Create app.py

app.py

@@ -0,0 +1,48 @@
+import gradio as gr
+import pandas as pd
+from transformers import pipeline
+
+# تحميل نموذج تلخيص النصوص باللغة العربية من Hugging Face
+summarizer = pipeline("summarization", model="microsoft/mdeberta-v3-base")
+
+# تحميل البيانات وتحليلها
+def load_and_analyze(file):
+    global df
+    df = pd.read_csv(file.name)
+    return f"تم تحميل البيانات بنجاح! عدد الصفوف: {df.shape[0]}, عدد الأعمدة: {df.shape[1]}"
+
+# الرد على استفسارات المحلل
+def answer_query(query):
+    global df
+    if df is None:
+        return "❌ الرجاء تحميل ملف البيانات أولاً."
+    
+    query = query.lower()
+    if "المتوسط" in query or "المعدل" in query:
+        result = df.mean().to_string()
+    elif "أكبر قيمة" in query or "القيمة العليا" in query:
+        result = df.max().to_string()
+    elif "أصغر قيمة" in query or "القيمة الدنيا" in query:
+        result = df.min().to_string()
+    elif "ملخص" in query:
+        stats = df.describe().to_string()
+        summary = summarizer(stats, max_length=100, do_sample=False)[0]['summary_text']
+        result = f"📊 **ملخص البيانات:**\n{summary}"
+    else:
+        result = "❓ لم أفهم السؤال. حاول إعادة صياغته."
+    
+    return result
+
+# إنشاء واجهة Gradio
+with gr.Blocks() as app:
+    gr.Markdown("## 🤖 Chatbot لمحللي البيانات")
+    
+    file_input = gr.File(label="📂 رفع ملف CSV")
+    file_output = gr.Textbox(label="🔍 حالة البيانات")
+    file_input.change(load_and_analyze, inputs=file_input, outputs=file_output)
+    
+    chat_input = gr.Textbox(label="💬 اسأل عن البيانات")
+    chat_output = gr.Textbox(label="🤖 إجابة الذكاء الاصطناعي")
+    chat_input.submit(answer_query, inputs=chat_input, outputs=chat_output)
+    
+    app.launch()