import streamlit as st
import pandas as pd
from transformers import pipeline
import numpy as np
# Chargement du dataframe
df = pd.read_csv("Comments.csv")

#recup des comments en liste
comments = df["Comment"].tolist()
st.header("Analyse de Texte ")

# Create a selectbox to choose a comment
selected_comment = st.selectbox("Veuiller selelctionner un commentaire", comments)

# Display the selected comment in the text input
text = st.text_input('Entrer le texte à analyser', value=selected_comment)

# Labels candidats pour la classification
candidate_labels = ["commentaire positive", "commentaire négative"]

# Modèle de phrase pour la formation de l'hypothèse
hypothesis_template = "Cet exemple est un {}."

# Create the classifier pipeline
classifier = pipeline("zero-shot-classification", model="morit/french_xlm_xnli")

# Exécution de la classification seulement si du texte est entré
if text and candidate_labels:  # Vérifier si du texte et au moins une étiquette sont présents
    result = classifier(text, candidate_labels, hypothesis_template=hypothesis_template)
    st.info(f"Résultat: {result['labels'][0]} avec une confiance de {result['scores'][0]*100:.2f}%")
else:
    st.write("Veuillez entrer du texte pour l'analyse.")
image = "nlp.PNG"
st.text("\n \n \n")
st.markdown("**Differentes Process pour l'analyse de sentiments**")
st.image(image, caption="Workflow analyse de sentiment", use_column_width=True)