Update app.py

app.py

@@ -112,7 +112,7 @@ def analizar_tweets(search_words, number_of_tweets):
       st.set_option('deprecation.showPyplotGlobalUse', False)
       st.pyplot()
   else:
-      tabla = st.text("Ingrese los valores")
+      tabla = st.text("Ingrese la cantidad de tweets")
       
   return tabla
 
@@ -149,10 +149,10 @@ def tweets_localidad(buscar_localidad):
             resultado=df.groupby('Prediccion')['Probabilidad'].sum()
             colores=["#aae977","#EE3555"]
             fig, ax = plt.subplots()
-            fig.set_size_inches(1, 1)
+            fig.set_size_inches(0.5, 1)
             plt.pie(resultado,labels=resultado.index,autopct='%1.1f%%',colors=colores)
-            ax.set_title("Porcentajes por Categorias", fontsize=1, fontweight="bold")
-            plt.rcParams.update({'font.size':1, 'font.weight':'bold'})
+            ax.set_title("Porcentajes por Categorias", fontsize=4, fontweight="bold")
+            plt.rcParams.update({'font.size':3, 'font.weight':'bold'})
             ax.legend()
             # Muestra el gráfico
             plt.show()
@@ -165,15 +165,18 @@ def tweets_localidad(buscar_localidad):
     return tabla 
     
 def analizar_frase(frase):
-  predictions = pipeline_nlp(frase)
-  # convierte las predicciones en una lista de diccionarios
-  data = [{'Texto': frase, 'Prediccion': prediction['label'], 'Probabilidad': prediction['score']} for prediction in predictions]
-  # crea un DataFrame a partir de la lista de diccionarios
-  df = pd.DataFrame(data)
-  df['Prediccion'] = np.where( df['Prediccion'] == 'LABEL_1', 'Sexista', 'No Sexista')
-  # muestra el DataFrame
-  tabla = st.table(df.reset_index(drop=True).head(5).style.applymap(color_survived, subset=['Prediccion']))
-  
+    if frase == "":
+        predictions = pipeline_nlp(frase)
+        # convierte las predicciones en una lista de diccionarios
+        data = [{'Texto': frase, 'Prediccion': prediction['label'], 'Probabilidad': prediction['score']} for prediction in predictions]
+        # crea un DataFrame a partir de la lista de diccionarios
+        df = pd.DataFrame(data)
+        df['Prediccion'] = np.where( df['Prediccion'] == 'LABEL_1', 'Sexista', 'No Sexista')
+        # muestra el DataFrame
+        tabla = st.table(df.reset_index(drop=True).head(5).style.applymap(color_survived, subset=['Prediccion']))
+    else:
+        tabla = st.text("Ingrese una frase")
+        
   return tabla
     
 def run():