import gradio as gr
import pandas as pd
from pycaret.classification import *
from pycaret.regression import *
from sklearn.tree import plot_tree
import matplotlib.pyplot as plt
import japanize_matplotlib  # 日本語のフォントを使用するためのライブラリ
from io import BytesIO  # バイトデータを扱うためのモジュール

# モデルを選択し、プロットする関数
def plot_selected_model(file, ignore_features, target_variable, analysis_type, model_name, plot_type):
    if file is None:
        return None  # ファイルがアップロードされていない場合

    buffer = BytesIO(file.read())  # ファイルの内容をバイトデータとして読み込む
    if file.name.endswith('.csv'):
        buffer.seek(0)  # バッファのポインタをリセット
        data = pd.read_csv(buffer)  # CSVファイルの場合
    else:
        buffer.seek(0)  # バッファのポインタをリセット
        data = pd.read_excel(buffer, engine='openpyxl')  # Excelファイルの場合

    data = data.dropna(subset=[target_variable])  # 目的変数に欠損値がある行を削除
    data_ignored = data.drop(columns=ignore_features)  # 除外する変数を削除

    if analysis_type == '分類':
        setup_data = setup(data, target=target_variable, ignore_features=ignore_features)
    elif analysis_type == '回帰':
        setup_data = setup(data, target=target_variable, ignore_features=ignore_features)

    compare_results = compare_models()
    display(compare_results)  # モデル比較の結果を表示

    model = create_model(model_name)  # 選択されたモデルを作成

    plot_file = "plot.png"  # プロットのファイル名
    if plot_type == '決定木':
        # 決定木をプロット
        plt.figure(figsize=(20, 10))
        plot_tree(model.estimators_[0], filled=True)
        plt.savefig(plot_file)
    else:
        # 他のプロットタイプ
        plot_model(model, plot=plot_type, save=True, save_filename=plot_file)

    return plot_file

# メイン関数
def main(file, ignore_features, target_variable, analysis_type, model_name, plot_type):
    plot_file = plot_selected_model(file, ignore_features, target_variable, analysis_type, model_name, plot_type)
    if plot_file is None:
        return "エラー: ファイルがアップロードされていません。"
    return plot_file

# 利用可能なプロットタイプのリスト
plot_types = ['feature', 'confusion_matrix', 'auc', 'residuals', '決定木']

# Gradioインターフェースの設定
iface = gr.Interface(
    fn=main,  # メイン関数
    inputs=[
        gr.inputs.File(label="ファイルアップロード (Excelファイル or CSVファイル)"),  # ファイルアップロード
        gr.inputs.CheckboxGroup(choices=[], label="説明変数から除外する変数を選択"),  # 除外する変数の選択
        gr.inputs.Dropdown(choices=[], label="目的変数を選択"),  # 目的変数の選択
        gr.inputs.Radio(choices=["分類", "回帰"], label="分析手法を選択"),  # 分析手法の選択
        gr.inputs.Dropdown(choices=[], label="モデルを選択"),  # モデル選択のためのドロップダウン
        gr.inputs.Dropdown(choices=plot_types, label="プロットタイプを選択")  # プロットタイプの選択
    ],
    outputs=[gr.outputs.Image(label="モデルの可視化", type="filepath")]  # 出力
)

# インターフェースの起動
iface.launch()