Update app.py

app.py

@@ -1,25 +1,42 @@
 import joblib
 import streamlit as st
+import pandas as pd
 
 # Загрузка модели и векторизатора
 model = joblib.load('logistic_regression_model.pkl')
 vectorizer = joblib.load('tfidf_vectorizer.pkl')
 
+# Загрузка данных
+data = pd.read_csv('DATA_new.csv')
+
 # Функция для предсказания кода профессии
 def predict_profession_code(profession_name):
     profession_vector = vectorizer.transform([profession_name])
     predicted_code = model.predict(profession_vector)[0]
-    return f"Предсказанный код для профессии '{profession_name}': {predicted_code}"
+    return predicted_code
+
+# Функция для поиска подходящих курсов по предсказанному коду
+def get_matching_courses(predicted_code):
+    matching_courses = data[data['NKZ'] == predicted_code]['Course Title'].tolist()
+    return matching_courses
 
 # Streamlit интерфейс
 st.title("Профессии и коды НКЗ")
-st.write("Введите название профессии, чтобы получить предсказанный код НКЗ.")
+st.write("Введите название профессии, чтобы получить предсказанный код НКЗ и подходящие курсы.")
 
 profession_name = st.text_input("Название профессии:")
 
 if st.button("Предсказать код"):
     if profession_name:
-        prediction = predict_profession_code(profession_name)
-        st.success(prediction)
+        predicted_code = predict_profession_code(profession_name)
+        st.success(f"Предсказанный код для профессии '{profession_name}': {predicted_code}")
+        
+        matching_courses = get_matching_courses(predicted_code)
+        if matching_courses:
+            st.write("Подходящие курсы:")
+            for course in matching_courses:
+                st.write(f"- {course}")
+        else:
+            st.write("Нет подходящих курсов для данного кода.")
     else:
         st.error("Пожалуйста, введите название профессии.")