#Import library
import pandas as pd 
import numpy as np
import streamlit as st 

#library for visualization
import matplotlib.pyplot as plt
import seaborn as sns
import plotly.express as px
from wordcloud import WordCloud

st.set_page_config(
    page_title="Tweet Sentiment Pilkada 2017 EDA")
#function untuk menjalakan streamlit model predictor
def run():
    # Set title
    st.title('Tweet Sentiment Pilkada DKI Jakarta 2017 Dataset : Exploratory Data Analysis')



    #pemisah(garis2)
    st.markdown('----')

    #image
    st.image('https://images.bisnis.com/posts/2017/02/13/628337/foto.jpg')
    st.text('desc : kertas pemilu kepala daerah DKI Jakarta 2017')
    st.text('img source : bisnis.com')


    #load dataset
    df = pd.read_csv('dataset_tweet_sentiment_pilkada_DKI_2017.csv')

    #title df
    st.subheader('Tweet Sentiment Pilkada DKI Jakarta 2017 Dataframe')
    #show dataframe in streamlit
    st.dataframe(df.head(20))
    st.markdown('----')

    st.subheader('Exploratory Data Analysis (EDA)')


    #visualisasi interaktif piechart
    st.markdown('#### Visualisasi Pie Chart')
    opsi2 = st.selectbox(' Choose the feature : ', ('Pasangan Calon', 'Sentiment'))
    fig, ax = plt.subplots(figsize=(8, 8))
    df[opsi2].value_counts().plot(kind='pie', autopct='%1.1f%%', ax=ax)
    ax.set_title(f'{opsi2} Pie Chart')
    ax.set_ylabel('')
    st.pyplot(fig)
    st.text(f'{opsi2} piechart')
    if opsi2 == 'Pasangan Calon':
        st.write('Dataset ini memiliki perbandingan jumlah tweet untuk setiap pasangan calon yang seimbang yaitu pada 33.3% untuk calon Ahok-Djarot, Agus-Sylvi, dan Anies-Sandi.')
    else:
        st.write('Dataset ini memiliki perbandingan jumlah sentimen positive dan negative yang seimbang yaitu 50% untuk sentimen positive dan negative. Dataset yang seimbang akan berdampak baik pada proses training data karena model akan mempelajari data dengan baik. ')

    #visualisasi kolom kolom martial_status, education level, dan sex terhadap default status next month
    # Ambil data teks dari DataFrame (misalnya eda['Text Tweet'])
    all_tweets_text = ' '.join(df['Text Tweet'])

    # Membuat WordCloud
    wordcloud = WordCloud(width=800, height=400, background_color='white', min_font_size=10, max_words=8).generate(all_tweets_text)

    # Menampilkan WordCloud menggunakan Streamlit
    st.title("WordCloud of Tweets")
    st.image(wordcloud.to_array(), use_column_width=True)
    st.write('Berdasarkan visualisasi wordcloud diatas, berikut adalah 8 kata yang paling banyak muncul pada tweet di dataset ini seperti pilkadadki2017, yang, AHY, AniesSandi, dan, di, AhokDjarot,dan Ahok.')


if __name__ == "__main__":
    run()