Making everything look fine (using valid files and valid app.py)

app.py

@@ -5,40 +5,59 @@ from transformers import pipeline
 # Inicializa la pipeline de análisis de sentimientos
 sentiment_pipeline = pipeline("sentiment-analysis")
 
-# Función para cargar los datos
-def load_reviews():
-    # Asegúrate de usar la ruta correcta al archivo .json.gz en tu espacio de Hugging Face
-    df = pd.read_json('AMAZON_FASHION_5.json.gz', lines=True, compression='gzip')
-    return df
+# Función que toma un Dataframe y crea un gráfico visual con matplotlib
+def plot_sentiment_distribution(df_category):
+    sentiment_counts = df_category['sentiment'].value_counts()
+    fig, ax = plt.subplots()
+    sentiment_counts.plot(kind='bar', ax=ax)
+    ax.set_title("Distribución de Sentimientos")
+    ax.set_xlabel("Sentimiento")
+    ax.set_ylabel("Número de reseñas")
+    return fig
+
+# Mapeo de categorías a nombres de archivos
+category_to_file_path = {
+    'Fashion': 'AMAZON_FASHION_5.json.gz',
+    'Appliances': 'Appliances_5.json.gz',
+    'Gift Cards': 'Gift_Cards_5.json.gz',
+    'Magazine subscriptions': 'Magazine_Subscriptions_5.json.gz',
+    'All beauty': 'All_Beauty_5.json.gz'
+}
 
-# Función para analizar el sentimiento de una reseña
-def analyze_sentiment(review):
-    # Usa la pipeline de transformers para analizar el sentimiento
-    result = sentiment_pipeline(review)
-    # Devuelve solo la etiqueta ('LABEL_0' o 'LABEL_1') y el puntaje
-    return result[0]['label'], round(result[0]['score'], 4)
+# Función para cargar los datos por categoría
+def load_reviews(category):
+    # Asegúrate de que la categoría proporcionada es válida
+    if category not in category_to_file_path:
+        raise ValueError("Categoría no encontrada. Asegúrate de que la categoría sea correcta.")
 
-# Carga los datos (esto puede tardar un poco dependiendo del tamaño del archivo)
-df_reviews = load_reviews()
+    file_name = category_to_file_path[category]
+    file_path = f"{file_name}"  # Asegúrate de que este sea el path correcto a tus archivos
+    df = pd.read_json(file_path, lines=True, compression='gzip')
+    return df
 
-# Función para mostrar una muestra del DataFrame
-def show_sample():
-    return df_reviews.sample(5)  # Muestra 5 filas aleatorias del DataFrame
+# Función que realiza el análisis de sentimientos para una categoría específica
+def sentiment_counts_by_category(category):
+    df_category = load_reviews(category)
+    df_category['sentiment'] = df_category['reviewText'].apply(lambda x: sentiment_pipeline(x[:512])[0]['label'])
+    # Ahora llama a la función de trazado y devuelve el gráfico
+    fig = plot_sentiment_distribution(df_category)
+    return fig
+
+def show_first_five(category):
+    df_category = load_reviews(category)
+    return df_category.head(5)  # Muestra las primeras 5 filas del DataFrame de la categoría
 
 # Crear la interfaz usando gr.Blocks
 with gr.Blocks() as demo:
     with gr.Row():
-        with gr.Column():
-            input_review = gr.Textbox(lines=2, placeholder="Ingrese una reseña de Amazon Fashion aquí...")
-            analyze_button = gr.Button("Analizar")
-            output_label = gr.Label()
-            output_score = gr.Textbox()
-        with gr.Column():
-            show_button = gr.Button("Mostrar Ejemplos")
-            output_df = gr.Dataframe()
-
-    analyze_button.click(analyze_sentiment, inputs=input_review, outputs=[output_label, output_score])
-    show_button.click(show_sample, inputs=None, outputs=output_df)
+        category = gr.Dropdown(choices=list(category_to_file_path.keys()), label="Seleccione una categoría")
+        show_button = gr.Button("Mostrar Datos")
+        plot_button = gr.Button("Graficar Distribución de Sentimientos")
+        output_df = gr.Dataframe()
+        output_plot = gr.Plot()
+
+    show_button.click(show_first_five, inputs=category, outputs=output_df)
+    plot_button.click(sentiment_counts_by_category, inputs=category, outputs=output_plot)
 
 # Lanza la interfaz
 if __name__ == "__main__":

requirements.txt

@@ -2,3 +2,4 @@ torch
 gradio
 pandas
 transformers
+matplotlib