import streamlit as st
import json
import requests
import pandas as pd
import numpy as np
import pickle

st.title("Прогнозирование фракции выброса левого желудочка")


col1, col2, col3, col4, col5 = st.columns(5)

kco = 57.0
kcr = 36.0
kdo = 128.5
cdla = 28.0
nyha = 2.0

mod = st.radio(
        "Выберите модель",
        options=["Линейная", "Нелинейная"]
)

with col1:
    f1 = st.text_input('КCО')
with col2:
    f2 =st.text_input('КСР')
with col3:
    f3 = st.text_input('КДО')
with col4:
    f4 = st.text_input('СДЛА')
with col5:
    f5 = st.text_input('NYHA')    


filename_model = 'huber.pickle'
filename_scaler = 'scaler.pickle'
filename_cat = 'catboost.pickle'

loaded_model = pickle.load(open(filename_model, 'rb'))
loaded_scaler = pickle.load(open(filename_scaler, 'rb'))
loaded_cat = pickle.load(open(filename_cat, 'rb'))


if st.button('OK'):
    
    if f1 == '':
        st.write('Вы не ввели КСО, будет использовано медианное значение')
        f1 = kco
    if f2 == '':
        st.write('Вы не ввели КСР, будет использовано медианное значение')
        f2 = kcr
    if f3 == '':
        st.write('Вы не ввели КДО, будет использовано медианное значение')
        f3 = kdo
    if f4 == '':
        st.write('Вы не ввели СДЛА, будет использовано медианное значение')
        f4 = cdla
    if f5 == '':
        st.write('Вы не ввели NYHA, будет использовано медианное значение')
        f5 = nyha
    
    line = np.array([[float(f1), float(f2), float(f3), float(f4), float(f5)]])
    
    if mod == 'Линейная':
        line_norm = loaded_scaler.transform(line)
        res = loaded_model.predict(line_norm)[0]
        st.write(int(res))
    else:
        res = loaded_cat.predict(line)[0]
        st.write(int(res))