Update app.py

app.py

@@ -1,54 +1,42 @@
-import streamlit as st
 import pandas as pd
+import streamlit as st
 
-# 파일 경로 설정
-FILE_PATH = "book_topics_output_modified.xlsx"
-
-# 엑셀 파일을 읽어오는 함수
-def load_data(file_path):
-    return pd.read_excel(file_path)
-
-# Streamlit 애플리케이션
-def main():
-    st.title("키워드 기반 도서 추천")
-
-    # 데이터 로드
-    data = load_data(FILE_PATH)
+# 엑셀 파일 로드
+file_path = "book_introductions_with_predictions.xlsx"
+df = pd.read_excel(file_path)
 
-    # 최종토픽 열이 있는지 확인
-    if '최종토픽' not in data.columns:
-        st.error("최종토픽 열이 데이터에 없습니다.")
-        return
+# 책 제목 검색
+st.title(" 책 소개글 기반 감정분석")
 
-    # 최종토픽 카테고리 선택
-    topic_category = st.selectbox(
-        "최종토픽을 선택하세요:",
-        sorted(data['최종토픽'].unique())
-    )
+# 사용자가 검색할 책 제목 입력
+search_title = st.text_input("책 제목을 입력하세요:")
 
-    # 선택된 토픽에 해당하는 도서 목록 필터링
-    filtered_data = data[data['최종토픽'] == topic_category]
+if search_title:
+    # 검색한 책 제목에 해당하는 최종 감정 가져오기
+    result = df[df['책 제목'] == search_title]
 
-    # 도서명 열이 있는지 확인
-    if '도서명' not in data.columns:
-        st.error("도서명 열이 데이터에 없습니다.")
-        return
+    if not result.empty:
+        st.write(f"**{search_title}**에 대한 최종 감정: **{result.iloc[0]['최종감정']}**")
+    else:
+        st.write("해당 책 제목을 찾을 수 없습니다.")
 
-    # 숫자 열이 있는지 확인
-    numeric_cols = [col for col in filtered_data.columns if pd.api.types.is_numeric_dtype(filtered_data[col])]
-    if not numeric_cols:
-        st.error("숫자 열이 없습니다.")
-        return
+# 각 감정에 대해 상위 10개의 책 제목과 확률을 추출
+st.title("각 감정별 확률 상위 10개의 책")
 
-    # 가장 높은 값을 가진 숫자 열 선택
-    number_col = numeric_cols[0]  # 첫 번째 숫자 열 사용
+# 확률 데이터를 공백으로 분리하여 긍정, 부정, 중립 열로 분리
+df[['긍정', '부정', '중립']] = df['확률'].str.strip('[]').str.split(expand=True).astype(float)
 
-    # 상위 10개 도서명 추출
-    top_books = filtered_data.nlargest(20, number_col)[['도서명', number_col]]
+# 긍정 확률 상위 10개
+top_positive = df.sort_values(by='긍정', ascending=False).head(10)[['책 제목', '긍정']]
+st.subheader("긍정 확률 상위 10개 책")
+st.table(top_positive)
 
-    # 도서명만 출력
-    st.write(f"최종토픽 '{topic_category}'에 해당하는 상위 20개 도서명:")
-    st.dataframe(top_books[['도서명']])  # 도서명만 표시
+# 부정 확률 상위 10개
+top_negative = df.sort_values(by='부정', ascending=False).head(10)[['책 제목', '부정']]
+st.subheader("부정 확률 상위 10개 책")
+st.table(top_negative)
 
-if __name__ == "__main__":
-    main()
+# 중립 확률 상위 10개
+top_neutral = df.sort_values(by='중립', ascending=False).head(10)[['책 제목', '중립']]
+st.subheader("중립 확률 상위 10개 책")
+st.table(top_neutral)