پروژه پایتون (57540))=/
سه سال پیش منتشر شده
تعداد بازدید: 161
کد پروژه: 415550
شرح پروژه
سلام شما کد پایتون برای طراحی وبسایت هم کار میکنید؟ یک وبسایت ساده که کد های اولیه ش اماده س و من یه سری کد برای بخش UI و Theme میخوام. روی framework به نام streamlit
وبسایت کامل نیست من کدی که تا الان داریم براتون میفرستم که آشنا بشید. وبسایت دیتابیس داخلش آپلود میکنید پ و یه سری دیتا انالیز انجام میده. کار گروهی هست و من فقط مسئول بخش UI هستم و بقیه موارد برام مهم نیست.
یعنی به صورت رودخونه ای اپدیت میشه کد
فقط مهمه که پایتون باشه . این که توی streamlit کار کنه
هربار کارهای کوچیکی تو هر هفته انجام میشه و با توجه به نظر استاد تغییرات میدیم ددلاین نهایی هم چهار هفته دیگه س ولی هر هفته آپدیت و تغییر نیاز داره بخشی از کد رو براتون ارسال کردم اگه اوکی هستین بفرمایید تا کامل بفرستم
import numpy as np
import pandas as pd
import streamlit as st
import plotly.express as px
import plotly.io as pio
import plotly.graph_objects as go
from sklearn.linear_model import LinearRegression, LogisticRegression
from preprocessing.stat_overview import statistics_overview, variable_insights
from preprocessing.preprocess import replace_null_values, remove_duplicates, merge_columns, split_columns
from preprocessing.predict_analysis import linear_regression, logistic_regression
# Set Streamlit page config
st.set_page_config(
page_title="EDA Web Application",
page_icon="📊",
initial_sidebar_state="expanded"
)
# Custom CSS styles
st.markdown(
"""
<style>
.navbar {
display: flex;
justify-content: space-between;
align-items: center;
background-color: #f8f9fa;
padding: 10px;
}
.navbar-logo {
height: 40px;
}
.navbar-title {
font-size: 24px;
font-weight: bold;
}
.section-header {
font-size: 24px;
font-weight: bold;
margin-top: 20px;
margin-bottom: 10px;
}
.card {
background-color: #ffffff;
border-radius: 8px;
padding: 20px;
margin-bottom: 20px;
box-shadow: 0px 2px 10px rgba(0, 0, 0, 0.1);
}
.card-title {
font-size: 18px;
font-weight: bold;
margin-bottom: 10px;
}
/* Rest of the CSS styles */
</style>
""",
unsafe_allow_html=True
)
def load_data(uploaded_file):
if uploaded_file.type == "text/csv":
data = pd.read_csv(uploaded_file)
elif uploaded_file.type == "application/vnd.openxmlformats-officedocument.spreadsheetml.sheet":
data = pd.read_excel(uploaded_file)
return data
#upload module
def show_file_upload():
st.sidebar.subheader("File Upload")
uploaded_file = st.sidebar.file_uploader("Choose a CSV or Excel file", type=["csv", "xlsx"])
return uploaded_file
#show basic stats module
def show_basic_statistics(data):
st.subheader("Basic Statistics")
stats_df = statistics_overview(data)
st.table(stats_df)
#show basic data visualization
def show_insights(data):
pio.templates.default = "plotly_white" # Set the default theme to plotly_white
insights = variable_insights(data)
for var, insight in insights.items():
st.subheader(f'Insights for {var}')
# Customize the Plotly chart appearance
fig = insight['Visualization']
fig.update_layout(
font=dict(family="Arial", size=12), # Set the font family and size
margin=dict(l=50, r=50, t=50, b=50), # Adjust the margins
plot_bgcolor='#F5F5F5', # Set the plot background color
paper_bgcolor='#F5F5F5', # Set the paper background color
)
fig.update_traces(marker=dict(line=dict(width=1))) # Add marker line width for better visibility
st.plotly_chart(fig) # Display the customized Plotly chart
insight.pop('Visualization')
st.write(insight)
#show comparison before and after preprocessing
def show_data_comparison(data_before, data_after):
st.subheader("Data Comparison: Before vs After")
stats_before = statistics_overview(data_before)
stats_after = statistics_overview(data_after)
comparison_df = pd.concat([stats_before, stats_after], axis=1)
comparison_df.columns = ["Before", "After"]
st.table(comparison_df)
#show linear reg
def linear_reg(data):
st.subheader("Linear Regression")
target_column = st.selectbox("Select the Target Column", data.columns)
feature_columns = st.multiselect("Select Feature Columns", data.columns)
run_regression = st.button("Run Linear Regression")
if run_regression:
result = linear_regression(data, target_column, feature_columns)
st.write(result) # Display the result of linear regression
#show logistic reg
def logistic_reg(data):
st.subheader("Logistic Regression")
target_column = st.selectbox("Select the Target Column", data.columns)
feature_columns = st.multiselect("Select Feature Columns", data.columns)
run_regression = st.button("Run Logistic Regression")
if run_regression:
result = logistic_regression(data, target_column, feature_columns)
st.write(result) # Display the result of logistic regression
def main():
st.title("Exploratory Data Analysis (EDA) App")
uploaded_file = show_file_upload()
if uploaded_file is not None:
data_before = load_data(uploaded_file)
st.dataframe(data_before.head())
# Choose the page to display
page = st.sidebar.radio("Select Page", ("Data Statistics", "Data Insights", "Data Preprocessing", "Predictive Analysis"))
# Data Statistics page
if page == "Data Statistics":
show_basic_statistics(data_before)
# Data Insights page
elif page == "Data Insights":
show_insights(data_before)
# Data Preprocessing page
elif page == "Data Preprocessing":
st.subheader("Data Preprocessing")
replace_null_values_btn = st.button("Replace Null Values")
remove_duplicates_btn = st.button("Remove Duplicate Variables")
merge_columns_btn = st.button("Merge Columns")
split_columns_btn = st.button("Split Columns")
مهارت ها و تخصص های مورد نیاز
مهلت برای انجام
25روز
وضعیت مناقصه
بسته
درباره کارفرما
عضویت چهار سال پیش
