eda.py

import streamlit as st
import pandas as pd
from PIL import Image

#membuat function untuk nantinya dipanggil di app.py
def run():
    st.title('Welcome to Exploration Data Analysis')
#Memanggil data csv 
    df= pd.read_csv('P1G5_Set_1_Syihabuddin_Ahmad.csv')

#menampilakn 5 data teratas
    st.table(df.head(5))

#menampilakn heatmap
    st.title('Heatmap Correlation')
    image = Image.open('heatmap.png')
    st.image(image, caption='Numeric column to default pay')

#menampilkan penjelasan 
    with st.expander('Explanation'):
        st.caption('Pengecekan korelasi antara kolom numerik\
                    dengan angka, dapat diketahui bahwa kolom\
                    numerik yang berkorelasi dengan default_pay\
                    yaitu: limit_balance, pay_amt_1, pay_amt_2,\
                    pay_amt_3, pay_amt_4 dan pay_amt_6')
        
#menampilakn barplot
    st.title('Barplot Default Pay Distribution')
    image = Image.open('defpaypers.png')
    st.image(image, caption='Data Distribution')

#menampilkan penjelasan 
    with st.expander('Explanation'):
        st.caption('Pengecekan distribusi data dari kolom default_payment_next_month\
                    dapat diketahui bahwa datanya adalah imbalance karena perbedaannya\
                    sangat signifikan antara kategori No dengan kategori Yes dengan\
                    total 78.58% dibandingkan dengan 21.42%. Dari data tersebut dapat\
                    ditarik kesimpulan bahwa hanya sedikit orang yang gagal bayar yaitu\
                    sebanyak 21.42%')
        
#menampilakn barplot
    st.title('Default Pay Education Level')
    image = Image.open('graph3.png')
    st.image(image, caption='Education Level Default Payment')

#menampilkan penjelasan 
    with st.expander('Explanation'):
        st.caption('Grafik di atas menunjukan grafik dari default pay dengan kategori\
                    education level. Dapat diambil kesimpulan bahwa data yang tidak\
                    gagal bayar ataupun yang gagal bayar tertingginya adalah di kategori\
                    University. Pada kategori University ini, terjadi lebih banyak gagal\
                    bayar dibandingkan kategori yang lainnya.')
        
#menampilakn barplot
    st.title('Marital Status to Default Pay')
    image = Image.open('graph4.png')
    st.image(image, caption='Marital status column to default pay')

#menampilkan penjelasan 
    with st.expander('Explanation'):
        st.caption('Pada grafik di atas dapat diketahui bahwa status pernikahan yang single\
                    memiliki jumlah yang lebih banyak dibandingkan menikah dalam konteks\
                    tidak gagal bayar, namun pada konteks gagal bayar hampir tidak memiliki\
                    perbedaan.')