deva 1.3.2__tar.gz → 1.4.0__tar.gz

{deva-1.3.2 → deva-1.4.0}/PKG-INFO

@@ -1,39 +1,14 @@
 Metadata-Version: 2.1
 Name: deva
-Version: 1.3.2
+Version: 1.4.0
 Summary: data eval in future
 Home-page: https://github.com/sostc/deva
 Author: spark
 Author-email: zjw0358@gmail.com
 License: http://www.apache.org/licenses/LICENSE-2.0.html
+Platform: UNKNOWN
 Requires-Python: >=3.5
-Requires-Dist: toolz
-Requires-Dist: zict
-Requires-Dist: jieba
-Requires-Dist: six
-Requires-Dist: requests
-Requires-Dist: pandas
-Requires-Dist: pandas-compat
-Requires-Dist: dill
-Requires-Dist: Whoosh
-Requires-Dist: SQLAlchemy
-Requires-Dist: tornado
-Requires-Dist: easyquotation
-Requires-Dist: pampy
-Requires-Dist: pymaybe
-Requires-Dist: requests-html
-Requires-Dist: aioredis>=2.0
-Requires-Dist: apscheduler
-Requires-Dist: werkzeug==1.0.0
-Requires-Dist: networkx==2
-Requires-Dist: graphviz
-Requires-Dist: sockjs-tornado>=1.0.7
-Requires-Dist: expiringdict
-Requires-Dist: aiosmtplib
-Requires-Dist: trafilatura
-Requires-Dist: newspaper3k
-Requires-Dist: boilerpy3
-Requires-Dist: sumy
+Provides-Extra: llm
 
 .. image:: https://raw.githubusercontent.com/sostc/deva/master/deva.jpeg
    :target: https://github.com/sostc/deva
@@ -273,3 +248,5 @@ workers
     when('open', source=bus).then(lambda: print(f'开盘啦'))
     Deva.run()
 
+
+

deva-1.4.0/deva/__init__.py

@@ -0,0 +1,123 @@
+from __future__ import absolute_import, division, print_function
+
+from .core import *
+from .compute import *
+from .graph import *
+from .sources import *
+from .namespace import *
+from .when import *
+from .endpoints import *
+from .future import *
+
+
+from .bus import *
+from .search import IndexStream
+from .pipe import *
+# from .monitor import Monitor
+from .lambdas import _
+from .browser import browser, tab, tabs
+from .core import *
+
+
+def sync_gpt(prompts):
+    from .gpt import sync_gpt as _sync_gpt
+    return _sync_gpt(prompts)
+
+
+async def async_gpt(prompts):
+    from .gpt import async_gpt as _async_gpt
+    return await _async_gpt(prompts)
+
+"""
+流式计算框架 Deva - 构建智能数据管道的核心工具
+
+基于声明式流编程范式，提供高效的数据管道构建与执行能力，特别适用于开发实时监控系统、数据分析系统等事件驱动型应用。核心定位：
+
+■ 流计算范式 - 数据自动流动与级联计算
+■ 可视化编排 - 支持拖拽式管道设计
+■ 弹性扩展 - 动态添加/移除处理节点
+■ 状态管理 - 带状态计算的自动持久化
+
+核心能力架构:
+
+1. 流式编程模型
+- 声明式管道: 通过 >> 操作符构建数据流图，自动建立处理链路
+- 响应式计算: 数据变更自动触发下游计算，支持级联更新
+- 函数式组合: 提供 map/filter/reduce 等操作符链式组合
+
+2. 计算原语体系
+- 内置流类型:
+  * DBStream: 时序数据库流(自动维护存储/时间窗口查询)
+  * IndexStream: 全文检索流
+  * FileLogStream: 文件日志流(滚动存储/实时追踪)
+
+3. 事件驱动应用
+- 监控系统构建:
+    sensors >> anomaly_detect >> alert  # 异常检测告警
+    logs >> pattern_analyze >> dashboard  # 日志实时分析
+    
+- 数据分析系统:
+    kafka_source >> realtime_etl >> feature_store >> ml_pipeline
+    db_stream.window(300).aggregate() >> report_generator
+
+4. 高效开发实践
+- 流式lambda简化:
+    _ * 2 >> log  # 自动展开为 lambda x: x*2
+- 异步处理集成:
+    async_data | async_db_query | async_emit
+- 可视化调试工具:
+    stream.visualize()  # 生成流拓扑图
+    stream.webview()    # Web监控面板
+
+5. 生产级特性
+- 智能背压管理: 自动缓冲控制与流速调节
+- 持久化保障: 重要状态自动持久化到 DBStream
+- 错误恢复: 支持异常流重试与数据重放
+    DBStream('events').replay(speed=2)  # 2倍速历史回放
+- 资源治理: 连接数/内存/存储的自动管控
+
+典型应用场景:
+
+▌智能监控系统
+- 设备指标实时分析: 
+    sensors.window(60).mean() >> threshold_check >> alert
+- 日志异常检测:
+    log_stream.map(parse) >> detect_errors >> ops_center
+
+▌实时分析管道
+- 流式ETL:
+    kafka_source >> clean >> transform >> feature_store
+- 交互式分析:
+    (browser.inputs 
+     >> feature_extract 
+     >> model.predict 
+     >> visualize)
+
+▌数据采集系统
+- 智能爬虫:
+    BrowserCrawler(urls) 
+    >> extract_data 
+    >> DBStream('crawled')
+    >> auto_export
+- IoT数据处理:
+    device_streams.merge() 
+    >> deduplicate 
+    >> time_window_aggregate
+
+技术体系:
+
+数据输入 -> 流计算层 -> 输出系统
+    │           │            │
+    ├─事件驱动──┼─流水线处理─┼─实时可视化
+    ├─消息队列  │ 状态计算   │ 时序数据库
+    └─日志文件  └─AI模型集成─┴─API服务
+
+核心优势:
+• 复杂事件处理(CEP)支持: 内置时间窗口/模式匹配等语义
+• 计算存储一体化: 流处理与DBStream深度集成
+• 多范式统一: 兼容同步/异步/批处理混合编程
+• 生产就绪: 内置背压控制/自动扩容/故障恢复机制
+"""
+
+
+__version__ = '1.4.0'

{deva-1.3.2 → deva-1.4.0}/deva/admin.py

@@ -8,6 +8,9 @@ Deva 管理面板 - 基于 PyWebIO 和 Tornado 的 Web 应用程序
 - 数据表展示：支持分页和实时更新的表格数据展示
 - 日志系统：实时日志监控和手动日志写入
 - 用户认证：基于用户名和密码的登录系统
+- 数据库管理：支持 SQLite 数据库的 CRUD 操作和状态监控
+- 流式处理：实时监控和操作 Deva 数据流
+- 对象检查：支持 Python 对象的详细属性检查
 
 主要模块：
 - 数据流模块：实时监控多个数据流，包括访问日志、新闻、板块数据等
@@ -15,12 +18,32 @@ Deva 管理面板 - 基于 PyWebIO 和 Tornado 的 Web 应用程序
 - 数据表模块：支持分页、过滤和实时更新的表格展示
 - 日志模块：提供日志查看器和手动日志写入功能
 - 用户认证模块：基于 PyWebIO 的 basic_auth 实现
+- 数据库管理模块：提供 SQLite 数据库的 CRUD 操作和状态监控
+- 流式处理模块：支持 Deva 数据流的实时监控和操作
+- 对象检查模块：支持 Python 对象的详细属性检查
 
 技术栈：
 - 前端：PyWebIO
 - 后端：Tornado
 - 数据流：Deva 流处理框架
+- 数据库：SQLite
 - 缓存：基于 ExpiringDict 的缓存系统
+- 异步处理：Tornado 异步框架
+- 持久化存储：基于 DBStream 的时序数据存储
+
+核心特性：
+- 实时性：支持毫秒级数据更新和监控
+- 可扩展性：模块化设计，易于功能扩展
+- 安全性：完善的用户认证机制
+- 易用性：简洁的 API 和直观的 Web 界面
+- 高性能：基于异步 IO 的高效处理能力
+- 持久化：支持数据自动持久化和历史数据回放
+
+典型应用场景：
+- 实时监控系统：设备指标、日志异常等实时监控
+- 数据分析系统：流式 ETL、特征提取、模型预测
+- 数据采集系统：智能爬虫、IoT 数据处理
+- 任务调度系统：定时任务管理和监控
 """
 
 
@@ -32,6 +55,7 @@ import os
 import traceback
 import json
 import time
+import requests
 from urllib.parse import urljoin
 from typing import Callable, Union
 
@@ -54,9 +78,9 @@ from pywebio.output import (
 )
 from pywebio.platform.tornado import webio_handler
 from pywebio_battery import put_logbox, logbox_append, set_localstorage, get_localstorage
-from pywebio.pin import pin, put_input
+from pywebio.pin import pin, put_file_upload, put_input
 from pywebio.session import set_env, run_async, run_js, run_asyncio_coroutine, get_session_implement
-from pywebio.input import input, input_group, PASSWORD, textarea, actions, TEXT
+from pywebio.input import input, input_group, PASSWORD, textarea, actions, TEXT, file_upload
 
 
 @timer(5,start=False)
@@ -84,7 +108,7 @@ async def get_gpt_response(prompt, session=None, scope=None, model_type='deepsee
     """
     config = NB(model_type)
     required_configs = ['api_key', 'base_url', 'model']
-    missing_configs = [config for config in required_configs if config not in config]
+    missing_configs = [c for c in required_configs if c not in config]
     if missing_configs:
         message = "警告: 在NB配置中缺少以下必要配置项: " + ', '.join(missing_configs) + ". 请确保在其他地方正确设置这些配置项的值。"
         message >> warn
@@ -105,6 +129,56 @@ async def get_gpt_response(prompt, session=None, scope=None, model_type='deepsee
     api_key = config.get('api_key')
     base_url = config.get('base_url')
     model = config.get('model')
+
+    async def diagnose_backend_error():
+        """探测后端错误详情，返回可读文本。"""
+        try:
+            url = base_url.rstrip('/') + '/chat/completions'
+            payload = {
+                "model": model,
+                "messages": messages,
+                "stream": False,
+                "max_tokens": 64,
+            }
+            headers = {
+                "Authorization": f"Bearer {api_key}",
+                "Content-Type": "application/json",
+            }
+            resp = await asyncio.to_thread(
+                requests.post,
+                url,
+                headers=headers,
+                data=json.dumps(payload),
+                timeout=15,
+            )
+            text = (resp.text or "").strip()
+            try:
+                data = resp.json()
+            except Exception:
+                data = None
+
+            if isinstance(data, dict):
+                code = data.get("code")
+                message = data.get("message")
+                if code not in (None, 0):
+                    return f"上游接口错误(code={code}, message={message})"
+                if message and not data.get("choices"):
+                    return f"上游接口返回异常消息(message={message})"
+
+            return f"上游返回异常响应(status={resp.status_code}, body={text[:300]})"
+        except Exception as probe_error:
+            return f"上游诊断失败({type(probe_error).__name__}: {probe_error})"
+
+    def safe_toast(message, color='error'):
+        """仅在可用的 PyWebIO 任务上下文中弹出提示，避免后台协程报错。"""
+        if not session:
+            return
+        try:
+            toast(message, color=color)
+        except RuntimeError as e:
+            (f"toast skipped(no task context): {e}") >> log
+        except Exception as e:
+            (f"toast failed: {e}") >> log
     
     gpt_client = AsyncOpenAI(api_key=api_key, base_url=base_url)
     start_time = time.time()
@@ -127,9 +201,11 @@ async def get_gpt_response(prompt, session=None, scope=None, model_type='deepsee
             max_tokens=8192
         )
     except Exception as e:
-        (f"请求失败: {traceback.format_exc()}")>>log
-        toast("请求失败~")
-        return ""
+        backend_error = await diagnose_backend_error()
+        (f"请求失败: {traceback.format_exc()} | {backend_error}") >> log
+        (f"GPT请求失败(model={model_type}/{model}): {backend_error}") >> warn
+        safe_toast("请求失败: " + backend_error, color='error')
+        return f"[GPT_ERROR] {backend_error}"
 
     # 初始化文本缓冲区
     buffer = ""
@@ -147,12 +223,17 @@ async def get_gpt_response(prompt, session=None, scope=None, model_type='deepsee
         返回:
             tuple: (更新后的buffer, 更新后的accumulated_text, 更新后的start_time)
         """
-        if chunk.choices[0].delta.content:
+        content = ""
+        if getattr(chunk, "choices", None):
+            delta = getattr(chunk.choices[0], "delta", None)
+            content = getattr(delta, "content", "") or ""
+
+        if content:
             # 如果内容以"检索"开头，跳过该行
-            if chunk.choices[0].delta.content.startswith("检索"):
+            if content.startswith("检索"):
                 return buffer, accumulated_text, start_time
                 
-            buffer += chunk.choices[0].delta.content
+            buffer += content
             
             # 判断是否到达段落结尾（以句号、问号、感叹号+换行符为标志）
             paragraph_end_markers = ('.', '?', '!', '。', '？', '！')
@@ -200,20 +281,35 @@ async def get_gpt_response(prompt, session=None, scope=None, model_type='deepsee
                     start_time = time.time()
                 
         # 处理最后一个未显示的块
-        if buffer and not chunk.choices[0].delta.content:
+        if buffer and not content:
             accumulated_text += buffer
             logfunc(buffer)
             start_time = time.time()
             buffer = ""
             
         return buffer, accumulated_text, start_time
-    async for chunk in response:
-        buffer, accumulated_text, start_time = await process_chunk(
-            chunk, buffer, accumulated_text, start_time
-        )
-    
-    # 返回完整的累计文本
-    return accumulated_text
+    try:
+        async for chunk in response:
+            buffer, accumulated_text, start_time = await process_chunk(
+                chunk, buffer, accumulated_text, start_time
+            )
+
+        # OpenAI 流结束时不保证一定有空 content 结尾块，兜底 flush 剩余缓存
+        if buffer.strip():
+            accumulated_text += buffer
+            logfunc(buffer)
+            buffer = ""
+
+        if not accumulated_text.strip():
+            backend_error = await diagnose_backend_error()
+            (f"GPT空响应(model={model_type}/{model}): {backend_error}") >> warn
+            safe_toast("模型返回空内容: " + backend_error, color='error')
+            return f"[GPT_EMPTY] {backend_error}"
+
+        # 返回完整的累计文本
+        return accumulated_text
+    finally:
+        await gpt_client.close()
 
 
 # tab('http://secsay.com')
@@ -1045,6 +1141,7 @@ async def init_admin_ui(title):
         参数:
             title (str): 页面标题
         """
+        cut_foot()
         
         admin_info = NB('admin')
         if not admin_info.get('username'):
@@ -1059,7 +1156,6 @@ async def init_admin_ui(title):
         
         create_sidebar()
         set_env(title=title)
-        cut_foot()
         create_nav_menu()
         put_text(f"Hello, {user_name}. 欢迎光临，恭喜发财")
 
@@ -1497,6 +1593,65 @@ async def document():
             })
     # 显示所有模块的tab
     put_tabs(tabs)
+def show_dtalk_archive():
+    """显示 Dtalk 消息存档"""
+    with use_scope('dtalk_archive_display', clear=True):
+        # 获取 Dtalk 消息存档
+        dtalk_archive = NB('dtalk_archive')
+        
+        if not dtalk_archive:
+            put_text('暂无 Dtalk 消息记录')
+            return
+        
+        # 创建消息表格
+        archive_table = [['时间', '消息内容', '操作']]
+        
+        # 按时间倒序显示（最新的在前面）
+        for timestamp, message in sorted(dtalk_archive.items(), key=lambda x: float(x[0]), reverse=True):
+            from datetime import datetime
+            readable_time = datetime.fromtimestamp(float(timestamp)).strftime('%Y-%m-%d %H:%M:%S')
+            
+            # 截断过长的消息
+            display_message = message[:100] + '...' if len(message) > 100 else message
+            
+            # 添加操作按钮
+            actions = put_buttons([
+                {'label': '查看', 'value': 'view'},
+                {'label': '删除', 'value': 'delete'}
+            ], onclick=lambda v, t=timestamp: view_dtalk_message(t, message) if v == 'view' else delete_dtalk_message(t))
+            
+            archive_table.append([readable_time, display_message, actions])
+        
+        put_table(archive_table)
+        
+        # 添加清空所有消息的按钮
+        put_button('清空所有消息', onclick=clear_all_dtalk_messages, color='danger')
+
+def view_dtalk_message(timestamp, message):
+    """查看完整的 Dtalk 消息"""
+    from datetime import datetime
+    readable_time = datetime.fromtimestamp(float(timestamp)).strftime('%Y-%m-%d %H:%M:%S')
+    
+    popup(f'Dtalk 消息 - {readable_time}', [
+        put_markdown(f'**发送时间:** {readable_time}'),
+        put_markdown('**消息内容:**'),
+        put_markdown(message)
+    ], size='large')
+
+def delete_dtalk_message(timestamp):
+    """删除指定的 Dtalk 消息"""
+    del NB('dtalk_archive')[timestamp]
+    toast('消息已删除', color='success')
+    # 刷新显示
+    show_dtalk_archive()
+
+def clear_all_dtalk_messages():
+    """清空所有 Dtalk 消息"""
+    NB('dtalk_archive').clear()
+    toast('所有消息已清空', color='success')
+    # 刷新显示
+    show_dtalk_archive()
+
 async def main():
     # await my_timer()
     # 这个将会把会话协程卡在这里不动，采用 run_async则不会堵塞
@@ -1761,6 +1916,11 @@ async def main():
     with put_collapse('其他控件', open=True):
         put_input('write_to_log', type='text', value='', placeholder='手动写入日志')
         put_button('>', onclick=write_to_log)
+    
+    # Dtalk 消息存档展示
+    put_markdown('### 📱 Dtalk 消息存档')
+    set_scope('dtalk_archive_display')
+    show_dtalk_archive()
        
 
 
@@ -1925,9 +2085,71 @@ def table_click(tablename):
     }
     
     put_button('新增数据', onclick=lambda: edit_data_popup(categorized_data['strings'],tablename=tablename))
+    async def upload_table_data():
+        # 获取用户输入的key值
+        key = await pin['upload_key']
+        # 获取上传的文件
+        file = await pin['upload_file']
+        
+        if not key:
+            toast('请输入key值', color='error')
+            return
+            
+        if not file:
+            toast('请选择要上传的文件', color='error')
+            return
+            
+        try:
+            # 根据文件扩展名读取文件
+            if file['filename'].endswith('.csv'):
+                # 使用StringIO读取文件内容
+                from io import StringIO
+                content = file['content'].decode('utf-8')
+                df = pd.read_csv(StringIO(content))
+            elif file['filename'].endswith(('.xls', '.xlsx')):
+                # 使用BytesIO读取二进制文件内容
+                from io import BytesIO
+                df = pd.read_excel(BytesIO(file['content']))
+            else:
+                toast('仅支持csv或excel文件', color='error')
+                return
+                
+            # 检查是否有列名
+            if df.columns.empty:
+                toast('文件必须包含列名', color='error')
+                return
+                
+            # 检查数据是否为空
+            if df.empty:
+                toast('上传的文件不能为空', color='error')
+                return
+                
+            # 保存到数据库
+            (key, df) >> NB(tablename)
+            toast('上传成功', color='success')
+            close_popup()
+            # 刷新页面
+            table_click(tablename)
+            
+        except pd.errors.EmptyDataError:
+            toast('上传的文件为空或格式不正确', color='error')
+        except pd.errors.ParserError:
+            toast('文件解析失败，请检查文件格式', color='error')
+        except UnicodeDecodeError:
+            toast('文件编码错误，请使用UTF-8编码', color='error')
+        except Exception as e:
+            toast(f'上传失败: {str(e)}', color='error')
+            log(f'上传失败详情: {traceback.format_exc()}')  # 记录详细错误日志
+    put_button('上传表格数据', onclick=lambda: 
+               popup('上传表格数据', [
+                    put_input('upload_key', placeholder='请输入key值'),
+                    put_file_upload('upload_file', accept='.csv,.xls,.xlsx', max_size='10M'),
+                    put_buttons(['上传', '取消'], onclick=[
+                        lambda: run_async(upload_table_data()),
+                        close_popup
+                    ])
+               ]))
 
-    
-    
     # 显示字符串类型数据
     if categorized_data['strings']:
         with put_collapse('strings', open=True):
@@ -1972,9 +2194,118 @@ def table_click(tablename):
     if categorized_data['dataframes']:
         with put_collapse('dataframe', open=True):
             for df_name, df in categorized_data['dataframes']:
+                # 将中文df_name转换为拼音
+                if any('\u4e00' <= char <= '\u9fff' for char in df_name):
+                    from pypinyin import pinyin, Style
+                    scope_name = ''.join([item[0] for item in pinyin(df_name, style=Style.NORMAL)])
+                else:
+                    scope_name = df_name
+                
                 with put_collapse(df_name, open=True):
-                    paginate_dataframe(scope=df_name, df=df, page_size=10)
-
+                    paginate_dataframe(scope=scope_name, df=df, page_size=10)
+                    # 添加数据分析按钮
+                    with use_scope(f'analysis_{scope_name}'):  # 为每个DataFrame创建独立的作用域
+                        put_buttons([
+                            '描述性统计',
+                            '数据透视表',
+                            '分组聚合',
+                            '缺失值分析'
+                        ], onclick=[
+                            lambda df=df, scope=scope_name: run_async(show_descriptive_stats(df, scope)),
+                            lambda df=df, scope=scope_name: run_async(show_pivot_table(df, scope)),
+                            lambda df=df, scope=scope_name: run_async(show_groupby_analysis(df, scope)),
+                            lambda df=df, scope=scope_name: run_async(show_missing_values(df, scope))
+                        ])
+                    
+                    # 添加分析结果显示区域
+                    with use_scope(f'analysis_result_{scope_name}'):
+                        pass
+                    
+                    put_button(f'删除 {df_name}', onclick=lambda df_name=df_name: run_async(delete_dataframe(df_name, tablename)))
+
+        # 定义分析函数
+        async def show_descriptive_stats(df, scope):
+            """显示描述性统计"""
+            with use_scope(f'analysis_result_{scope}'):
+                put_markdown('### 描述性统计')
+                stats = df.describe(include='all').T
+                put_table(stats.reset_index().values.tolist())
+
+        async def show_pivot_table(df, scope):
+            """显示数据透视表"""
+            with use_scope(f'analysis_result_{scope}'):
+                put_markdown('### 数据透视表')
+                # 获取所有数值列和分类列
+                numeric_cols = df.select_dtypes(include='number').columns.tolist()
+                category_cols = df.select_dtypes(include='object').columns.tolist()
+                
+                if not category_cols or not numeric_cols:
+                    toast('需要至少一个分类列和一个数值列', color='error')
+                    return
+                
+                # 创建交互式输入
+                put_input('pivot_index', placeholder='选择行索引（分类列）')
+                put_input('pivot_columns', placeholder='选择列索引（可选，分类列）')
+                put_input('pivot_values', placeholder='选择聚合值（数值列）')
+                put_buttons(['生成'], onclick=[
+                    lambda: run_async(generate_pivot(df, scope))
+                ])
+
+        async def generate_pivot(df, scope):
+            """生成数据透视表"""
+            index = await pin['pivot_index']
+            columns = await pin['pivot_columns'] or None
+            values = await pin['pivot_values']
+            
+            try:
+                pivot = df.pivot_table(index=index, columns=columns, values=values, aggfunc='mean')
+                with use_scope(f'analysis_result_{scope}'):
+                    put_table(pivot.reset_index().values.tolist())
+            except Exception as e:
+                toast(f'生成数据透视表失败: {str(e)}', color='error')
+
+        async def show_groupby_analysis(df, scope):
+            """显示分组聚合分析"""
+            with use_scope(f'analysis_result_{scope}'):
+                put_markdown('### 分组聚合分析')
+                # 获取所有分类列和数值列
+                group_cols = df.select_dtypes(include='object').columns.tolist()
+                agg_cols = df.select_dtypes(include='number').columns.tolist()
+                
+                if not group_cols or not agg_cols:
+                    toast('需要至少一个分类列和一个数值列', color='error')
+                    return
+                
+                # 创建交互式输入
+                put_input('groupby_col', placeholder='选择分组列（分类列）')
+                put_input('agg_col', placeholder='选择聚合列（数值列）')
+                put_buttons(['分析'], onclick=[
+                    lambda: run_async(generate_groupby(df, scope))
+                ])
+
+        async def generate_groupby(df, scope):
+            """生成分组聚合结果"""
+            group_col = await pin['groupby_col']
+            agg_col = await pin['agg_col']
+            
+            try:
+                grouped = df.groupby(group_col)[agg_col].agg(['mean', 'sum', 'count'])
+                with use_scope(f'analysis_result_{scope}'):
+                    put_table(grouped.reset_index().values.tolist())
+            except Exception as e:
+                toast(f'分组聚合失败: {str(e)}', color='error')
+
+        async def show_missing_values(df, scope):
+            """显示缺失值分析"""
+            with use_scope(f'analysis_result_{scope}'):
+                put_markdown('### 缺失值分析')
+                missing = df.isnull().sum()
+                missing_pct = (missing / len(df)) * 100
+                missing_df = pd.DataFrame({
+                    '缺失值数量': missing,
+                    '缺失值比例(%)': missing_pct
+                })
+                put_table(missing_df.reset_index().values.tolist())
     # 显示时间序列数据
     if categorized_data['timeseries']:
         with put_collapse('时间序列数据', open=True):
@@ -2010,6 +2341,17 @@ async def save_string(key,data,tablename):
     close_popup()
         # 重新打开编辑popup以刷新内容
     edit_data_popup(data,tablename=tablename)
+# 删除DataFrame的回调函数
+async def delete_dataframe(df_name, tablename):
+    """删除指定的DataFrame"""
+    try:
+        del NB(tablename)[df_name]
+        toast(f'已删除DataFrame: {df_name}', color='success')
+        # 刷新显示
+        table_click(tablename)
+    except Exception as e:
+        toast(f'删除失败: {str(e)}', color='error')
+
 # 删除键值对的回调函数
 async def delete_string(key,data,tablename):
     # 删除数据
@@ -2201,4 +2543,3 @@ if __name__ == '__main__':
  
 
     Deva.run()
-