Update app.py

app.py

@@ -2,43 +2,63 @@ 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")
     
-    # Assicurare il corretto formato delle colonne testuali
-    df["articolo"] = df["articolo"].astype(str)
-    df["keyword"] = df["keyword"].astype(str)
-    df["luoghi"] = df["luoghi"].astype(str)
+    # 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)
     
-    # Calcolo del numero di parole per articolo
-    df["parole"] = df["articolo"].apply(lambda x: len(x.split()))
+    # 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("anno")["parole"].mean().reset_index()
-    fig1 = px.bar(df_media, x="anno", y="parole",
+    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={"anno": "Anno", "parole": "Numero medio di parole"})
+                  labels={COL_ANNO: "Anno", COL_NUM_PAROLE: "Numero medio di parole"})
     figures.append(fig1)
 
     # 2. Trend delle keyword per anno
-    # Suddivisione delle keyword in lista
-    df["keyword_list"] = df["keyword"].apply(lambda x: [k.strip() for k in x.split(",") if k.strip() != ""])
+    # 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")
-    # Calcolo della frequenza delle keyword per anno
-    keyword_year = df_keywords.groupby(["anno", "keyword_list"]).size().reset_index(name="count")
-    # Selezione delle 5 keyword più frequenti complessivamente
+    # 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="anno", y="count", color="keyword_list", markers=True,
+    fig2 = px.line(keyword_year_top, x=COL_ANNO, y="count", color="keyword_list", markers=True,
                    title="Trend delle keyword per anno",
-                   labels={"anno": "Anno", "count": "Frequenza", "keyword_list": "Keyword"})
+                   labels={COL_ANNO: "Anno", "count": "Frequenza", "keyword_list": "Keyword"})
     figures.append(fig2)
 
     # 3. Produttività degli autori (15 autori più prolifici)
-    top15_autori = df["autore"].value_counts().head(15).reset_index()
+    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)",
@@ -46,8 +66,8 @@ def genera_grafici():
     fig3.update_layout(xaxis_tickangle=-45)
     figures.append(fig3)
 
-    # 4. Numero complessivo di articoli per ciascun autore
-    articoli_per_autore = df["autore"].value_counts().reset_index()
+    # 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",
@@ -56,8 +76,7 @@ def genera_grafici():
     figures.append(fig4)
 
     # 5. Autori che hanno pubblicato più di 5 articoli
-    autori_oltre5 = df["autore"].value_counts()[df["autore"].value_counts() > 5].reset_index()
-    autori_oltre5.columns = ["autore", "count"]
+    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"})
@@ -65,23 +84,23 @@ def genera_grafici():
     figures.append(fig5)
 
     # 6. Distribuzione per Lingua (grafico a torta)
-    distribuzione_lingua = df["lingua"].value_counts().reset_index()
-    distribuzione_lingua.columns = ["lingua", "count"]
-    fig6 = px.pie(distribuzione_lingua, names="lingua", values="count",
+    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["anno"].value_counts().reset_index()
-    articoli_per_anno.columns = ["anno", "count"]
-    articoli_per_anno = articoli_per_anno.sort_values("anno")
-    fig7 = px.bar(articoli_per_anno, x="anno", y="count",
+    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={"anno": "Anno", "count": "Numero di articoli"})
+                  labels={COL_ANNO: "Anno", "count": "Numero di articoli"})
     figures.append(fig7)
 
     # 8. Frequenza dei luoghi citati (top 10)
-    df["luoghi_list"] = df["luoghi"].apply(lambda x: [l.strip() for l in x.split(",") if l.strip() != ""])
+    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"]
@@ -90,10 +109,10 @@ def genera_grafici():
                   labels={"luogo": "Luogo", "count": "Frequenza"})
     figures.append(fig8)
 
-    # 9. Numero di Parole per Articolo (istogramma)
-    fig9 = px.histogram(df, x="parole", nbins=20,
+    # 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={"parole": "Numero di parole", "count": "Frequenza"})
+                        labels={COL_NUM_PAROLE: "Numero di parole", "count": "Frequenza"})
     figures.append(fig9)
 
     return figures
@@ -115,7 +134,7 @@ demo = gr.Interface(
     ],
     title="Visualizzazione Grafici Interattivi del Dataset",
     description=("Questo spazio visualizza una serie di grafici interattivi derivati dal dataset. "
-                 "Sono presenti, tra gli altri, la lunghezza media degli articoli per anno, il trend delle keyword, "
+                 "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.")
 )