Update app.py

app.py

@@ -90,33 +90,36 @@ def get_model_infomation():
     
     return model_info, feature_impact
 
-# def get_featuredrift():
-#     deployment = dr.Deployment.get(deployment_id='640d791796a6a52d92c368a0')
-#     target_drift = dr.models.TargetDrift.get(deployment.id)
-#     feature_drift_list = dr.models.FeatureDrift.list(deployment.id)
-#     drift_df = pd.DataFrame(
-#                                             {
-#                                             'feature_name':[target_drift.target_name], 
-#                                             'drift_score':[target_drift.drift_score], 
-#                                             'feature_impact':[1]
-#                                             }
-#                                         )
-#     drift_df = pd.concat([
-#                                     drift_df,
-#                                     pd.DataFrame(
-#                                                         [[
-#                                                             feature_drift.name,
-#                                                             feature_drift.drift_score,
-#                                                             feature_drift.feature_impact
-#                                                          ] for feature_drift in feature_drift_list
-#                                     ],
-#                                         columns=[ 'feature_name', 'drift_score', 'feature_impact']
-#                                     )
-#     ])
-#     start_point = (target_drift.period['start']+relativedelta(hours=9)).strftime("%Y / %m / %d %H:%M:%S")
-#     end_point = (target_drift.period['end']+relativedelta(hours=9)).strftime("%Y / %m / %d %H:%M:%S")
+def get_featuredrift():
+    deployment = dr.Deployment.get(deployment_id='640d791796a6a52d92c368a0')
+    target_drift = dr.models.TargetDrift.get(deployment.id)
+    feature_drift_list = dr.models.FeatureDrift.list(deployment.id)
+    drift_df = pd.DataFrame(
+                                            {
+                                            'feature_name':[target_drift.target_name], 
+                                            'drift_score':[target_drift.drift_score], 
+                                            'feature_impact':[1]
+                                            }
+                                        )
+    drift_df = pd.concat([
+                                    drift_df,
+                                    pd.DataFrame(
+                                                        [[
+                                                            feature_drift.name,
+                                                            feature_drift.drift_score,
+                                                            feature_drift.feature_impact
+                                                         ] for feature_drift in feature_drift_list
+                                    ],
+                                        columns=[ 'feature_name', 'drift_score', 'feature_impact']
+                                    )
+    ])
+    start_point = (target_drift.period['start']+relativedelta(hours=9)).strftime("%Y / %m / %d %H:%M:%S")
+    end_point = (target_drift.period['end']+relativedelta(hours=9)).strftime("%Y / %m / %d %H:%M:%S")
+#         drift_df.loc[(drift_df['drift_score']>drift_threshold)&(drift_df['feature_impact']>impact_threshold), 'alert'] = '重要性の高く、大きなドリフト'
+#         drift_df.loc[(drift_df['drift_score']>drift_threshold)&(drift_df['feature_impact']<=impact_threshold), 'alert'] = '重要性低いが、大きなドリフト'
+#         drift_df.loc[(drift_df['drift_score']<=drift_threshold), 'alert'] = '正常'
 
-#     return drift_df, start_point, end_point
+    return drift_df, start_point, end_point
 
 with gr.Blocks() as electoric_ploting:
     gr.Markdown(
@@ -200,48 +203,49 @@ with gr.Blocks() as electoric_ploting:
                                                     y_lim=[0, 1.2],
                                                     width=400,
                                                     height=300)
-    # with gr.Tab("データドリフト情報"):
-    #     result = get_featuredrift()
-    #     with gr.Row():
-    #         gr.Markdown(
-    #                     """
-    #                     こちらの図はデータドリフトと特徴量の有用性を表した図になっています。  
-    #                     味方は以下の通り  
-    #                      * ドリフトスコア：予測データに含まれるデータが、どれぐらい過去のデータに比べてずれが発生しているかを表しており、上に行けば行くほどズレが大きい
-    #                      * 特徴量の有用性：ターゲットの有用性を1とした時に、どれぐらいそれぞれの特徴量の有用性が高いかを表したもので、右に行くほど有用性が高い
-    #                      """
-    #                 )
-    #     with gr.Row():
-    #         drift_df = result[0]
-    #         start_point = result[1]
-    #         end_point = result[2]
-    #         gr.Textbox(f"{start_point}〜{end_point}",label=f'データドリフト確認期間')
-    #     with gr.Row():
-    #         if len(drift_df["drift_score"].unique())!=1:
-    #             gr.ScatterPlot(
-    #                                     drift_df,
-    #                                     x="feature_impact",
-    #                                     y="drift_score",
-    #                                     title="データドリフトとデータの有用性",
-    #                                     color_legend_title="Species",
-    #                                     x_title="特徴量の有用性",
-    #                                     y_title="ドリフトスコア",
-    #                                     x_lim = [-0.1, drift_df["feature_impact"].max()*1.4],
-    #                                     y_lim = [-0.1, drift_df["drift_score"].max()*1.4],
-    #                                     tooltip=["feature_name", "feature_impact", "drift_score"],
-    #                                     caption="",
-    #                                     height=500,
-    #                                     width=500
-    #                                 )
-    #         else:
-    #             gr.Markdown(
-    #                 """
-    #                 モデルの入れ替え後に予測が実行されていないためdriftは表示できません。
-    #                  """
-    #             )
+    with gr.Tab("データドリフト情報"):
+        result = get_featuredrift()
+        with gr.Row():
+            gr.Markdown(
+                        """
+                        こちらの図はデータドリフトと特徴量の有用性を表した図になっています。  
+                        味方は以下の通り  
+                         * ドリフトスコア：予測データに含まれるデータが、どれぐらい過去のデータに比べてずれが発生しているかを表しており、上に行けば行くほどズレが大きい
+                         * 特徴量の有用性：ターゲットの有用性を1とした時に、どれぐらいそれぞれの特徴量の有用性が高いかを表したもので、右に行くほど有用性が高い
+                         """
+                    )
+        with gr.Row():
+            drift_df = result[0]
+            start_point = result[1]
+            end_point = result[2]
+            gr.Textbox(f"{start_point}〜{end_point}",label=f'データドリフト確認期間')
+        with gr.Row():
+            if len(drift_df["drift_score"].unique())!=1:
+                gr.ScatterPlot(
+                                        drift_df,
+                                        x="feature_impact",
+                                        y="drift_score",
+                                        title="データドリフトとデータの有用性",
+                                        color_legend_title="Species",
+                                        x_title="特徴量の有用性",
+                                        y_title="ドリフトスコア",
+                                        x_lim = [-0.1, drift_df["feature_impact"].max()*1.4],
+                                        y_lim = [-0.1, drift_df["drift_score"].max()*1.4],
+                                        tooltip=["feature_name", "feature_impact", "drift_score"],
+                                        caption="",
+                                        height=500,
+                                        width=500
+                                    )
+            else:
+                gr.Markdown(
+                    """
+                    モデルの入れ替え後に予測が実行されていないためdriftは表示できません。
+                     """
+                )
 
     retrain_btn.click(retrain, inputs=None, outputs = [output_model_type, output_acc, output_plot])
     
+    
     electoric_ploting.load(lambda: datetime.datetime.now(), 
                            None,
                            # c_time2,