Update app.py

app.py

@@ -27,6 +27,8 @@ def paginar_frame(df):
             cols = st.columns(N_cards_per_row, gap="large")
         # draw the card
         with cols[n_row%N_cards_per_row]:
+            if (row['answer']):
+                st.info(row['answer'])
             st.caption(f"{row['feed'].strip()} - {row['seccion'].strip()} - {row['fecha'].strip()} ")
             st.markdown(f"**{row['titulo'].strip()}**")
             st.markdown(f"{row['resumen'].strip()}")
@@ -122,8 +124,12 @@ def main():
         if ('?' in query):
            st.write("Contestando a: ", query)
            # Verificando cada resumen de los articulos como contexto a la pregunta 
-           for i in range(len(df)):
-               text=df.loc[i, "resumen"]
+           cantidad_respuestas = 0 
+           lista_noticias_respuestas = [] 
+           df_answer=df
+           df_answer['answer']='' 
+           for i in range(len(df_answer)):
+               text=df_answer.loc[i, "resumen"]
                inputs =  tokenizer(query, text, return_tensors='tf')
                outputs = qa_model(input_ids=inputs['input_ids'], attention_mask=inputs['attention_mask'])
                answer_start_index = int(tf.math.argmax(outputs.start_logits, axis=-1)[0])
@@ -131,10 +137,36 @@ def main():
                predict_answer_tokens = inputs.input_ids[0, answer_start_index : answer_end_index + 1] 
                answer=tokenizer.decode(predict_answer_tokens) 
                if (len(answer)>0):
-                   st.info(answer)
-                   # Enviando la serie pandas como un dataframe transpuesto, para su despliegue
-                   paginar_frame(df.loc[i].to_frame().T)
-                   st.markdown(f"Noticia en la que aparece la respuesta: {answer}")
+                   cantidad_respuestas = cantidad_respuestas + 1
+                   df_answer.loc[i, "answer"] = answer
+                   lista_noticias_respuestas.append(df_answer.loc[i].to_frame().T)
+           
+           df_noticias_respuestas=pd.concat(lista_noticias_respuestas)
+           batch_size = 5
+           pages = split_frame(df_noticias_respuestas, batch_size)
+           top_menu = st.columns(3)
+                
+           pagination = st.container()
+            
+            
+           bottom_menu = st.columns((3))
+            
+           with bottom_menu[2]:
+               total_pages = (ceil(cantidad_respuestas / batch_size) if ceil(cantidad_respuestas / batch_size) > 0 else 1)
+               current_page = st.number_input("Página", min_value=1, max_value=total_pages, step=1)  
+                
+           with bottom_menu[1]:
+               st.write("---")
+               st.markdown(f"Página **{current_page}** de **{total_pages}** ") 
+                
+           with top_menu[0]:
+               pagina_res_fin= batch_size*current_page if batch_size*current_page <= cantidad_respuestas else cantidad_respuestas
+               st.markdown(f"Respuestas **{(current_page*batch_size)-batch_size+1}-{pagina_res_fin}**  de  **{cantidad_respuestas}** ") 
+                
+           with pagination:
+                
+               paginar_frame(pages[current_page - 1]) 
+                  
                    
 
         # Si se especificaron keywords