app.py

# źródło danych [https://www.kaggle.com/c/titanic/](https://www.kaggle.com/c/titanic)

from pathlib import Path
import pathlib
import streamlit as st
import pickle
from datetime import datetime
startTime = datetime.now()
# import znanych nam bibliotek


temp = pathlib.PosixPath
pathlib.PosixPath = pathlib.WindowsPath

filename = "model.sv"
model = pickle.load(open(filename, 'rb'))
# otwieramy wcześniej wytrenowany model

sex_d = {0: "Kobieta", 1: "Mężczyzna"}
pclass_d = {0: "Pierwsza", 1: "Druga", 2: "Trzecia"}
embarked_d = {0: "Cherbourg", 1: "Queenstown", 2: "Southampton"}
# o ile wcześniej kodowaliśmy nasze zmienne, to teraz wprowadzamy etykiety z ich nazewnictwem


def main():

    st.set_page_config(page_title="Sprawdź czy przeżyłbyś katastrofę Titanica")
    overview = st.container()
    left, right = st.columns(2)
    prediction = st.container()

    st.image("https://gfx.antyradio.pl/var/antyradio/storage/images/news/titanic-ii-wyplynie-w-rejs-w-2022-roku-czy-tym-razem-podroz-zakonczy-sie-szczesliwie-26622/1837164-1-pol-PL/Titanic-II-wyplynie-w-rejs-w-2022-roku.-Czy-tym-razem-podroz-zakonczy-sie-szczesliwie_article.jpg")

    with overview:
        st.title("Sprawdź czy przeżyłbyś katastrofę Titanica")

    with left:
        sex_radio = st.radio("Płeć", list(sex_d.keys()),
                             format_func=lambda x: sex_d[x])
        pclass_radio = st.radio("Klasa", list(
            pclass_d.keys()), format_func=lambda x: pclass_d[x])
        embarked_radio = st.radio("Port zaokrętowania", list(
            embarked_d.keys()), index=2, format_func=lambda x: embarked_d[x])

    with right:
        age_slider = st.slider("Wiek", value=1, min_value=1, max_value=70)
        sibsp_slider = st.slider(
            "Liczba rodzeństwa i/lub partnera", min_value=0, max_value=8)
        parch_slider = st.slider(
            "Liczba rodziców i/lub dzieci", min_value=0, max_value=7)
        fare_slider = st.slider(
            "Cena biletu", min_value=0, max_value=300, step=1)

    data = [[pclass_radio, sex_radio,  age_slider, sibsp_slider,
             parch_slider, fare_slider, embarked_radio]]
    survival = model.predict(data)
    s_confidence = model.predict_proba(data)

    with prediction:
        st.subheader("Czy taka osoba przeżyłaby katastrofę?")
        st.subheader(("Tak" if survival[0] == 1 else "Nie"))
        st.write("Pewność predykcji {0:.2f} %".format(
            s_confidence[0][survival][0] * 100))


if __name__ == "__main__":
    main()