import streamlit as st
from menu import get_menu
import pandas as pd

st.set_page_config(
    page_title="Accueil",
    page_icon="👋",
    layout="wide"
)

get_menu()

st.image('images/home.jpg', use_column_width='always')
st.markdown(
    """
    <style>
    img {
        object-fit: cover;
        max-height: 300px;
        border-radius: 5px;
        position: relative;
        z-index: 0;
    }
    </style>
    """,
    unsafe_allow_html=True,
)


st.title("A propos du jeux de données")
st.markdown("Les données concernent les campagnes de marketing direct d'une institution bancaire portugaise. Les campagnes de marketing étaient basées sur des appels téléphoniques. Souvent, plusieurs contacts avec le même client étaient nécessaires pour déterminer si le produit (dépôt bancaire à terme) serait souscrit **('oui')** ou **('non')**.")

st.title("Objectif")
st.markdown("L'objectif est de prédire si le client souscrira **(oui/non)** à un dépôt à terme **(variable y)**.")

df = pd.read_csv('bank_data.csv').drop(columns=['Unnamed: 0'])

st.title("Jeux de données")
st.dataframe(df.head())
st.title("Details sur les données")
st.markdown(
    """
        #### Informations bancaire
        - **age** : l'age du client (numerique)
        - **job** : le type d'emplois que le client effectue (categoriel)
        - **marital** : status marital du client (binaire)
        - **education** : le niveau d'education du client (categoriel)
        - **default** : es ce que le client à un credit en déficite (binaire)
        - **balance** : Le solde annuel moyen, en euros (numérique)
        - **housing** : Es ce que client à un pret au logement ? (binaire)
        - **loan** : Es ce que client à un pret ? (binaire)
        
        #### Informations sur les contacts
        - **contact** : Moyen de contact (categoriel)
        - **day** : dernier jours du mois ou le client a été contacté (numeric)
        - **month** : Dernier mois de l'année ou le client a été contacté (categoriel)
        - **duration** : durée de la dernier conversation avec le client (numeric)
        
        #### Autres colonnes
        - **campaign** : Nombre de contacts réalisés au cours de cette campagne et pour ce client
        - **pdays** : Nombre de jours écoulés depuis que le client a été contacté pour la dernière fois dans le cadre d'une campagne précédente
        - **previous** : Nombre de contacts effectués avant cette campagne et pour ce client
        - **poutcome** : Résultats de la campagne de marketing précédente
        - **y** : décision du client
    """
)
st.subheader("Description")
st.dataframe(df.describe())