Update app.py

app.py

@@ -5,6 +5,7 @@ import torch
 import numpy as np
 import re
 
+
 from torch.utils.data import TensorDataset, DataLoader, RandomSampler, SequentialSampler
 from transformers import AutoTokenizer, AutoModelForSequenceClassification,AdamW
 tokenizer = AutoTokenizer.from_pretrained('hackathon-pln-es/twitter_sexismo-finetuned-exist2021-metwo')
@@ -53,18 +54,46 @@ def preprocess(text):
     text=re.sub(r"\)","",text)
     text=" ".join(text.split())
     return text
+    
+def highlight_survived(s):
+    return ['background-color: red']*len(s) if (s.Sexista == 1) else ['background-color: green']*len(s)
+
+def color_survived(val):
+    color = 'red' if val=='Sexista' else 'white'
+    return f'background-color: {color}'                
 
 st.set_page_config(layout="wide")
-st.title('Analisis de comentarios sexistas en Twitter. Objetivo 5 de los ODS, Lograr la igualdad entre los géneros y empoderar a todas las mujeres y las niñas')
-st.markdown('Esta app utiliza tweepy para descargar tweets de twitter en base a la información de entrada y procesa los tweets usando transformers de HuggingFace para detectar comentarios sexistas. El resultado y los tweets correspondientes se almacenan en un dataframe para mostrarlo que es lo que se ve como resultado')
-st.markdown('La finalidad del proyecto es en línea con el Objetivo 5 de los ODS, Lograr la igualdad entre los géneros y empoderar a todas las mujeres y las niñas.Una vez analizados los tweets, los que resulten sexistas se pueden contestar para intentar reeducar a las personas que bien por su educación o circustancias presenten un comportamiento contrario al del Objetivo 5 antes mencionado. Igualmente en casos más graves se pueden realizar otras acciones')
+st.markdown('<style>body{background-color: Blue;}</style>',unsafe_allow_html=True)
+
+#background-color: Blue;
+
+colT1,colT2 = st.columns([2,8])
+with colT2:
+    #st.title('Analisis de comentarios sexistas en Twitter') 
+    st.markdown(""" <style> .font {
+    font-size:40px ; font-family: 'Cooper Black'; color: #FF9633;} 
+    </style> """, unsafe_allow_html=True)
+    st.markdown('<p class="font">Análisis de comentarios sexistas en Twitter</p>', unsafe_allow_html=True)
+    
+    st.markdown(""" <style> .font1 {
+    font-size:28px ; font-family: 'Times New Roman'; color: #8d33ff;} 
+    </style> """, unsafe_allow_html=True)
+    st.markdown('<p class="font1">Objetivo 5 de los ODS. Lograr la igualdad entre los géneros y empoderar a todas las mujeres y las niñas</p>', unsafe_allow_html=True)
+    #st.header('Objetivo 5 de los ODS, Lograr la igualdad entre los géneros y empoderar a todas las mujeres y las niñas')
+with colT1:
+    st.image("https://upload.wikimedia.org/wikipedia/commons/thumb/c/c7/Sustainable_Development_Goal-es-13.jpg/1200px-Sustainable_Development_Goal-es-13.jpg",width=200)
+
+st.markdown(""" <style> .font2 {
+    font-size:16px ; font-family: 'Times New Roman'; color: #3358ff;} 
+    </style> """, unsafe_allow_html=True)
+st.markdown('<p class="font2">Esta app utiliza tweepy para descargar tweets de twitter en base a la información de entrada y procesa los tweets usando transformers de HuggingFace para detectar comentarios sexistas. El resultado y los tweets correspondientes se almacenan en un dataframe para mostrarlo que es lo que se ve como resultado.La finalidad del proyecto, es en línea con el Objetivo 5 de los ODS, eliminar todas las formas de violencia contra todas las mujeres y las niñas en los ámbitos público y privado, incluidas la trata y la explotación sexual y otros tipos de explotación. Los comentarios sexistas son una forma de violencia contra la mujer con está aplicación puede ayudar a hacer un estudio sistemático de la misma.</p>',unsafe_allow_html=True)
 
 
 def run():
     with st.form(key='Introduzca Texto'):
         col,buff1, buff2 = st.columns([2,2,1])
         #col.text_input('smaller text window:')
-        search_words = col.text_input('Introduzca el termino o usuario para analizar y pulse el check ')
+        search_words = col.text_input("Introduzca el termino o usuario para analizar y pulse el check correspondiente")
         number_of_tweets = col.number_input('Introduzca número de twweets a analizar. Máximo 50', 0,50,10)
         termino=st.checkbox('Término')
         usuario=st.checkbox('Usuario')
@@ -129,8 +158,14 @@ def run():
                     predictions.append(logits1)
                 flat_predictions = [item for sublist in predictions for item in sublist]
                 flat_predictions = np.argmax(flat_predictions, axis=1).flatten()#p = [i for i in classifier(tweet_list)]
-                df = pd.DataFrame(list(zip(tweet_list, flat_predictions)),columns =['Latest'+str(number_of_tweets)+'Tweets'+' on '+search_words, 'Sexista'])
+                df = pd.DataFrame(list(zip(tweet_list, flat_predictions)),columns =['Últimos '+ str(number_of_tweets)+' Tweets'+' de '+search_words, 'Sexista'])
                 df['Sexista']= np.where(df['Sexista']== 0, 'No Sexista', 'Sexista')
-                st.table(df)
+                
+                
+                st.table(df.reset_index(drop=True).head(20).style.applymap(color_survived, subset=['Sexista']))
+
+                
+                #st.dataframe(df.style.apply(highlight_survived, axis=1))
+                #st.table(df)
             #st.write(df)
 run()