λ€μκ³Ό κ°μ νλ©΄μ νννκ³ μ νλ€.

νμν μν¬νΈλ₯Ό ν΄μ£Όκ³ ,
import streamlit as st
from PIL import Image #νμ΄μ¬ μ΄λ―Έμ§ λΌμ΄λΈλ¬λ¦¬ PIL
νμ΄νΌλ§ν¬ νμνκΈ°
st.markdown("[ννν 문ꡬ](μ£Όμ)") νλ©΄, μ£Όμλ₯Ό λ°λ‘ ν΄λ¦νμ¬ μ΄λνκ² ν μ μλ€.
νλ©΄ 2λΆν νκΈ°
col1, col2 = st.columns([μΌμͺ½κ΅¬μ λμ΄λΉμ¨,μ€λ₯Έμͺ½κ΅¬μ λμ΄ λΉμ¨])
with col1 :
col1μ λ€μ΄κ° λ΄μ©
with col2 :
col2μ λ€μ΄κ° λ΄μ©
μ΄λ κ² μμ±νλ©΄ 2λΆν νμκ° κ°λ₯νλ€.
def run_home() :
ββββ
ββββ# νλ©΄μ 2λΆν νμ¬ μ€ν¬λ‘€μ λ΄λ¦¬μ§ μκ³ ν¨κ» μΆλ ₯νκ² ν κ²μ΄λ€
ββββcol1, col2= st.columns([2.3, 2])
ββββ
ββββwith col1 :
ββββββββ
ββββββββ# μ 체 νλ‘μ νΈμ λν μ€λͺ
ββββββββ
ββββββββst.title('Predicting Stock of Korea')
ββββββββst.subheader(' ')
ββββββββst.text('λ°μ΄ν° μΆμ² : FinanceDataReaderλΌμ΄λΈλ¬λ¦¬')
ββββββββst.markdown("[github.com/FinanceData/FinanceDataReader](https://github.com/FinanceData/FinanceDataReader)")
ββββββββst.text('λ°μ΄ν°λ λΌμ΄λΈλ¬λ¦¬μμ μ€μκ°μΌλ‘ λ°μλ©λλ€!')
ββββββββst.subheader(' ')
ββββββββst.text('κ΅λ΄ μ£Όμμ κ²μνλ©΄ 보μ¬μ£Όκ³ , κΈ°μ
μ½λλ₯Ό μ
λ ₯νλ©΄ κΈ°μ
μ λ―Έλ 1λ
μΉ μ£Όμκ°μΉλ₯Ό ')
ββββββββst.text('νλ‘ν«(prophet)λΌμ΄λΈλ¬λ¦¬λ₯Ό μ¬μ©νμ¬ μμΈ‘νκ³ λ
,μ,μ£Όκ°μ μ£Όκ° νλ¦μ κ·Έλνλ‘ λνλ΄μμ΅λλ€')
ββββββββst.text('λΉκ΅μ μμ μ μΈ λ¦¬ν΄(return)μ κ°μ Έμ€λ κ΅λ΄ ETF μ£Όμμ ')
ββββββββst.text('μ΄μμ¨(EarningRate)μ μ€μ¬μΌλ‘ λΉκ΅νμμ΅λλ€')
ββββββββst.subheader(' ')
ββββββββ
ββββββββ# λ©μΈ νλ©΄μ λ£μ μ¬μ§
ββββββββimg = Image.open('./stock1.png')
ββββββββst.image(img, width=650)
ββββββββββββ
ββββββββββββ
ββββwith col2 :
ββββββββ
ββββββββ# λͺ©μ°¨
ββββββββ
ββββββββst.header(' ')
ββββββββst.header(' ')
ββββββββst.header(' ')
ββββββββst.header('- λͺ©μ°¨ -')
ββββββββst.subheader('')
ββββββββ
ββββββββst.subheader('β
. μ£Όμμ 보 보기')
ββββββββst.subheader(' : Viewing stock information')
ββββββββst.text('κΈ°μ
Nameμ μ
λ ₯λ°μ κΈ°μ
μ£Όμμ λν μ 보λ₯Ό datasetμΌλ‘ λΆλ¬μ΅λλ€')
ββββββββst.subheader('')
ββββββββ
ββββββββst.subheader('β
‘. μ£Όμκ°μΉ μμΈ‘')
ββββββββst.subheader(' : Predicting stock value')
ββββββββst.text('μ£Όμλ°μ΄ν°λ₯Ό prophet(νλ‘ν«) κΈ°λ²μ μ¬μ©νμ¬')
ββββββββst.text('λ―Έλ 1λ
μΉ μ£Όμκ°μΉλ₯Ό μμΈ‘ν©λλ€')
ββββββββst.subheader('')
ββββββββ
ββββββββst.subheader('β
’. κ΅λ΄ ETF μ£Όμκ°μΉλΉκ΅')
ββββββββst.subheader(' : Comparing domestic ETF stock valuations')
ββββββββst.text('μμ μ μΈ returnμ κ°μ Έμ€λ κ΅λ΄ ETFμ£Όμμ μ’
λͺ©λ³(μΉ΄ν
κ³ λ¦¬λ³)λ‘ λΉκ΅ν©λλ€')
μ΄λ―Έμ§ μ½μ νκΈ°
μλμ κ°μ μ¬μ§μ λ£κ³ μΆμ λμλ
from PIL import Image #νμ΄μ¬ μ΄λ―Έμ§ λΌμ΄λΈλ¬λ¦¬ PILλ₯Ό μν¬νΈνκ³
img = Image.open('./stock1.png') # ./λ νμ¬μμΉμ μλ€λ λ§μ΄λ€. λ§μ½ μμν΄λλ‘ μ΄λνκ³ μ νλ€λ©΄ ../λ₯Ό μ¬μ©νλ€
st.image(img, width=μ¬μ§ν¬κΈ°μ§μ )
λ§μΌ, μ΄λ―Έμ§λ₯Ό νλ©΄μ κ½ μ°¨κ² λ§λ€κ³ μΆλ€λ©΄ st.image(img, use_column_width=True) νλ©΄ λλ€.
