Delete app.py

app.py

@@ -1,78 +0,0 @@
-import gradio as gr
-import pandas as pd
-import numpy as np
-from transformers import pipeline
-from sklearn.impute import SimpleImputer
-from sklearn.ensemble import IsolationForest
-import subprocess
-import sys
-
-# التحقق من تثبيت PyTorch أو TensorFlow
-try:
-    import torch
-except ImportError:
-    print("PyTorch غير مثبت، سيتم تثبيته الآن.")
-    subprocess.check_call([sys.executable, "-m", "pip", "install", "torch"])
-
-try:
-    import tensorflow
-except ImportError:
-    print("TensorFlow غير مثبت، سيتم تثبيته الآن.")
-    subprocess.check_call([sys.executable, "-m", "pip", "install", "tensorflow"])
-
-# تحميل نموذج التلخيص من Hugging Face
-summarizer = pipeline("summarization", model="t5-small")
-
-def analyze_data_quality(file):
-    df = pd.read_csv(file.name)
-    
-    # البحث عن القيم الناقصة
-    missing_values = df.isnull().sum()
-    missing_summary = missing_values[missing_values > 0].to_string()
-    
-    # البحث عن القيم الشاذة باستخدام Isolation Forest
-    clf = IsolationForest(contamination=0.05, random_state=42)
-    outliers = clf.fit_predict(df.select_dtypes(include=[np.number]))
-    outlier_count = (outliers == -1).sum()
-    
-    # تلخيص النتائج
-    report = f"🔍 تحليل جودة البيانات:\n\n"
-    report += f"📌 عدد القيم الناقصة: {missing_values.sum()}\n"
-    report += f"📌 عدد القيم الشاذة: {outlier_count}\n"
-    report += "\n📊 تفاصيل القيم الناقصة:\n" + missing_summary if missing_summary else "\n✅ لا توجد قيم ناقصة."
-    
-    summary = summarizer(report, max_length=100, do_sample=False)[0]['summary_text']
-    
-    return summary
-
-def clean_data(file):
-    df = pd.read_csv(file.name)
-    
-    # معالجة القيم الناقصة بالتعبئة
-    imputer = SimpleImputer(strategy="mean")
-    df[df.select_dtypes(include=[np.number]).columns] = imputer.fit_transform(df.select_dtypes(include=[np.number]))
-    
-    # إزالة القيم الشاذة
-    clf = IsolationForest(contamination=0.05, random_state=42)
-    outliers = clf.fit_predict(df.select_dtypes(include=[np.number]))
-    df_cleaned = df[outliers != -1]
-    
-    cleaned_file = "cleaned_data.csv"
-    df_cleaned.to_csv(cleaned_file, index=False)
-    return cleaned_file
-
-# إنشاء واجهة Gradio
-with gr.Blocks() as app:
-    gr.Markdown("## 🛠️ محلل جودة البيانات")
-    
-    file_input = gr.File(label="📂 رفع ملف CSV")
-    analysis_output = gr.Textbox(label="📊 تقرير جودة البيانات")
-    cleaned_file_output = gr.File(label="✅ تحميل البيانات المنظفة")
-    
-    analyze_button = gr.Button("🔍 تحليل الجودة")
-    clean_button = gr.Button("🧹 تنظيف البيانات")
-    
-    analyze_button.click(analyze_data_quality, inputs=file_input, outputs=analysis_output)
-    clean_button.click(clean_data, inputs=file_input, outputs=cleaned_file_output)
-    
-    app.launch()