app.py

import streamlit as st
import json
import requests
import pandas as pd
import numpy as np
import pickle

st.set_page_config(layout="wide")

st.title("Прогнозирование фракции выброса левого желудочка")


col1, col2, col3, col4, col5, col6, col7, col8, col9, col10 = st.columns(10)

vozrast = 57
pim = 2
cd = 3 
fp = 2
nyha = 2
ckf= 78
nt = 235
kcr = 36
lp = 38
st2 = 38

mod = st.radio(
        "Выберите модель",
        options=["Линейная", "Нелинейная"]
)

with col1:
    f1 = st.text_input('возраст')
    vozrast_check = st.checkbox('возраст', value=True)
with col2:
    f2 =st.text_input('ПИМ')
    pim_check = st.checkbox('ПИМ', value=True)
with col3:
    f3 = st.text_input('СД')
    cd_check = st.checkbox('СД', value=True)
with col4:
    f4 = st.text_input('ФП')
    fp_check = st.checkbox('ФП', value=True)
with col5:
    f5 = st.text_input('NYHA')   
    nyha_check = st.checkbox('NYHA', value=True)
with col6:
    f6 = st.text_input('СКФ CKD-EPI')
    ckf_check = st.checkbox('СКФ CKD-EPI', value=True)
with col7:
    f7 =st.text_input('NT_proBNP')
    nt_check = st.checkbox('NT_proBNP', value=True)
with col8:
    f8 = st.text_input('КСР')
    kcr_check = st.checkbox('КСР', value=True)
with col9:
    f9 = st.text_input('ЛП')
    lp_check = st.checkbox('ЛП', value=True)
with col10:
    f10 = st.text_input('ST2')   
    st2_check = st.checkbox('ST2', value=True)
    
    

filename_model = 'huber2.pickle'
filename_scaler = 'scaler2.pickle'
filename_cat = 'catboost2.pickle'
filename_ohe = 'ohe2.pickle'

loaded_model = pickle.load(open(filename_model, 'rb'))
loaded_scaler = pickle.load(open(filename_scaler, 'rb'))
loaded_cat = pickle.load(open(filename_cat, 'rb'))
loaded_ohe = pickle.load(open(filename_ohe, 'rb'))


cd = 3 
fp = 2
nyha = 2
ckf= 78
nt = 235
kcr = 36
lp = 38
st2 = 38

if st.button('OK'):
    
    if vozrast_check:
        if f1 == '':
            st.write('Вы не ввели возраст, будет использовано медианное значение')
            f1 = vozrast
    else:
        f1 = 0
        
    if pim_check:
        if f2 == '':
            st.write('Вы не ввели ПИМ, будет использовано медианное значение')
            f2 = pim
    else:
        f2 = 0
        
    if cd_check:
        if f3 == '':
            st.write('Вы не ввели СД, будет использовано медианное значение')
            f3 = cd
    else:
        f3 = 0
    
    if fp_check:
        if f4 == '':
            st.write('Вы не ввели ФП, будет использовано медианное значение')
            f4 = fp
    else:
        f4 = 0
            
    if nyha_check:
        if f5 == '':
            st.write('Вы не ввели NYHA, будет использовано медианное значение')
            f5 = nyha  
    else:
        f5 = 0
    
    if ckf_check:
        if f6 == '':
            st.write('Вы не ввели СКФ CKD-EPI, будет использовано медианное значение')
            f6 = ckf
    else:
        f6 = 0
        
    if nt_check:
        if f7 == '':
            st.write('Вы не ввели NT_proBNP, будет использовано медианное значение')
            f7 = nt
    else:
        f7 = 0
        
    if kcr_check:
        if f8 == '':
            st.write('Вы не ввели КСР, будет использовано медианное значение')
            f8 = kcr
    else:
        f8 = 0
    
    if lp_check:
        if f9 == '':
            st.write('Вы не ввели ЛП, будет использовано медианное значение')
            f9 = lp
    else:
        f9 = 0
        
    if st2:
        if f10 == '':
            st.write('Вы не ввели ST2, будет использовано медианное значение')
            f10 = st2
    else:
        f10 = 0
    
    # line = np.array([[float(f1), str(f2), str(f3), str(f4), str(f5), float(f6), float(f7), float(f8), float(f9), float(f10)]])
    
    line = np.array([[float(f1), str(f2), str(f3), str(f4), str(f5), float(f6), float(f7), float(f8), float(f9), float(f10)]])
    picked_cols = ['возраст', 'ПИМ', 'СД', 'ФП', 'NYHA', 'СКФ CKD-EPI', 'NT_proBNP', 'КСР', 'ЛП', 'ST2']
    categorical_cols = ['ПИМ', 'СД', 'ФП', 'NYHA']
    num_cols = ['возраст', 'СКФ CKD-EPI', 'NT_proBNP', 'КСР', 'ЛП', 'ST2']

    X = pd.DataFrame(line, columns=picked_cols)

    X_transform = pd.DataFrame(loaded_ohe.transform(X[categorical_cols]).toarray()).set_index(X.index)
    X_transform.columns = loaded_ohe.get_feature_names_out()

    X_encode = pd.concat([X_transform, X[num_cols]], axis=1)

    line_norm = loaded_scaler.transform(X_encode)
    
    if mod == 'Линейная':
        res = loaded_model.predict(line_norm)[0]
        st.header(int(res))
    else:
        res = loaded_cat.predict(line_norm)[0]
        st.header(int(res))