Update app.py

app.py

@@ -25,22 +25,65 @@ def prediction_func(Hours_Studied,Previous_Scores, Extracurricular_Activities, S
   # retourner
   return y_pred[0][0]
 
+# Fonction de prédiction multiple
+def prediction_func_csv(file):
+  # Lire le fichier csv
+  df = pd.read_csv(file)
+  predictions = []
+  # Boucle sur les lignes du dataframe
+  for row in df.iloc[:, :].values:
+    # # nouvelle ligne avec les valeurs des Fuel_Type, Seller_Type et Transmission encodées
+    # new_row = np.array([row[0], row[1], encoder0.transform([row[2]])[0], encoder1.transform([row[3]])[0], encoder2.transform([row[4]])[0], row[5]])
+    # new_row = new_row.reshape(1,-1) # convertir en un 2D array
+    # # Normaliser les données
+    # new_row = scaler.transform(new_row)
+    # # Prédire
+    # y_pred = xgb.predict(new_row)
+    # # Arrondir
+    # y_pred = round(y_pred[0],2)
+    y_pred = prediction_func(row[0], row[1], row[2], row[3], row[4])
+    # ajouter la prediction sur List_predictions
+    predictions.append(y_pred)
+
+  df['Performance'] = predictions
+  df.to_csv('predictions.csv', index = False)
+  return 'predictions.csv'
+
 # load les valeurs uniques
 uniques = []
 for i in range(len(cat_data_columns)):
   uniques.append(joblib.load(f'{cat_data_columns[i]}_unique.joblib'))
-# créer les inputs
+# définir les blocks
+demo = gr.Blocks(theme='shivi/calm_seafoam')
+
+# Créer les inputs
 inputs = [gr.Number(label='Hours Studied'),
           gr.Number(label='Previous Score'),
           gr.Radio(choices=['Yes', 'No'], label='Extracurricular Activities'),
           gr.Number(label='Sleep Hours'),
           gr.Number(label='Sample Question Papers Practiced')]
-# créer les outputs
-outputs = gr.Textbox(label = 'Performance')
-# Interface
-Interface =gr.Interface(fn = prediction_func,
-             inputs = inputs,
-             outputs = outputs,
-             title = 'Prédire la performance des élèves avec une seule entrée',
-             theme='shivi/calm_seafoam')
-Interface.launch()
+# Créer les outputs
+outputs = gr.Textbox(label='Performance')
+# Créer l'interface 1
+interface1 = gr.Interface(fn = prediction_func_csv,
+                         inputs = inputs,
+                         outputs = outputs,
+                         title="Prédire la performance des élèves avec une seule entrée",
+                         description = """Ce modèle d'apprentissage automatique nous permet de prédire la performance des élèves à partir des
+                         Heures étudiées, des Scores précédents, des Activités parascolaires, des Heures de sommeil, des Exemples de sujets d'examen pratiqués .
+                         """)
+# Créer l'interface 2
+interface2 = gr.Interface(fn = prediction_func_csv,
+                         inputs = gr.File(label='Upload a csv file'),
+                          outputs = gr.File(label='Download a csv file'),
+                         title="Prédire la performance des élèves avec plusieurs entrées",
+                         description = """"Ce modèle d'apprentissage automatique nous permet de prédire la performance des élèves à partir des
+                         Heures étudiées, des Scores précédents, des Activités parascolaires, des Heures de sommeil, des Exemples de sujets d'examen pratiqués.
+                         """)
+
+# faire un tabbing des interfaces
+with demo:
+  gr.TabbedInterface([interface1, interface2], ['Simple Prediction', 'Prédiction multiple'])
+
+# lancer l'interface
+demo.launch()