Fifa_bsd_006 / eda.py
Gigisghifari's picture
Upload 5 files
9a005e8 verified
raw
history blame
1.97 kB
import streamlit as st
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import plotly.express as px
st.set_page_config(
page_title = 'FIFA 2022 - EDA',
layout='wide',
initial_sidebar_state='expanded'
)
def run():
# Membuat title
st.title('Fifa 2022 Player Rating Prediction')
# Membuat Subheader
st.subheader('EDA untuk Analisis Dataset FIFA 2022')
# Menambah Gambar
st.image('https://digitalhub.fifa.com/transform/34dd7fb5-4887-4015-b61d-bbbf6bdfa34a/Argentina-v-France-Final-FIFA-World-Cup-Qatar-2022?&io=transform:fill,aspectratio:16x9&quality=75',
caption= 'World Cup Champion')
# Menambah Deskripsi
st.write('Page ini dibuat oleh gigis')
st.write('#Head')
st.write('##SubHeader')
st.write('###SubSubHeader')
# membuat garis lurus
st.markdown('---')
# Magic syntax
'''
Pada page ini, penulis akan melakukan explorasi sederhana
dataset yang digunakan adalah dataset fifa
dataset ini diambil dari sofia.com
'''
# show dataframe
df = pd.read_csv('https://raw.githubusercontent.com/FTDS-learning-materials/phase-1/master/w1/P1W1D1PM%20-%20Machine%20Learning%20Problem%20Framing.csv')
st.dataframe(df)
# Membuat Barplot
st.write('### Plot AttackingWorkRate')
fig = plt.figure(figsize=[15,5])
sns.countplot(x='AttackingWorkRate', data=df)
st.pyplot(fig)
# membuat histogram berdasarkan input user
st.write('### Histogram berdasarkan pilihanmu')
pilihan= st.selectbox('pilih features:',('Age','Height','Weight'))
fig = plt.figure(figsize= (15,5))
sns.histplot(df[pilihan], bins=30, kde=True)
st.pyplot(fig)
# membuat plot
st.write('### Plot antara ValueEUR dengan Price')
fig= px.scatter(df,x='ValueEUR',y='Overall', hover_data=['Name','Age'])
st.plotly_chart(fig)
if __name__ == '__main__':
run()