-
Notifications
You must be signed in to change notification settings - Fork 0
/
config.py
239 lines (208 loc) · 10.7 KB
/
config.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
import streamlit as st
import pandas as pd
import plotly.express as px
import plotly.io as pio
import matplotlib.pyplot as plt
import seaborn as sns
import io
from PIL import Image
import requests
from dotenv import load_dotenv
import os
import config as nn_config
from utils import get_csv_export_url, load_data
# Carregar variáveis de ambiente do arquivo .env
load_dotenv()
api_key = os.getenv("NNEURAL_API_KEY")
def send_prompt_to_nneural(api_key, prompt, data, chart_info):
url = "http://93.127.210.77:5000/chat"
headers = {
"Authorization": f"Bearer {api_key}",
"Content-Type": "application/json"
}
payload = {
"prompt": prompt,
"data": data.to_dict(orient='records'),
"chart_info": chart_info
}
response = requests.post(url, headers=headers, json=payload)
if response.status_code == 200:
return response.json().get("response")
else:
raise Exception(f"Erro na solicitação: {response.status_code}, {response.text}")
def format_response(template, analysis):
if template == "Template 1":
return f"""
<div style='font-family: Arial, sans-serif; padding: 20px;' id='analysis'>
<h1 style='text-align: center;'>Relatório de Análise de Dados</h1>
<h2>Resumo da Análise</h2>
<p>{analysis}</p>
</div>
"""
elif template == "Template 2":
return f"""
<div style='font-family: Arial, sans-serif; padding: 20px;' id='analysis'>
<h1 style='text-align: center;'>Data Analysis Report</h1>
<h3>Analysis Summary</h3>
<p>{analysis}</p>
</div>
"""
else:
return f"""
<div style='font-family: Arial, sans-serif; padding: 20px;' id='analysis'>
<h1 style='text-align: center;'>Report</h1>
<p>{analysis}</p>
</div>
"""
def app():
st.set_page_config(page_title="dataGPT v2.3.8", page_icon="images/favicon.ico", layout="wide", initial_sidebar_state="expanded")
hide_streamlit_style = """
<style>
#MainMenu {visibility: hidden;}
footer {visibility: hidden;}
header {visibility: hidden;}
</style>
"""
st.markdown(hide_streamlit_style, unsafe_allow_html=True)
nn_config.select_neural_network()
selected_network = nn_config.get_selected_network()
if selected_network and api_key:
st.sidebar.success(f"Usando a rede neural {selected_network} para análises.")
logo = Image.open("images/dataGPT4-480x480.png")
st.image(logo, width=128, use_column_width=False)
st.title("dataGPT v2.6 - Gratuito e de código aberto")
st.markdown("""
## Descrição
O dataGPT v2.6 permite visualizar dados compartilhados via Google Drive.
Você pode inserir um link de compartilhamento de um arquivo Google Sheets,
escolher as colunas para os eixos X e Y de um gráfico, e visualizar os dados e o gráfico interativamente.
Além disso, você pode utilizar inteligência artificial para analisar os gráficos gerados.
### Como usar:
1. Insira o link do arquivo Google Sheets compartilhado.
2. Selecione as colunas para os eixos X e Y do gráfico.
3. Visualize os dados carregados e o gráfico gerado.
4. Baixe o gráfico gerado como um arquivo HTML.
5. Solicite a analise da Inteligência Artificial.
""")
st.sidebar.header('Link do Google Drive')
google_drive_link = st.sidebar.text_input("Cole o link do arquivo no Google Drive")
if google_drive_link:
try:
data = load_data(google_drive_link)
st.write("Dados Carregados:")
st.dataframe(data)
st.sidebar.header('Filtros')
columns = data.columns.tolist()
filters = {}
for column in columns:
unique_values = data[column].unique().tolist()
with st.sidebar.expander(f'Filtros para {column}', expanded=False):
selected_values = st.multiselect(f'Selecione valores para {column}', unique_values, default=unique_values)
filters[column] = selected_values
for column, selected_values in filters.items():
data = data[data[column].isin(selected_values)]
st.sidebar.header('Configuração do Gráfico')
x_axis_col = st.sidebar.selectbox("Selecione a coluna para o eixo X", data.columns)
y_axis_col = st.sidebar.selectbox("Selecione a coluna para o eixo Y", data.columns)
show_totals = st.sidebar.checkbox("Mostrar total acima das colunas", value=False)
chart_type = st.sidebar.selectbox("Selecione o tipo de gráfico", ['Linha', 'Barra', 'Dispersão', 'Histograma', 'Boxplot', 'Heatmap', 'Áreas', 'Violino'])
st.sidebar.header('Personalização do Gráfico')
title = st.sidebar.text_input("Título do Gráfico", value=f"Gráfico de {x_axis_col} vs {y_axis_col}")
x_axis_label = st.sidebar.text_input("Label do Eixo X", value=x_axis_col)
y_axis_label = st.sidebar.text_input("Label do Eixo Y", value=y_axis_col)
color = st.sidebar.color_picker("Escolha uma cor", value='#1f77b4')
if x_axis_col and y_axis_col:
if chart_type == 'Linha':
fig = px.line(data, x=x_axis_col, y=y_axis_col, title=title, labels={x_axis_col: x_axis_label, y_axis_col: y_axis_label}, color_discrete_sequence=[color])
if show_totals:
fig.update_traces(texttemplate='%{y}', textposition='top center')
st.plotly_chart(fig, use_container_width=True)
elif chart_type == 'Barra':
fig = px.bar(data, x=x_axis_col, y=y_axis_col, title=title, labels={x_axis_col: x_axis_label, y_axis_col: y_axis_label}, color_discrete_sequence=[color])
if show_totals:
fig.update_traces(texttemplate='%{y}', textposition='outside')
st.plotly_chart(fig, use_container_width=True)
elif chart_type == 'Dispersão':
fig = px.scatter(data, x=x_axis_col, y=y_axis_col, title=title, labels={x_axis_col: x_axis_label, y_axis_col: y_axis_label}, color_discrete_sequence=[color])
if show_totals:
fig.update_traces(texttemplate='%{y}', textposition='top center')
st.plotly_chart(fig, use_container_width=True)
elif chart_type == 'Histograma':
fig, ax = plt.subplots()
ax.hist(data[y_axis_col], bins=30, color=color)
ax.set_title(title)
ax.set_xlabel(x_axis_label)
ax.set_ylabel(y_axis_label)
if show_totals:
totals = data[y_axis_col].value_counts()
for i, v in enumerate(totals):
ax.text(i, v + 0.5, str(v), ha='center')
st.pyplot(fig)
elif chart_type == 'Boxplot':
fig, ax = plt.subplots()
sns.boxplot(x=data[x_axis_col], y=data[y_axis_col], ax=ax, color=color)
ax.set_title(title)
ax.set_xlabel(x_axis_label)
ax.set_ylabel(y_axis_label)
st.pyplot(fig)
elif chart_type == 'Heatmap':
fig, ax = plt.subplots()
sns.heatmap(data.corr(), annot=True, cmap='coolwarm', ax=ax)
ax.set_title(title)
st.pyplot(fig)
elif chart_type == 'Áreas':
fig = px.area(data, x=x_axis_col, y=y_axis_col, title=title, labels={x_axis_col: x_axis_label, y_axis_col: y_axis_label}, color_discrete_sequence=[color])
if show_totals:
fig.update_traces(texttemplate='%{y}', textposition='top center')
st.plotly_chart(fig, use_container_width=True)
elif chart_type == 'Violino':
fig, ax = plt.subplots()
sns.violinplot(x=data[x_axis_col], y=data[y_axis_col], ax=ax, color=color)
ax.set_title(title)
ax.set_xlabel(x_axis_label)
ax.set_ylabel(y_axis_label)
st.pyplot(fig)
if chart_type in ['Linha', 'Barra', 'Dispersão', 'Áreas']:
buffer = io.StringIO()
pio.write_html(fig, buffer)
html_bytes = buffer.getvalue().encode()
st.download_button(
label="Baixar Gráfico como HTML",
data=html_bytes,
file_name='grafico.html',
mime='text/html'
)
csv = data.to_csv(index=False)
st.download_button(
label="Baixar Dados Filtrados como CSV",
data=csv,
file_name='dados_filtrados.csv',
mime='text/csv'
)
st.sidebar.header('Configuração do Relatório')
templates = ["Template 1", "Template 2"]
selected_template = st.sidebar.selectbox("Selecione o template do relatório", templates)
if st.button("Analisar Dados com IA"):
with st.spinner('Analisando dados...'):
prompt = f"Analisar os dados de {x_axis_col} vs {y_axis_col} com o título {title}."
chart_info = {
"chart_type": chart_type,
"title": title,
"x_axis_label": x_axis_label,
"y_axis_label": y_axis_label,
"color": color,
"show_totals": show_totals
}
try:
analysis = send_prompt_to_nneural(api_key, prompt, data, chart_info)
st.subheader("Análise da IA")
formatted_analysis = format_response(selected_template, analysis)
st.markdown(f"<div style='border: 1px solid black; padding: 20px;' id='analysis-container'>{formatted_analysis}</div>", unsafe_allow_html=True)
except Exception as e:
st.error(f"Erro ao analisar dados: {e}")
except Exception as e:
st.error(f"Erro ao carregar os dados: {e}")
else:
st.info("Por favor, insira o link do Google Drive para carregar os dados.")
if __name__ == "__main__":
app()