import streamlit as st
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import plotly.express as px
import PIL as Image

def run():
    #Title
    st.title("Online Retail Customer Churn Prediction")
    #sub-header
    st.subheader("EDA untuk Analisis Dataset Customer Churn")


    df = pd.read_csv("online_retail_customer_churn.csv")
    st.dataframe(df)

    #make barplot
    st.write("## Target Churn")
    fig = plt.figure(figsize=(16,5))
    sns.countplot(x='Target_Churn',data=df,palette="pastel")
    st.pyplot(fig)
    st.write("dari keseluruhan data, churn didapati bahwa 526 customer memilih churn dan 474 customer tidak churn, dari visualisasi diatas didapati data yang cukup balance")
    
    st.write("#### Total Data Based on Customer Spend and Income")
    totalofcluster = pd.DataFrame({'Annual_Income': [(df['Annual_Income'].mean()*1000)],
                         'Total_Spend': [(df['Total_Spend'].mean())],
                          },
                        index=['Customer Spend and Income'])
    st.bar_chart(totalofcluster)
    st.write("rata-rata total spend dari tiap customer sangat sedikit dibandingkan annual incomenya")

    st.write("## Histogram of Data")
    fig = plt.figure(figsize=(16,5))
    pilihan = st.selectbox("Pilih Kolom: ",('Age','Average_Transaction_Amount','Total_Spend','Last_Purchase_Days_Ago'))
    sns.histplot(x=pilihan,data=df,bins=30,kde=True,palette="pastel")
    st.pyplot(fig)
    st.write("### Histogram ",pilihan)
    if pilihan == "Age":
        st.write("persebaran data based on umur cukup normal")
    elif pilihan == "Average_Transaction_Amount":
        st.write("persebaran rata-rata total transaksi customer sangat beragam namun tetap normal")
    elif pilihan == "Total_Spend":
        st.write("persebaran data based on total spend juga terlihat cukup normal")
    else :
        st.write("persebaran data terkait hari terakhir pembelanjaan customer normal")

    st.write("## Pie of Data")
    pilihan = st.selectbox("Pilih Kolom: ", ('Gender', 'Num_of_Returns', 'Num_of_Support_Contacts', 'Satisfaction_Score', 'Email_Opt_In', 'Promotion_Response'))
    fig, ax = plt.subplots()
    df[pilihan].value_counts().plot.pie(autopct='%1.1f%%', startangle=90, ax=ax)
    ax.set_ylabel('')  # Remove the y-label which is the column name
    st.pyplot(fig)
    st.write("### Pie ", pilihan)
    if pilihan == "Gender":
        st.write("pada data, gender terdapat 3 kategori dimana paling besar female di 34% dari total data, disusul male 33%, dan 32% untuk other. Other disini mencerminkan customer yang memilih untuk tidak memberikan informasi gendernya")
    elif pilihan == "Num_of_Returns":
        st.write("90 % dari customer pernah melakukan return")
    elif pilihan == "Num_of_Support_Contacts":
        st.write("32% Customer tidak pernah bermasalah dalam pembelanjaannya, 35% customer pernah menghubungi customer sekali kemudian permasalahannya dapat teratasi langsung, dan 32% customer permasalahannya tidak bisa diselesaikan dengan sekali menghubungi Support Contact")
    elif pilihan == "Satisfaction_Score":
        st.write("hanya 18% customer yang menilai retail sangat baik dan 20% customer menilai retail sangat buruk")
    elif pilihan == "Email_Opt_In":
        st.write("53% customer telah memberikan emailnya")
    else:
        st.write('''
                 Respon promosi menjadi 3 kategori ordinal:
- Responded adalah customer yang merespon promosi, customer tipe ini adalah customer yang menerima promosi dengan baik 
- Ignored adalah customer yang tidak mempedulikan promosi yang diberikan, customer tipe ini adalah customer yang mengabaikan promosi namun juga tidak berhenti berlangganan
- Unsubscribed adalah customer yang memilih untuk berhenti berlangganan disebabkan promosi yang diberikan, customer tipe ini adalah customer yang alih-alih menerima promosi, customer ini memilih untuk berhenti berlangganan

Berdasarkan respon promosi, 36% berhenti berlangganan, 34% merespon dengan baik, dan 30% mengabaikan
                 ''')

    st.write("## Correlation Heatmap")
    plt.figure(figsize=(10, 6))
    st.set_option('deprecation.showPyplotGlobalUse', False)
    sns.heatmap(df.select_dtypes(exclude='object').corr(), annot=True, cmap='viridis', cbar=True)
    plt.title('Correlation Heatmap')
    plt.xlabel('Features')
    plt.ylabel('Features')
    st.pyplot()
    st.write("Korelasi dari tiap-tiap kolom juga dicek korelasinya, didapati untuk korelasi antara target yaitu Target_Churn dengan kolom lain ada yang berkorelasi negatif dan juga positif")
if __name__ == '__main__':
    run()