directory, flash, redirect, url_for
+from werkzeug.utils import secure_filename
+from transform_data import process_with_rounding
+
+# --- 設定 ---
+UPLOAD_FOLDER = 'uploads' # 用於儲存上傳和處理後的檔案
+ALLOWED_EXTENSIONS = {'xls', 'xlsx'}
+
+app = Flask(__name__)
+app.config['UPLOAD_FOLDER'] = UPLOAD_FOLDER
+app.config['SECRET_KEY'] = 'supersecretkey' # Flask 需要一個密鑰來顯示提示訊息
+
+# --- 輔助函式 ---
+def allowed_file(filename):
+    return '.' in filename and \
+           filename.rsplit('.', 1)[1].lower() in ALLOWED_EXTENSIONS
+
+# --- 路由定義 ---
+@app.route('/', methods=['GET', 'POST'])
+def upload_file():
+    if request.method == 'POST':
+        # 檢查是否有上傳檔案
+        if 'file' not in request.files:
+            flash('沒有檔案部分')
+            return redirect(request.url)
+        file = request.files['file']
+        # 如果使用者未選擇檔案，瀏覽器也會送出一個沒有檔名的空檔案
+        if file.filename == '':
+            flash('未選擇檔案')
+            return redirect(request.url)
+        
+        if file and allowed_file(file.filename):
+            filename = secure_filename(file.filename)
+            
+            # 建立上傳資料夾 (如果不存在)
+            if not os.path.exists(app.config['UPLOAD_FOLDER']):
+                os.makedirs(app.config['UPLOAD_FOLDER'])
+                
+            input_path = os.path.join(app.config['UPLOAD_FOLDER'], filename)
+            file.save(input_path)
+            
+            # 產生最終檔案名稱
+            base, ext = os.path.splitext(filename)
+            final_filename = f"{base}_final_rounded.xlsx"
+            
+            # 呼叫您既有的處理函式
+            try:
+                process_with_rounding(input_path, final_filename)
+                # 提供下載連結
+                return redirect(url_for('download_file', name=final_filename))
+            except Exception as e:
+                flash(f'處理檔案時發生錯誤: {e}')
+                return redirect(request.url)
+
+    return render_template('index.html')
+
+@app.route('/uploads/<name>')
+def download_file(name):
+    return send_from_directory(app.config['UPLOAD_FOLDER'], name)
+
+# --- 啟動伺服器 ---
+if __name__ == '__main__':
+    # 使用 host='0.0.0.0' 讓區域網路中的其他電腦可以存取
+    # 在生產環境中，建議設置 debug=False
+    app.run(debug=False, host='0.0.0.0', port=12001)
+

requirements.txt

@@ -0,0 +1,6 @@
+Flask==2.3.3
+pandas==2.0.3
+numpy==1.24.3
+openpyxl==3.1.2
+xlrd==2.0.1
+Werkzeug==2.3.7 

transform_data.py

@@ -0,0 +1,132 @@
+
+import pandas as pd
+import os
+import numpy as np
+
+def process_with_rounding(input_path, final_filename):
+    """
+    讀取Excel，執行分組聚合，轉置，計算統計數據(包含PPK)並四捨五入至小數點第三位，最後儲存。
+    """
+    try:
+        print(f"正在讀取檔案: {input_path}")
+        df = pd.read_excel(input_path, sheet_name='Sheet1', engine='xlrd')
+        print("檔案讀取成功。")
+
+        # --- 1. 根據位置定義欄位 ---
+        id_cols_indices = [2, 6, 8, 9, 10] # C, G, I, J, K
+        id_vars_names = df.columns[id_cols_indices].tolist()
+        value_col_start_index = 19 # T欄位
+        value_vars = df.columns[value_col_start_index:].tolist()
+
+        special_cat_col_name = df.columns[6]
+        lsl_col_name = df.columns[9]
+        usl_col_name = df.columns[10]
+
+        # --- 2. 修正分組鍵，確保空值準確性 ---
+        def to_grouping_str(x):
+            if not pd.notna(x): return ''
+            if isinstance(x, (int, float)) and x == int(x): return str(int(x))
+            return str(x)
+
+        df[special_cat_col_name] = df[special_cat_col_name].apply(to_grouping_str)
+        df[lsl_col_name] = df[lsl_col_name].apply(to_grouping_str)
+        df[usl_col_name] = df[usl_col_name].apply(to_grouping_str)
+        print("已將分組鍵轉換為文字以進行精確分組。")
+
+        # --- 3. 執行分組與聚合 ---
+        def flatten_group_values(series):
+            return [item for item in series.values.flatten() if pd.notna(item)]
+
+        print("開始進行分組與數據合併...")
+        grouped = df.groupby(id_vars_names, dropna=False)[value_vars]
+        aggregated_series = grouped.apply(flatten_group_values)
+
+        if aggregated_series.empty or all(len(v) == 0 for v in aggregated_series):
+            print("警告：分組後未發現任何可合併的數據。")
+            return
+
+        # --- 4. 計算統計數據與PPK，並進行四捨五入 ---
+        print("正在為每個分組計算統計數據與PPK...")
+        final_df = aggregated_series.reset_index(name='Aggregated_Values')
+
+        def calculate_and_round_stats(row):
+            values = pd.Series(row['Aggregated_Values'])
+            lsl_str = row[lsl_col_name]
+            usl_str = row[usl_col_name]
+
+            if values.empty:
+                return pd.Series([np.nan, np.nan, np.nan, np.nan, np.nan])
+
+            mean = values.mean()
+            std = values.std()
+            min_val = values.min()
+            max_val = values.max()
+            ppk = np.nan
+
+            if std is not None and std > 0:
+                try:
+                    usl = float(usl_str)
+                    has_usl = True
+                except (ValueError, TypeError): has_usl = False
+                try:
+                    lsl = float(lsl_str)
+                    has_lsl = True
+                except (ValueError, TypeError): has_lsl = False
+
+                if has_usl and has_lsl:
+                    ppu = (usl - mean) / (3 * std)
+                    ppl = (mean - lsl) / (3 * std)
+                    ppk = min(ppu, ppl)
+                elif has_usl:
+                    ppk = (usl - mean) / (3 * std)
+                elif has_lsl:
+                    ppk = (mean - lsl) / (3 * std)
+            
+            # *** 修改：對所有結果進行四捨五入到小數點後三位 ***
+            return pd.Series([
+                round(min_val, 3) if pd.notna(min_val) else min_val,
+                round(max_val, 3) if pd.notna(max_val) else max_val,
+                round(mean, 3) if pd.notna(mean) else mean,
+                round(std, 3) if pd.notna(std) else std,
+                round(ppk, 3) if pd.notna(ppk) else ppk
+            ])
+
+        stats_df = final_df.apply(calculate_and_round_stats, axis=1)
+        stats_df.columns = ['最小值', '最大值', '平均值', '標準差', 'PPK']
+        
+        stats_with_ids = pd.concat([final_df[id_vars_names], stats_df], axis=1)
+        stats_transposed = stats_with_ids.set_index(id_vars_names).T
+        print("統計數據計算與格式化完成。")
+
+        # --- 5. 準備並轉置主要數據 ---
+        print("正在準備與轉置主要數據...")
+        expanded_values = final_df['Aggregated_Values'].apply(pd.Series)
+        expanded_values.columns = [i + 1 for i in range(expanded_values.shape[1])]
+        result_df = pd.concat([final_df[id_vars_names], expanded_values], axis=1)
+        transposed_df = result_df.set_index(id_vars_names).T
+        transposed_df.index.name = "量測值編號"
+        print("主要數據轉置完成。")
+
+        # --- 6. 合併主要數據與統計數據 ---
+        final_result_df = pd.concat([transposed_df, stats_transposed])
+        print("已將統計結果附加到數據末尾。")
+
+        # --- 7. 儲存最終檔案 ---
+        output_dir = os.path.dirname(input_path)
+        final_output_path = os.path.join(output_dir, final_filename)
+        final_result_df.to_excel(final_output_path, index=True, engine='openpyxl')
+        print(f"成功！格式化後的最終檔案已儲存至: {final_output_path}")
+
+    except FileNotFoundError:
+        print(f"錯誤：找不到檔案 {input_path}")
+    except Exception as e:
+        print(f"處理過程中發生未預期的錯誤: {e}")
+
+if __name__ == "__main__":
+    # 這個區塊現在僅供直接執行此腳本時測試用
+    # 當作為模組被 app.py 匯入時，此區塊不會被執行
+    print("此腳本現在是作為一個模組，請透過 app.py 啟動網頁服務來使用。")
+    # 以下是測試範例，您可以取消註解來進行單獨測試：
+    # input_file_path = r'GA25072023.xls' # 假設測試檔案在同個資料夾
+    # final_file_name = 'GA25072023_final_rounded_test.xlsx'
+    # process_with_rounding(input_file_path, final_file_name)

啟動網頁版的步驟.txt

@@ -0,0 +1,31 @@
+# Safe Launch 報告轉換系統 - 啟動步驟
+
+## 方法一：直接啟動
+1. 打開您電腦的「命令提示字元 (cmd)」或「Windows PowerShell」
+2. 切換到項目目錄：
+   cd "您的項目路徑\data_transform"
+3. 安裝依賴包（首次使用）：
+   pip install -r requirements.txt
+4. 啟動網頁伺服器：
+   python app.py
+5. 打開瀏覽器訪問：http://localhost:12001
+
+## 方法二：使用虛擬環境（推薦）
+1. 創建虛擬環境：
+   python -m venv venv
+2. 啟動虛擬環境：
+   venv\Scripts\activate
+3. 安裝依賴包：
+   pip install -r requirements.txt
+4. 啟動應用：
+   python app.py
+5. 訪問：http://localhost:12001
+
+## 網路訪問
+如果要在區域網路中讓其他電腦訪問，應用會自動綁定到 0.0.0.0:12001
+您可以使用本機IP地址訪問，例如：http://192.168.1.100:12001
+
+## 注意事項
+- 確保防火牆允許12001端口
+- 生產環境建議使用WSGI服務器（如Gunicorn）
+- 處理大檔案時請耐心等待