app.py

import os
os.system("pip install pandasai==1.5.21 pandas==2.2.2 gradio==4.21.0")

import gradio as gr
import pandas as pd
from pandasai import SmartDataframe
from pandasai.llm import OpenSourceLLM

df_global = None

def cargar_csv(file):
    global df_global
    try:
        df_global = pd.read_csv(file.name)
        return f"Archivo cargado con éxito. Filas: {len(df_global)}, Columnas: {len(df_global.columns)}"
    except Exception as e:
        return f"Error al cargar el archivo: {str(e)}"

def responder_pregunta(pregunta, token):
    global df_global
    if df_global is None:
        return "Primero debes cargar un archivo CSV."

    try:
        llm = OpenSourceLLM(
            model="mistralai/Mistral-7B-Instruct-v0.1",
            api_token=token
        )
        sdf = SmartDataframe(df_global, config={"llm": llm})
        respuesta = sdf.chat(pregunta)
        return respuesta
    except Exception as e:
        return f"Ocurrió un error: {str(e)}"

with gr.Blocks() as demo:
    gr.Markdown("# Analizador CSV con Preguntas en Lenguaje Natural")

    with gr.Row():
        archivo = gr.File(label="Sube tu archivo CSV", file_types=[".csv"])
        salida_carga = gr.Textbox(label="Resultado de carga")
        boton_carga = gr.Button("Cargar CSV")

    with gr.Row():
        pregunta = gr.Textbox(label="Escribe tu pregunta sobre los datos")
        token = gr.Textbox(label="Token de Hugging Face (requerido)", type="password")
        salida_respuesta = gr.Textbox(label="Respuesta")
        boton_pregunta = gr.Button("Responder")

    boton_carga.click(cargar_csv, inputs=[archivo], outputs=[salida_carga])
    boton_pregunta.click(responder_pregunta, inputs=[pregunta, token], outputs=[salida_respuesta])

if __name__ == "__main__":
    demo.launch()