import pickle
import pandas as pd
import gradio as gr

# словарь с названиями признаков на русском для отображения в приложении
features = dict(
    gender='Пол',
    age='Возраст',
    hypertension='Гипертония',
    heart_disease='Заболевание сердца',
    smoking_history='История курения',
    bmi='Индекс массы тела',
    HbA1c_level='Гемоглобин',
    blood_glucose_level='Глюкоза',
)

# словари с названиями признаков и соответствующими индексами
gender_label_to_index = {'Female': 0, 'Male': 1}
smok_label_to_index = {
    'Нет информации': 0,
    'Курю': 1,
    'Курил когда-либо': 2,
    'Не курю (курил)': 3,
    'Никогда не курил': 4,
    'Бросил курить': 5,
    }

# загрузка модели
model_path = 'model.pkl'
with open(model_path, 'rb') as f:
    model = pickle.load(f)

# изменить ширину всего приложения (через css можно настраивать любые компоненты)
css = '.gradio-container {width: 80% !important}'

# интерфейс приложения
with gr.Blocks(css=css) as demo:
    # приветсвенное сообщение
    gr.HTML(
        """
        <div style="text-align: center;">
            <h2 style="color: green; font-weight: bold; font-style: italic;">Диагностика диабета</h2>
            <h6>Введите ваши данные и получите результат</h6>
        </div>
        """
    )
    # строка в которой будут два столбца - 1) параметры ввода 2) картинка, датафрейм с введенными данными и результаты
    with gr.Row():
        # столбец с параметрами (scale между столбцами устанавливаем 1 к 3)
        with gr.Column(scale=1):
            # элементы параметров ввода данных пользователя (компоненты Gradio)
            gender = gr.Radio(gender_label_to_index.keys(), value='Male', label=features['gender'])
            with gr.Row():
                hypertension = gr.Checkbox(value=False, label=features['hypertension'])
                heart_disease = gr.Checkbox(value=False, label=features['heart_disease'])
            smoking_history = gr.Radio(smok_label_to_index.keys(), value='Нет информации', label=features['smoking_history'])
            age = gr.Slider(minimum=11, maximum=80, value=45, step=1, label=features['age'])
            bmi = gr.Slider(minimum=10.0, maximum=60.0, value=30.0, step=0.1, label=features['bmi'])
            HbA1c_level = gr.Slider(minimum=3.5, maximum=9.0, value=5.5, step=0.01, label=features['HbA1c_level'])
            blood_glucose_level = gr.Slider(minimum=80, maximum=300, value=138, step=1, label=features['blood_glucose_level'])

        # стобец с картинкой, датафреймом с введенными данными и результатом
        with gr.Column(scale=3):

            # отобразить картинку через через gr.Image()
            gr.Image('main_page_image.jpg', height=460)
            # датафрейм для отображения введенных данных
            dataframe = gr.DataFrame(
                value=pd.DataFrame(columns=features.values()),  # пустой датафрейм с нашими названиями столбцов
                label='Ваши данные',
                row_count=1,
                column_widths='50%',
                height=100,
                # type='pandas',
                )
            # текстовое поле для результата
            textbox = gr.Textbox(label='Результат')

    # для удобства входные параметры о пользователе собираем в список
    all_params = [gender, age, hypertension, heart_disease, smoking_history, bmi, HbA1c_level, blood_glucose_level]

    # функция для предсказания результата - принимает введенные параметры, и выводит результат вместе с датафреймом параметров
    def predict(*params):
        # датафрейм параметров для отображения
        data_df = pd.DataFrame([dict(zip(features.values(), params))])

        # преобразовать все столбцы датафрейма к числам перед предиктом
        df_to_predict = data_df.copy()
        df_to_predict['Пол'] = gender_label_to_index[df_to_predict['Пол'][0]]
        df_to_predict['История курения'] = smok_label_to_index[df_to_predict['История курения'][0]]

        # сделать предсказание моделью - вероятность диабета
        diabetes_prob = model.predict_proba(df_to_predict.values)[0, 1]
        text_result = f'Вероятность диабета: {diabetes_prob:.2f}'
        # вернуть датафрейм с параметрами и результат - вероятность диабета
        return data_df, text_result

    # назначить прослушиватель событий - функция predict будет вызывыатся при изменени (change) любого из компонентов
    gr.on(
        triggers=[param.change for param in all_params],
        fn=predict,
        inputs=[*all_params],
        outputs=[dataframe, textbox],
    )

# запуск приложения (убрать debug при деплое)
demo.launch(debug=True)

# чтобы сервер работал в докере нужно указать server_name='0.0.0.0'
# demo.launch(server_name='0.0.0.0')