Update app.py

app.py

@@ -1,55 +1,31 @@
 import streamlit as st
 import pandas as pd
-import requests
-from dotenv import load_dotenv
-import os
-import numpy as np
 
-# Cargar variables de entorno
-load_dotenv()
+from langchain.agents.agent_types import AgentType
+from langchain_experimental.agents.agent_toolkits import create_pandas_dataframe_agent
+from langchain_openai import ChatOpenAI
 
-# Usa tu clave API de Gemini aquí
-gemini_api_key = os.getenv('GEMINI_API_KEY')
 
-st.title("ChatBot para Archivos Excel")
-st.subheader("Tecnologías utilizadas: Streamlit - por https://github.com/jaglinux", divider='rainbow')
-
-# Cargar archivo subido
-uploaded_file = st.file_uploader("Elige un archivo", type=['csv', 'xlsx'])
+uploaded_file = st.file_uploader("Choose a file", type=['csv','xlsx'])
 if uploaded_file is None:
     df = pd.read_csv("titanic.csv")
-    st.write("Archivo predeterminado cargado: titanic.csv")
+    st.write("Default file uploaded, titanic.csv")
 else:
+    # Can be used wherever a "file-like" object is accepted:
     if uploaded_file.name.endswith(".csv"):
         df = pd.read_csv(uploaded_file)
     elif uploaded_file.name.endswith(".xlsx"):
         df = pd.read_excel(uploaded_file)
-st.dataframe(df, height=200)
-
-# Limpiar el DataFrame: reemplazar NaN y valores infinitos
-df.replace([np.inf, -np.inf], np.nan, inplace=True)
-
-# Convertir el DataFrame a un diccionario compatible con JSON
-df_dict = df.fillna('').to_dict(orient='records')
-
-# Función para enviar consultas a la API de Gemini (ejemplo genérico)
-def query_gemini_api(question, api_key):
-    headers = {
-        'Authorization': f'Bearer {api_key}',
-        'Content-Type': 'application/json'
-    }
-    data = {
-        'question': question,
-        'context': df_dict  # Enviar el DataFrame como un diccionario
-    }
-    response = requests.post('https://api.gemini.example.com/ask', headers=headers, json=data)
-    return response.json()
-
-# Capturar pregunta del usuario
-if question := st.chat_input("Haz una pregunta sobre el archivo CSV/XLSX proporcionado"):
-    if not gemini_api_key:
-        st.error("La clave API de Gemini no está configurada. Por favor, verifica tu archivo .env.")
-    else:
-        response = query_gemini_api(question, gemini_api_key)
-        st.chat_message("user").markdown(question)
-        st.chat_message("assistant").markdown(response['answer'])  # Ajusta según la respuesta de la API de Gemini
+st.dataframe(df, height=5)
+
+agent = create_pandas_dataframe_agent(
+    ChatOpenAI(temperature=0),
+    df,
+    verbose=True,
+    agent_type=AgentType.OPENAI_FUNCTIONS,
+)
+if question := st.chat_input("Ask Question to the csv/xlsx provided"):
+    response = agent.invoke(question)
+    print(response['output'])
+    st.chat_message("user").markdown(question)
+    st.chat_message("assistant").markdown(response['output'])