eda.py

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import streamlit as st

def run():
    st.title('Eksplorasi Data pada Dataset Credit Card')

    data = pd.read_csv("P1G5_Set_1_naufal.csv")
    st.dataframe(data)
    
    # Plot pie chart sex distribution.
    st.write('### Sex Distribution')
    sex_counts = data['sex'].value_counts()
    fig, ax = plt.subplots()
    ax.pie(sex_counts, labels=sex_counts.index, autopct='%1.1f%%', startangle=90)
    ax.axis('equal') 
    st.pyplot(fig)
    st.write('Penjelasan angka `1` pada dataset adalah Laki-laki dan `2` adalah Perempuan. Sehingga hasil dari data visualisasi di atas menunjukkan bahwa pada dataset ini jumlah Perempuan (61%) lebih banyak daripada Laki-laki (39%).')

    # Plot bar chart age distribution.
    st.write('### Age Distribution')
    fig = plt.figure(figsize=(15, 6))
    sns.countplot(x='age', data=data)
    st.pyplot(fig)
    st.write('Terlihat dari hasil visualisasi data, umur pada dataset memiliki variasi yang beragam dengan umur paling muda yaitu 21 tahun dan umur paling senior yaitu 69 tahun.')

    # Histogram of limit balance.
    st.write('### Histogram of Limit Balance')
    fig = plt.figure(figsize=(10, 6))
    sns.histplot(data['limit_balance'], kde=True, bins=30)
    st.pyplot(fig)
    st.write('Sekilas terlihat dari hasil visualisasi data, kolom `limit_balance` memiliki distribusi positively skewed dan memiliki rentang variasi data yang cukup luas (10,000 hingga 800,000 ).')

    # Heatmap
    st.write('### Histogram of Limit Balance')
    fig = plt.figure(figsize=(15,8))
    sns.heatmap(data.corr(method='spearman'), annot=True, cmap='coolwarm', fmt=".2f")
    st.pyplot(fig)
    st.write('Terlihat bahwa semua kolom memiliki korelasi terhadap target klasifikasi `default_payment_next_month`.')

if __name__ == '__main__':
    run()