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()