refactor: viz 모듈을 utils/visualization으로 이동

interface/core/result_renderer.py

@@ -13,7 +13,7 @@
 from infra.observability.token_usage import TokenUtils
 from utils.databases import DatabaseFactory
 from utils.llm.llm_response_parser import LLMResponseParser
-from viz.display_chart import DisplayChart
+from utils.visualization.display_chart import DisplayChart
 
 
 def display_result(res: dict) -> None:

pyproject.toml

@@ -70,7 +70,6 @@ packages = [
   "interface",
   "engine",
   "infra",
-  "viz",
   "prompt",
   "utils",
 ]

utils/llm/README.md

@@ -5,7 +5,7 @@ Lang2SQL 파이프라인에서 LLM, 검색(RAG), 그래프 워크플로우, DB 
 ### Depth 0: 최상위 유틸리티
 
 - (Moved) `engine/query_executor.py`: Lang2SQL 그래프 선택/컴파일/실행 진입점.
-- (Moved) `viz/display_chart.py`: LLM 활용 Plotly 시각화 유틸.
+- (Moved) `utils/visualization/display_chart.py`: LLM 활용 Plotly 시각화 유틸.
 - (Moved) `infra/monitoring/check_server.py`: GMS 헬스체크.
 - (Moved) `infra/db/connect_db.py`: ClickHouse 연결/실행.
 - (Moved) `infra/observability/token_usage.py`: LLM 메시지의 `usage_metadata` 합산 토큰 집계.
@@ -89,7 +89,7 @@ sql = extract_sql_from_result(res)
 ```
 
 ```python
-from viz.display_chart import DisplayChart
+from utils.visualization.display_chart import DisplayChart
 
 chart = DisplayChart(question="지난달 매출 추이", sql=sql, df_metadata=str(df.dtypes))
 code = chart.generate_plotly_code()
@@ -103,5 +103,3 @@ fig = chart.get_plotly_figure(code, df)
 - `display_chart.py` → OpenAI LLM(선택적)로 코드 생성 → Plotly 실행
 - `connect_db.py` → ClickHouse 클라이언트로 SQL 실행
 - `llm_response_parser.py` → 결과 파서
-
-

viz/display_chart.py → utils/visualization/display_chart.py

@@ -1,12 +1,20 @@
-import re
-from langchain_openai import ChatOpenAI
-from langchain_core.messages import HumanMessage, SystemMessage
-import pandas as pd
+"""
+SQL 쿼리 결과를 Plotly로 시각화하는 모듈
+
+이 모듈은 Lang2SQL 실행 결과를 다양한 형태의 차트로 시각화하는 기능을 제공합니다.
+LLM을 활용하여 적절한 Plotly 코드를 생성하고 실행합니다.
+"""
+
 import os
+import re
+from typing import Optional
 
+import pandas as pd
 import plotly
 import plotly.express as px
 import plotly.graph_objects as go
+from langchain_core.messages import HumanMessage, SystemMessage
+from langchain_openai import ChatOpenAI
 
 
 class DisplayChart:
@@ -17,12 +25,29 @@ class DisplayChart:
     plotly코드를 출력하여 excute한 결과를 fig 객체로 반환합니다.
     """
 
-    def __init__(self, question, sql, df_metadata):
+    def __init__(self, question: str, sql: str, df_metadata: str):
+        """
+        DisplayChart 인스턴스를 초기화합니다.
+
+        Args:
+            question (str): 사용자 질문
+            sql (str): 실행된 SQL 쿼리
+            df_metadata (str): 데이터프레임 메타데이터
+        """
         self.question = question
         self.sql = sql
         self.df_metadata = df_metadata
 
-    def llm_model_for_chart(self, message_log):
+    def llm_model_for_chart(self, message_log) -> Optional[str]:
+        """
+        LLM 모델을 사용하여 차트 생성 코드를 생성합니다.
+
+        Args:
+            message_log: LLM에 전달할 메시지 목록
+
+        Returns:
+            Optional[str]: 생성된 차트 코드 또는 None
+        """
         provider = os.getenv("LLM_PROVIDER")
         if provider == "openai":
             llm = ChatOpenAI(
@@ -31,18 +56,29 @@ def llm_model_for_chart(self, message_log):
             )
             result = llm.invoke(message_log)
             return result
+        return None
 
     def _extract_python_code(self, markdown_string: str) -> str:
+        """
+        마크다운 문자열에서 Python 코드 블록을 추출합니다.
+
+        Args:
+            markdown_string: 마크다운 형식의 문자열
+
+        Returns:
+            str: 추출된 Python 코드
+        """
         # Strip whitespace to avoid indentation errors in LLM-generated code
-        markdown_string = markdown_string.content.split("```")[1][6:].strip()
+        if hasattr(markdown_string, "content"):
+            markdown_string = markdown_string.content.split("```")[1][6:].strip()
+        else:
+            markdown_string = str(markdown_string)
 
         # Regex pattern to match Python code blocks
-        pattern = r"```[\w\s]*python\n([\s\S]*?)```|```([\s\S]*?)```"  # 여러 문자와 공백 뒤에 python이 나오고, 줄바꿈 이후의 모든 내용
+        pattern = r"```[\w\s]*python\n([\s\S]*?)```|```([\s\S]*?)```"
 
         # Find all matches in the markdown string
-        matches = re.findall(
-            pattern, markdown_string, re.IGNORECASE
-        )  # 대소문자 구분 안함
+        matches = re.findall(pattern, markdown_string, re.IGNORECASE)
 
         # Extract the Python code from the matches
         python_code = []
@@ -55,13 +91,27 @@ def _extract_python_code(self, markdown_string: str) -> str:
 
         return python_code[0]
 
-    def _sanitize_plotly_code(self, raw_plotly_code):
+    def _sanitize_plotly_code(self, raw_plotly_code: str) -> str:
+        """
+        Plotly 코드에서 불필요한 부분을 제거합니다.
+
+        Args:
+            raw_plotly_code: 원본 Plotly 코드
+
+        Returns:
+            str: 정리된 Plotly 코드
+        """
         # Remove the fig.show() statement from the plotly code
         plotly_code = raw_plotly_code.replace("fig.show()", "")
-
         return plotly_code
 
     def generate_plotly_code(self) -> str:
+        """
+        LLM을 사용하여 Plotly 코드를 생성합니다.
+
+        Returns:
+            str: 생성된 Plotly 코드
+        """
         if self.question is not None:
             system_msg = f"The following is a pandas DataFrame that contains the results of the query that answers the question the user asked: '{self.question}'"
         else:
@@ -82,20 +132,33 @@ def generate_plotly_code(self) -> str:
         ]
 
         plotly_code = self.llm_model_for_chart(message_log)
+        if plotly_code is None:
+            return ""
 
         return self._sanitize_plotly_code(self._extract_python_code(plotly_code))
 
     def get_plotly_figure(
         self, plotly_code: str, df: pd.DataFrame, dark_mode: bool = True
-    ) -> plotly.graph_objs.Figure:
-
+    ) -> Optional[plotly.graph_objs.Figure]:
+        """
+        Plotly 코드를 실행하여 Figure 객체를 생성합니다.
+
+        Args:
+            plotly_code: 실행할 Plotly 코드
+            df: 데이터프레임
+            dark_mode: 다크 모드 사용 여부
+
+        Returns:
+            Optional[plotly.graph_objs.Figure]: 생성된 Figure 객체 또는 None
+        """
         ldict = {"df": df, "px": px, "go": go}
+        fig = None
+
         try:
-            exec(plotly_code, globals(), ldict)
+            exec(plotly_code, globals(), ldict)  # noqa: S102
             fig = ldict.get("fig", None)
 
-        except Exception as e:
-
+        except Exception:
             # Inspect data types
             numeric_cols = df.select_dtypes(include=["number"]).columns.tolist()
             categorical_cols = df.select_dtypes(