Update app.py

app.py

@@ -133,7 +133,9 @@ def tweets_localidad(buscar_localidad):
         text_list = text[0].tolist()
         result = []
         for text in text_list:
-            if (text.startswith('RT')):
+            if (text.startswith('RT') ):
+                continue
+            elif not text.strip():
                 continue
             else:
                 prediction = pipeline_nlp(text)
@@ -142,17 +144,18 @@ def tweets_localidad(buscar_localidad):
                     result.append(etiqueta)
         df = pd.DataFrame(result)
         df['Prediccion'] = np.where( df['Prediccion'] == 'LABEL_1', 'Sexista', 'No Sexista')
-        #df['Tweets'] = df['Tweets'].str.replace('RT|@', '')
+        df['Tweets'] = df['Tweets'].str.replace('RT|@', '')
         #df['Probabilidad'] = df['Probabilidad'].apply(lambda x: '{:.2f}%'.format(x))
         #df.sort_values(by='Probabilidad', ascending=False, inplace=True)
         #df = df.sort_values(by=['Probabilidad', 'Prediccion'], ascending=[False, False])
-        #df=df[df["Prediccion"] == 'Sexista']
+        df=df[df["Prediccion"] == 'Sexista']
+        df=df[df["Probabilidad"] > 0.8]
         muestra = st.table(df.reset_index(drop=True).head(30).style.applymap(color_survived, subset=['Prediccion']))
         tabla.append(muestra)       
 
         resultado=df.groupby('Prediccion')['Probabilidad'].sum()
         colores=["#aae977","#EE3555"]
-        fig, ax = plt.subplots(figsize=(8, 8), subplotpars=None)
+        fig, ax = plt.subplots(figsize=(4, 4), subplotpars=None)
         plt.pie(resultado,labels=resultado.index,autopct='%1.1f%%',colors=colores)
         ax.set_title("Porcentajes por Categorias", fontsize=8, fontweight="bold")
         plt.rcParams.update({'font.size':8, 'font.weight':'bold'})