Milestone2P1 / eda.py
casheu's picture
commit
bc9b26f
raw history blame
No virus
1.93 kB
import streamlit as st
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
st.set_page_config(
page_title='FIFA 2022 - EDA',
layout='wide',
initial_sidebar_state='expanded'
)
def run():
# Title
st.title('House Price Prediction by Area Characteristics')
# Membuat Sub Header
st.subheader('EDA untuk Analisa Dataset FIFA 2022')
# Membuat Deskripsi
st.write('Page ini dibuat oleh *Danu Purnomo*')
# Menambahkan Gambar
#image = Image.open('soccer.jpg')
#st.image(image, caption='FIFA 2022')
# Membuat Garis Lurus
st.markdown('---')
# Magic Syntax
'''
Pada page kali ini, penulis akan melakukan eskplorasi sederhana.
Dataset yang digunakan adalah dataset FIFA 2022.
Dataset ini berasal dari web sofifa.com.
'''
# Show DataFrame
data = pd.read_csv('https://raw.githubusercontent.com/ardhiraka/FSDS_Guidelines/master/p1/v3/w1/P1W1D1PM%20-%20Machine%20Learning%20Problem%20Framing.csv')
st.dataframe(data)
# Membuat BarPlot
st.write('#### Plot AttackingWorkRate')
fig = plt.figure(figsize=(15, 5))
sns.countplot(x='AttackingWorkRate', data=data)
st.pyplot(fig)
# Membuat Histogram
st.write('#### Histogram of Rating')
fig = plt.figure(figsize=(15, 5))
sns.histplot(data['Overall'], bins=30, kde=True)
st.pyplot(fig)
# Membuat Histogram Berdasarkan Input User
st.write('#### Histogram berdasarkan Input User')
pilihan = st.selectbox('Pilih Column : ', ('Age', 'Weight', 'Height', 'ShootingTotal'))
fig = plt.figure(figsize=(15, 5))
sns.histplot(data[pilihan], bins=30, kde=True)
st.pyplot(fig)
# Membuat Plotly Plot
#st.write('#### Plotly Plot - ValueEUR dengan Overall')
#fig = px.scatter(data, x='ValueEUR', y='Overall', hover_data=['Name', 'Age'])
#st.plotly_chart(fig)
if __name__ == '__main__':
run()