eda.py

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

# Set page config
st.set_page_config(
    page_title = 'NBA_EDA',
    layout='wide',
    initial_sidebar_state='expanded'
)

# Create function for eda
def run():
    # Create title
    st.title('NBA Player Return Prediction')


    # Create sub header
    st.subheader('EDA untuk Analisis Dataset NBA')

    # Add image
    st.image('https://pbs.twimg.com/profile_images/1745324889009987584/JGBvQa17_200x200.png'
             ,caption='NBA Logo')
    
    # Create a description
    st.write('Dibuat Oleh Daffa')
    st.write('# Deskripsi 1')
    st.write('## Deskripsi 2')
    st.write('### Deskripsi 3')
    

    # Magic Syntax
    '''
    Pada page kali ini, penulis akan melakukan eksplorasi sederhana,
    Dataset yang digunakan adalah NBA dari tahun 2004.
    Dataset ini berasal dari web kaggle.com
    '''

    # Create straight line
    st.markdown('---')

    # Show dataframe
    df = pd.read_csv('ranking.csv')
    st.dataframe(df)

    # Create Barplot
    st.write('### Plot WinPercentage')
    popularity = df.groupby(['TEAM','G'])['W_PCT'].mean().sort_values().reset_index()
    fig = plt.figure(figsize=(15,5))
    sns.barplot(data=popularity, y='TEAM', orient='h', x='G')
    st.pyplot(fig)
    # Statement Barchart using Magic Syntax
    '''
    Medium ada xxxxx Low ada High ada xxxx...
    '''
    #
    
    # Create Histogram
    st.write('### Barplot Berdasarkan Losses')
    fig = plt.figure(figsize=(15,5))
    # definisikan popularitas
    aw = df.groupby(['TEAM','L'])['W_PCT'].mean().sort_values().reset_index()
    # buat graf dengan filter yang diinginkan
    sns.barplot(data=aw, y='TEAM', orient='h', x='L')
    st.pyplot(fig)

    # Statement Histogram
    '''
    Age normal distribusi...
    '''

if __name__ == '__main__':
    run()