Update app.py

app.py

@@ -206,8 +206,11 @@ def tweets_localidad(buscar_localidad):
   location = geolocator.geocode(buscar_localidad)
   radius = "100km"
   tweets = api.search_tweets(q="",lang="es",geocode=f"{location.latitude},{location.longitude},{radius}", count = 50)
-  #for tweet in tweets:
-  #  print(tweet.text)
+  localidad = [i.user.location for i in tweets] 
+  text_localidad = pd.DataFrame(localidad)  
+  username = [i.user.screen_name for i in tweets] 
+  text_user= pd.DataFrame(username)
+ 
   tweet_list = [i.text for i in tweets]
   text= pd.DataFrame(tweet_list)
   text[0] = text[0].apply(preprocess_tweet)
@@ -250,7 +253,7 @@ def tweets_localidad(buscar_localidad):
   
   probability = np.amax(logits1,axis=1).flatten()
   Tweets =['Últimos 50 Tweets'+' de '+ buscar_localidad]
-  df = pd.DataFrame(list(zip(text1, flat_predictions,probability)), columns = ['Tweets' , 'Prediccion','Probabilidad'])
+  df = pd.DataFrame(list(zip(text1, localidad,username, flat_predictions,probability)), columns = ['Tweets' ,'Localidad' , 'Usuario','Prediccion','Probabilidad'])
   
   df['Prediccion']= np.where(df['Prediccion']== 0, 'No Sexista', 'Sexista')
   #df['Tweets'] = df['Tweets'].str.replace('RT|@', '')
@@ -258,7 +261,20 @@ def tweets_localidad(buscar_localidad):
   #df['Tweets'] = df['Tweets'].apply(lambda x: re.sub(r'[:;][-o^]?[)\]DpP3]|[(/\\]|[\U0001f600-\U0001f64f]|[\U0001f300-\U0001f5ff]|[\U0001f680-\U0001f6ff]|[\U0001f1e0-\U0001f1ff]','', x))
   
   tabla = st.table(df.reset_index(drop=True).head(50).style.applymap(color_survived, subset=['Prediccion']))
+    
+  df_sexista = df[df['Prediccion']=="Sexista"]
+  df_no_sexista = df[df['Probabilidad'] > 0]
+  sexista = len(df_sexista)
+  no_sexista = len(df_no_sexista)
 
+  # Crear un gráfico de barras
+  labels = ['Sexista  ', ' No sexista']
+  counts = [sexista, no_sexista]
+  plt.bar(labels, counts)
+  plt.xlabel('Categoría')
+  plt.ylabel('Cantidad de tweets')
+  plt.title('Cantidad de tweets sexistas y no sexistas')
+  plt.show()
 
   return df