| import os |
| import shutil |
| import gradio as gr |
| import pandas as pd |
| from pandasai import PandasAI |
| from pandasai.llm.huggingface import HuggingFaceLLM |
| from transformers import HfEngine |
| from gradio import Chatbot |
| from huggingface_hub import login |
| from gradio.data_classes import FileData |
|
|
| |
| login(os.getenv("HUGGINGFACEHUB_API_TOKEN")) |
|
|
| |
| llm_engine = HfEngine("Rohan-Kurdekar/Arabic_Bert_Model") |
|
|
| |
| llm = HuggingFaceLLM(engine=llm_engine) |
| pandas_ai = PandasAI(llm) |
|
|
| |
| base_prompt = """أنت محلل بيانات خبير. |
| وفقًا للميزات التي لديك وهيكل البيانات الموضح أدناه، حدد أي ميزة يجب أن تكون الهدف. |
| ثم قم بإدراج 3 أسئلة مثيرة للاهتمام يمكن طرحها على هذه البيانات، على سبيل المثال حول الارتباطات المحددة مع متغير الهدف. |
| ثم أجب عن هذه الأسئلة واحدًا تلو الآخر، من خلال العثور على الأرقام ذات الصلة. |
| وفي الوقت نفسه، قم برسم بعض الرسوم البيانية باستخدام matplotlib/seaborn واحفظها في المجلد './figures/' (الموجود مسبقًا): تأكد من مسح كل رسم بياني باستخدام plt.clf() قبل القيام برسم بياني آخر. |
| في إجابتك النهائية: قم بتلخيص هذه الارتباطات والاتجاهات |
| بعد كل رقم اشتق رؤى من العالم الحقيقي، على سبيل المثال: "الارتباط بين is_december والشعور بالملل هو 1.3453، مما يشير إلى أن الناس يشعرون بالملل أكثر في الشتاء". |
| يجب أن تكون إجابتك النهائية سلسلة طويلة تحتوي على 3 أجزاء مفصلة ومرقمة على الأقل. |
| هيكل البيانات: |
| {structure_notes} |
| يتم تمرير ملف البيانات إليك كإطار بيانات pandas، يمكنك استخدامه مباشرة. |
| لا تحاول تحميل data_file، فهي بالفعل إطار بيانات محمل مسبقًا في مترجم Python الخاص بك! |
| """ |
|
|
| |
| example_notes = """هذه البيانات تتعلق بنتائج الطلاب. |
| الهدف من هذه البيانات هو معرفة الدرجة النهائية للطلاب. |
| name: اسم الطالب |
| age: عمر الطالب |
| gender: جنس الطالب |
| score: درجة الطالب""" |
|
|
| def interact_with_agent(file_input, additional_notes): |
| try: |
| |
| figures_dir = "./figures" |
| if os.path.exists(figures_dir): |
| shutil.rmtree(figures_dir) |
| os.makedirs(figures_dir) |
|
|
| |
| data_file = pd.read_csv(file_input.name, encoding='ISO-8859-1') |
|
|
| |
| prompt = base_prompt.format(structure_notes="") |
| if additional_notes and len(additional_notes) > 0: |
| prompt += "\nملاحظات إضافية عن البيانات:\n" + additional_notes |
|
|
| response = pandas_ai.run(data_file, prompt=prompt) |
| |
| messages = [gr.ChatMessage(role="user", content=prompt)] |
| messages.append(gr.ChatMessage(role="assistant", content=response)) |
|
|
| yield messages |
|
|
| except Exception as e: |
| print(f"Error: {e}") |
| yield [gr.ChatMessage(role="assistant", content=f"Error: {e}")] |
|
|
| with gr.Blocks( |
| theme=gr.themes.Soft( |
| primary_hue=gr.themes.colors.yellow, |
| secondary_hue=gr.themes.colors.blue, |
| ) |
| ) as demo: |
| gr.Markdown("""# محلل البيانات Llama-3.1 📊🤔 |
| قم بإسقاط ملف `.csv` أدناه، وأضف ملاحظات لوصف هذه البيانات إذا لزم الأمر، وسيقوم **Llama-3.1-70B بتحليل محتوى الملف ورسم الأشكال من أجلك!**""") |
| file_input = gr.File(label="ملفك للتحليل") |
| text_input = gr.Textbox( |
| label="ملاحظات إضافية لدعم التحليل" |
| ) |
| submit = gr.Button("تشغيل التحليل!", variant="primary") |
| chatbot = gr.Chatbot( |
| label="وكيل محلل البيانات", |
| type="messages", |
| avatar_images=( |
| None, |
| "https://em-content.zobj.net/source/twitter/53/robot-face_1f916.png", |
| ), |
| ) |
| gr.Examples( |
| examples=[["./example/a.csv", example_notes]], |
| inputs=[file_input, text_input], |
| cache_examples=False |
| ) |
|
|
| submit.click(interact_with_agent, [file_input, text_input], [chatbot]) |
|
|
| if __name__ == "__main__": |
| demo.launch(share=True) |
|
|
