app.py

import gradio as gr
from transformers import pipeline
import pandas as pd
import numpy as np

# Cargar el modelo de análisis de sentimientos
pipeline_classification = pipeline(
    "text-classification", 
    model="pysentimiento/robertuito-sentiment-analysis"
)

def analyze_sentiment(text):
    """
    Analiza el sentimiento del texto ingresado
    """
    if not text.strip():
        return "Por favor ingresa un texto para analizar."
    
    # Realizar el análisis de sentimientos
    result = pipeline_classification(text)
    
    # Formatear la respuesta
    sentiment = result[0]['label']
    confidence = result[0]['score']
    
    # Traducir las etiquetas al español
    sentiment_map = {
        'POS': 'Positivo',
        'NEG': 'Negativo', 
        'NEU': 'Neutral'
    }
    
    sentiment_spanish = sentiment_map.get(sentiment, sentiment)
    
    return f"**Sentimiento:** {sentiment_spanish}\n**Confianza:** {confidence:.4f}"

def analyze_batch(file):
    """
    Analiza sentimientos de un archivo CSV
    """
    if file is None:
        return "Por favor sube un archivo CSV."
    
    try:
        # Leer el archivo CSV
        df = pd.read_csv(file.name)
        
        # Verificar que tenga una columna 'text'
        if 'text' not in df.columns:
            return "El archivo CSV debe tener una columna llamada 'text'."
        
        # Analizar cada texto
        results = []
        for text in df['text']:
            if pd.isna(text):
                results.append({'sentiment': 'N/A', 'confidence': 0})
            else:
                result = pipeline_classification(str(text))
                results.append({
                    'sentiment': result[0]['label'], 
                    'confidence': result[0]['score']
                })
        
        # Agregar resultados al DataFrame
        df['sentiment'] = [r['sentiment'] for r in results]
        df['confidence'] = [r['confidence'] for r in results]
        
        # Guardar el resultado
        output_file = "sentiment_analysis_results.csv"
        df.to_csv(output_file, index=False)
        
        return output_file
    
    except Exception as e:
        return f"Error procesando el archivo: {str(e)}"

# Crear la interfaz de Gradio
with gr.Blocks(title="Análisis de Sentimientos") as demo:
    gr.Markdown("""
    # 🎭 Análisis de Sentimientos en Español
    
    Esta aplicación utiliza el modelo **RoBERTuito** de pysentimiento para analizar el sentimiento de textos en español.
    
    ## Características:
    - ✨ Análisis individual de textos
    - 📄 Análisis en lote desde archivos CSV
    - 🎯 Optimizado para español e idiomas de América Latina
    """)
    
    with gr.Tabs():
        with gr.TabItem("📝 Análisis Individual"):
            gr.Markdown("### Ingresa un texto para analizar su sentimiento:")
            
            with gr.Row():
                with gr.Column():
                    text_input = gr.Textbox(
                        label="Texto a analizar",
                        placeholder="Ejemplo: Tengo un nuevo empleo :D",
                        lines=3
                    )
                    analyze_btn = gr.Button("🔍 Analizar Sentimiento", variant="primary")
                
                with gr.Column():
                    result_output = gr.Markdown(label="Resultado")
            
            # Ejemplos predefinidos
            gr.Examples(
                examples=[
                    ["Tengo un nuevo empleo :D"],
                    ["Estoy muy triste porque perdí mi trabajo"],
                    ["El clima está bien hoy"],
                    ["¡Qué hermoso día para salir!"],
                    ["No me gusta esta comida para nada"]
                ],
                inputs=text_input,
                outputs=result_output,
                fn=analyze_sentiment
            )
        
        with gr.TabItem("📊 Análisis en Lote"):
            gr.Markdown("""
            ### Sube un archivo CSV para analizar múltiples textos
            
            **Formato requerido:** El archivo CSV debe tener una columna llamada `text` con los textos a analizar.
            """)
            
            with gr.Row():
                file_input = gr.File(
                    label="Subir archivo CSV",
                    file_types=[".csv"]
                )
                batch_btn = gr.Button("📈 Analizar Archivo", variant="primary")
            
            file_output = gr.File(label="Descargar resultados")
    
    # Conectar eventos
    analyze_btn.click(
        fn=analyze_sentiment,
        inputs=text_input,
        outputs=result_output
    )
    
    batch_btn.click(
        fn=analyze_batch,
        inputs=file_input,
        outputs=file_output
    )
    
    gr.Markdown("""
    ---
    
    ### 📖 Acerca del Modelo
    
    Este análisis utiliza **RoBERTuito**, un modelo basado en RoBERTa entrenado específicamente en datos de redes sociales 
    en español y portugués. Es especialmente efectivo para:
    
    - Textos informales y de redes sociales
    - Contenido en español de América Latina
    - Detección de ironía y sarcasmo
    
    **Etiquetas de sentimiento:**
    - **POS**: Sentimiento positivo
    - **NEG**: Sentimiento negativo  
    - **NEU**: Sentimiento neutral
    
    *Modelo: pysentimiento/robertuito-sentiment-analysis*
    """)

# Lanzar la aplicación
if __name__ == "__main__":
    demo.launch()