Create app.py

app.py

@@ -0,0 +1,48 @@
+import gradio as gr
+import pandas as pd
+import re
+
+def calculate_correlations(file_path):
+    try:
+        df = pd.read_csv(file_path)  # Чтение данных из файла
+
+        # Преобразование 'Soon ' ДО применения pd.to_numeric
+        df['Soon '] = df['Soon '].str.replace(' из 5', '')
+        df['Soon '] = pd.to_numeric(df['Soon '].astype(str).str.replace(',', '.'), errors='coerce')
+
+        # 1. Оценка и наличие отзыва
+        df['has_review'] = df['Cam'].notna().astype(int)
+        correlation_review = df['Soon '].corr(df['has_review'])
+
+        # 2. Оценка и тип размещения (приблизительно)
+        accommodation_types = ['кемпер', 'палатка', 'бунгало', 'мобильный дом']
+        correlation_accommodation = {}
+        for acc_type in accommodation_types:
+            df[acc_type] = df['Cam'].apply(lambda x: 1 if isinstance(x, str) and re.search(acc_type, x, re.IGNORECASE) else 0)
+            correlation_accommodation[acc_type] = df['Soon '].corr(df[acc_type])
+
+        # 3. Оценка и статус эксперта
+        df['is_expert'] = df['Exp'].apply(lambda x: 1 if isinstance(x, str) and 'местный эксперт' in x.lower() else 0)
+        correlation_expert = df['Soon '].corr(df['is_expert'])
+
+
+        return {
+            "correlation_review": correlation_review,
+            "correlation_accommodation": correlation_accommodation,
+            "correlation_expert": correlation_expert
+        }
+
+    except Exception as e:
+        return f"Ошибка: {e}"
+
+
+
+iface = gr.Interface(
+    fn=calculate_correlations,
+    inputs=gr.File(type="csv"), # Загрузка CSV файла
+    outputs=gr.JSON(), # Вывод результатов в формате JSON
+    title="Корреляционный анализ отзывов",
+    description="Загрузите CSV файл с отзывами."
+)
+
+iface.launch(share=True) # Запуск интерфейса и получение ссылки для публикации