import streamlit as st 
import pandas as pd 
import seaborn as sns 
import matplotlib.pyplot as plt 
import plotly.express as px 
from PIL import Image 

# Set page config
st.set_page_config(
    page_title= 'Credit_Card_Default_EDA',
    layout= 'wide',
    initial_sidebar_state= 'expanded'
)

# Create Function for EDA
def run():
    #Create title
    st.title('CREDIT CARD CUSTOMER')

    # Create Sub Header atau Sub Judul
    st.subheader('EDA untuk Analisis Dataset Credit Card Default')

    # Add Image
    st.image('https://www.cimbniaga.co.id/content/dam/cimb/inspirasi/Apa-Itu-Kartu-Kredit-Seperti-Apa-Memanfaatkannya.webp', caption= 'Credit Card Customer')

    # Create a Description
    st.write('Page Made by Allen')


    # Magic Syntax
    '''
    Pada page kali ini, penulis akan melakukan eksplorasi sederhana,
    Dataset yang digunakan adalah Credit Card Default.
    Dataset ini berasal dari Big Query Google

    '''

    # Create Straight Line
    st.markdown('---')

    # Show Dataframe
    df = pd.read_csv('P1G5_Set_1_Allen.csv')
    st.dataframe(df)

    # Create BarPlot
    st.write('### Plotly Plot - Education Level vs Credit')
    fig= px.bar(df, x= 'education_level', y= 'default_payment_next_month',
                    hover_data=['education_level','default_payment_next_month'])
    st.plotly_chart(fig)

    # Statement menggunakan st.write
    st.write('Dari data diatas kita mendapatkan informasi mengenai tingkat pendidikan yang berpengaruh pada pembayaran utang dan mempengaruhi limit balance, semakin rendah pendidikan ternyata mempengaruhi tingkat utang')


    st.write('### Plotly Plot - Umur vs Credit')
    fig= px.bar(df, x= 'age', y= 'default_payment_next_month',
                    hover_data=['age','default_payment_next_month'])
    st.plotly_chart(fig)
    
    # Statement menggunakan st.write
    st.write('Dari data diatas kita mendapatkan informasi bahwa customer yang paling banyak melakukan credit berada pada usia 30-40 tahun yaitu dimana ada pada usia kerja atau usia produktif')

    #Membuktikan umur paling banyak ada pada umur 30
    st.write('### Plot age')
    fig= plt.figure(figsize=(20,5))
    sns.countplot(x='age', data=df)
    st.pyplot(fig)
    st.write('Umur 30 paling banyak melakukan credit customer')
if __name__ == '__main__':
    run()