app.py

import pandas as pd
import plotly.express as px
import gradio as gr

# Configurazione: nomi delle colonne presenti nel dataset
COL_TITOLO       = "titolo_articolo"
COL_AUTORE1      = "primo_autore"
COL_AUTORE2      = "secondo_autore"
COL_AUTORE3      = "terzo_autore"
COL_ANNO         = "anno_pubblicazione"
COL_LINGUA       = "lingua"
COL_KEYWORD      = "keyword"
COL_TESTO        = "testo_txt"        # Colonna contenente il testo dell'articolo (se necessaria)
COL_NUM_PAROLE   = "num_parole"       # Colonna con il numero di parole per articolo
COL_LUOGHI       = "luoghi_citati"

def genera_grafici():
    # Caricamento del dataset
    df = pd.read_csv("sa-dataset.csv")
    
    # Verifica colonne fondamentali
    colonne_necessarie = [COL_ANNO, COL_LINGUA, COL_KEYWORD, COL_NUM_PAROLE, COL_LUOGHI, COL_AUTORE1, COL_AUTORE2, COL_AUTORE3]
    for col in colonne_necessarie:
        if col not in df.columns:
            raise KeyError(f"Il dataset non contiene la colonna '{col}'. Verificare il file.")
    
    # Assicurarsi che COL_NUM_PAROLE sia numerico
    df[COL_NUM_PAROLE] = pd.to_numeric(df[COL_NUM_PAROLE], errors="coerce")
    
    # Creazione di una colonna 'lista_autori' combinando i tre autori (filtrando eventuali valori nulli o vuoti)
    df["lista_autori"] = df[[COL_AUTORE1, COL_AUTORE2, COL_AUTORE3]].apply(
        lambda row: [a for a in row if pd.notnull(a) and str(a).strip() != ""], axis=1)
    
    # Creazione della serie degli autori (esplosione della lista)
    autori_explosi = df.explode("lista_autori")
    
    figures = []

    # 1. Lunghezza media di articoli per anno
    df_media = df.groupby(COL_ANNO)[COL_NUM_PAROLE].mean().reset_index()
    fig1 = px.bar(df_media, x=COL_ANNO, y=COL_NUM_PAROLE,
                  title="Lunghezza media di articoli per anno",
                  labels={COL_ANNO: "Anno", COL_NUM_PAROLE: "Numero medio di parole"})
    figures.append(fig1)

    # 2. Trend delle keyword per anno
    # Suddivide le keyword in lista (assumendo che siano separate da virgola)
    df["keyword_list"] = df[COL_KEYWORD].apply(lambda x: [k.strip() for k in str(x).split(",") if k.strip() != ""])
    df_keywords = df.explode("keyword_list")
    # Calcola la frequenza delle keyword per anno
    keyword_year = df_keywords.groupby([COL_ANNO, "keyword_list"]).size().reset_index(name="count")
    # Seleziona le 5 keyword più frequenti complessivamente
    top_keywords = df_keywords["keyword_list"].value_counts().head(5).index.tolist()
    keyword_year_top = keyword_year[keyword_year["keyword_list"].isin(top_keywords)]
    fig2 = px.line(keyword_year_top, x=COL_ANNO, y="count", color="keyword_list", markers=True,
                   title="Trend delle keyword per anno",
                   labels={COL_ANNO: "Anno", "count": "Frequenza", "keyword_list": "Keyword"})
    figures.append(fig2)

    # 3. Produttività degli autori (15 autori più prolifici)
    top15_autori = autori_explosi["lista_autori"].value_counts().head(15).reset_index()
    top15_autori.columns = ["autore", "count"]
    fig3 = px.bar(top15_autori, x="autore", y="count",
                  title="Produttività degli autori (15 autori più prolifici)",
                  labels={"autore": "Autore", "count": "Numero di articoli"})
    fig3.update_layout(xaxis_tickangle=-45)
    figures.append(fig3)

    # 4. Numero complessivo di articoli per ciascun autore (tutti gli autori)
    articoli_per_autore = autori_explosi["lista_autori"].value_counts().reset_index()
    articoli_per_autore.columns = ["autore", "count"]
    fig4 = px.bar(articoli_per_autore, x="autore", y="count",
                  title="Numero complessivo di articoli per ciascun autore",
                  labels={"autore": "Autore", "count": "Numero di articoli"})
    fig4.update_layout(xaxis_tickangle=-45)
    figures.append(fig4)

    # 5. Autori che hanno pubblicato più di 5 articoli
    autori_oltre5 = articoli_per_autore[articoli_per_autore["count"] > 5]
    fig5 = px.bar(autori_oltre5, x="autore", y="count",
                  title="Autori che hanno pubblicato più di 5 articoli",
                  labels={"autore": "Autore", "count": "Numero di articoli"})
    fig5.update_layout(xaxis_tickangle=-45)
    figures.append(fig5)

    # 6. Distribuzione per Lingua (grafico a torta)
    distribuzione_lingua = df[COL_LINGUA].value_counts().reset_index()
    distribuzione_lingua.columns = [COL_LINGUA, "count"]
    fig6 = px.pie(distribuzione_lingua, names=COL_LINGUA, values="count",
                  title="Distribuzione per Lingua", hole=0.3)
    figures.append(fig6)

    # 7. Numero di articoli per ciascun anno
    articoli_per_anno = df[COL_ANNO].value_counts().reset_index()
    articoli_per_anno.columns = [COL_ANNO, "count"]
    articoli_per_anno = articoli_per_anno.sort_values(COL_ANNO)
    fig7 = px.bar(articoli_per_anno, x=COL_ANNO, y="count",
                  title="Numero di articoli per ciascun anno",
                  labels={COL_ANNO: "Anno", "count": "Numero di articoli"})
    figures.append(fig7)

    # 8. Frequenza dei luoghi citati (top 10)
    df["luoghi_list"] = df[COL_LUOGHI].apply(lambda x: [l.strip() for l in str(x).split(",") if l.strip() != ""])
    df_luoghi = df.explode("luoghi_list")
    frequenza_luoghi = df_luoghi["luoghi_list"].value_counts().head(10).reset_index()
    frequenza_luoghi.columns = ["luogo", "count"]
    fig8 = px.bar(frequenza_luoghi, x="count", y="luogo", orientation="h",
                  title="Frequenza dei luoghi citati (top 10)",
                  labels={"luogo": "Luogo", "count": "Frequenza"})
    figures.append(fig8)

    # 9. Distribuzione del numero di parole per articolo (istogramma)
    fig9 = px.histogram(df, x=COL_NUM_PAROLE, nbins=20,
                        title="Distribuzione del numero di parole per articolo",
                        labels={COL_NUM_PAROLE: "Numero di parole", "count": "Frequenza"})
    figures.append(fig9)

    return figures

# Creazione dell'interfaccia Gradio con nove output interattivi
demo = gr.Interface(
    fn=genera_grafici,
    inputs=[],
    outputs=[
        gr.Plot(label="Grafico 1: Lunghezza media di articoli per anno"),
        gr.Plot(label="Grafico 2: Trend delle keyword per anno"),
        gr.Plot(label="Grafico 3: Produttività degli autori (15 autori più prolifici)"),
        gr.Plot(label="Grafico 4: Numero complessivo di articoli per ciascun autore"),
        gr.Plot(label="Grafico 5: Autori che hanno pubblicato più di 5 articoli"),
        gr.Plot(label="Grafico 6: Distribuzione per Lingua"),
        gr.Plot(label="Grafico 7: Numero di articoli per ciascun anno"),
        gr.Plot(label="Grafico 8: Frequenza dei luoghi citati (top 10)"),
        gr.Plot(label="Grafico 9: Distribuzione del numero di parole per articolo")
    ],
    title="Visualizzazione Grafici Interattivi del Dataset",
    description=("Questo spazio visualizza una serie di grafici interattivi derivati dal dataset. "
                 "I grafici mostrano, tra gli altri, la lunghezza media degli articoli per anno, il trend delle keyword, "
                 "la produttività degli autori e la distribuzione per lingua.")
)

if __name__ == "__main__":
    demo.launch()