Update app.py

app.py

@@ -1,53 +1,71 @@
 import gradio as gr
-import matplotlib.pyplot as plt
-import io
-import base64
-
-# Definir las variables
-a = 35
-b = 40
-c = 25
-
-# Función para crear el gráfico de barras
-def create_bar_chart(a, b, c):
-    # Crear el gráfico de barras
-    labels = ['A', 'B', 'C']
-    values = [a, b, c]
-    
-    fig, ax = plt.subplots()
-    ax.bar(labels, values, color=['#ff9999','#66b3ff','#99ff99'])
-    
-    # Añadir etiquetas y título
-    ax.set_ylabel('Valores')
-    ax.set_title('Gráfico de Barras')
+import pandas as pd
+from transformers import pipeline
+from collections import Counter
+import re
+
+# Configurar el clasificador de sentimientos multilingüe
+classifier = pipeline(task="zero-shot-classification", model="facebook/bart-large-mnli")
+
+# Función para analizar los sentimientos de una lista de textos
+def analyze_sentiments(texts):
+    if not texts:
+        return "0.0%", "0.0%", "0.0%", []  # Manejar el caso donde no hay textos para analizar
+
+    positive, negative, neutral = 0, 0, 0
+    all_words = []
+    for text in texts:
+        results = classifier(text, ["positive", "negative", "neutral"], multi_label=True)
+        mx = max(results['scores'])
+        ind = results['scores'].index(mx)
+        result = results['labels'][ind]
+        if result == "positive":
+            positive += 1
+        elif result == "negative":
+            negative += 1
+        else:
+            neutral += 1
+        
+        # Procesar palabras del texto
+        words = re.findall(r'\w+', text.lower())
+        all_words.extend(words)
     
-    # Guardar el gráfico en un buffer de memoria
-    buf = io.BytesIO()
-    plt.savefig(buf, format='png')
-    buf.seek(0)
-    img_base64 = base64.b64encode(buf.read()).decode('utf-8')
-    buf.close()
+    total = len(texts)
+    positive_percent = round((positive / total) * 100, 1)
+    negative_percent = round((negative / total) * 100, 1)
+    neutral_percent = round((neutral / total) * 100, 1)
     
-    plt.close()  # Cerrar la figura para liberar recursos
+    # Contar las palabras más comunes
+    word_counts = Counter(all_words)
+    most_common_words = word_counts.most_common(10)  # Obtener las 10 palabras más comunes
     
-    return img_base64
+    return f"{positive_percent}%", f"{negative_percent}%", f"{neutral_percent}%", most_common_words
 
-# Función para utilizar en Gradio
-def gradio_interface(a, b, c):
-    img_base64 = create_bar_chart(a, b, c)
-    return img_base64
+# Función para cargar el archivo CSV y analizar los primeros 100 comentarios
+def analyze_sentiment_from_csv(file):
+    try:
+        df = pd.read_csv(file.name)
+        if 'content' not in df.columns:
+            raise ValueError("El archivo CSV no contiene una columna 'content'")
+        texts = df['content'].head(100).tolist()  # Tomar solo los primeros 100 comentarios
+        return analyze_sentiments(texts)
+    except pd.errors.ParserError as e:
+        return f"Error al analizar el archivo CSV: {e}", "", "", []
+    except Exception as e:
+        return f"Error inesperado: {e}", "", "", []
 
 # Configurar la interfaz de Gradio
 demo = gr.Interface(
-    fn=gradio_interface,
-    inputs=[
-        gr.Number(label="Valor A", value=a),
-        gr.Number(label="Valor B", value=b),
-        gr.Number(label="Valor C", value=c)
+    fn=analyze_sentiment_from_csv,
+    inputs=gr.File(file_count="single", label="Sube tu archivo CSV"),  # Permitir la carga del archivo CSV
+    outputs=[
+        gr.Textbox(label="Porcentaje Positivo"),
+        gr.Textbox(label="Porcentaje Negativo"),
+        gr.Textbox(label="Porcentaje Neutro"),
+        gr.Textbox(label="Palabras Más Usadas")
     ],
-    outputs=gr.Image(label="Gráfico de Barras"),
-    title="Generador de Gráficos de Barras",
-    description="Genera un gráfico de barras basado en los valores de A, B y C"
+    title="Analizador de Sentimientos V.2",
+    description="Porcentaje de comentarios positivos, negativos y neutrales, y palabras más usadas"
 )
 
 demo.launch(share=True)