app.py

import json 
import streamlit as st 
import pandas as pd 
import seaborn as sns 
 
 
# Function to load data from JSON file 
def load_data(file_path): 
 with open(file_path, 'r', encoding='utf-8') as file: 
 data = json.load(file) 
 return pd.DataFrame(data) 
 
# Function to style the DataFrame 
def style_dataframe(df: pd.DataFrame): 
 df['Wyniki'] = df.apply(lambda row: [row['Analiza wydźwięku'], row['Znajomość związków frazeologicznych'], row['Zrozumienie tekstu']], axis=1) 
 
 # Insert the new column after the 'Średnia' column 
 cols = list(df.columns) 
 cols.insert(cols.index('Średnia') + 1, cols.pop(cols.index('Wyniki'))) 
 df = df[cols] 
 
 # df = st.data_editor(df, column_config={ 
 # 'Średnia': st.column_config.NumberColumn('Średnia'), 
 # 'Wyniki': st.column_config.BarChartColumn( 
 # "Wyniki", help="Zestawienie wyników poszczególnych zadań", 
 # y_min=0,y_max=100,), 
 # 'Analiza wydźwięku': st.column_config.NumberColumn('Wydźwięk', help='Umiejętność analizy wydźwięku'), 
 # 'Znajomość związków frazeologicznych': st.column_config.NumberColumn('Frazeologizmy', help='Znajomość związków frazeologicznych'), 
 # 'Zrozumienie tekstu': st.column_config.NumberColumn('Zrozumienie tekstu', help='Umiejętność zrozumienia tekstu'), 
 # },hide_index=True, disabled=True) 
 
 # Create a color ramp using Seaborn 
 return df 
 
def styler(df: pd.DataFrame): 
 palette = sns.color_palette("RdYlGn", as_cmap=True) 
 styled_df = df.style.background_gradient(cmap=palette, subset=["Średnia", "Analiza wydźwięku", "Znajomość związków frazeologicznych", "Zrozumienie tekstu"]).format(precision=2) 
 # styled_df = styled_df.style.map('text-align: left;', subset=["Średnia", "Analiza wydźwięku", "Znajomość związków frazeologicznych", "Zrozumienie tekstu"]) 
 return styled_df 
 
# Load data from JSON file 
data = load_data('data.json') 
 
 
# Streamlit app 
st.set_page_config(layout="wide") 
st.markdown(""" 
 <style> 
 .block-container { 
 padding-top: 3%; 
 padding-bottom: 1%; 
 padding-left: 10%; 
 padding-right: 10%; 
 scrollbar-width: thin; 
 } 
 </style> 
 """, unsafe_allow_html=True) 
 
st.title("Benchmark Modeli LLM") 
st.subheader("z sarkazmami i idiomami w języku polskim") 
 
 
 
# Create tabs 
tab1, tab2 = st.tabs(["Wyniki", "Opis"]) 
 
with tab1: 
 st.write("Poniżej znajduje się tabela przedstawiająca wyniki benchmarku dla różnych modeli LLM.") 
 
 # Display the styled DataFrame 
 styled_df_show = style_dataframe(data) 
 styled_df_show = styler(styled_df_show) 
 # st.dataframe(styled_df_show) 
 
 st.data_editor(styled_df_show, column_config={ 
 'Średnia': st.column_config.NumberColumn('Średnia'), 
 'Wyniki': st.column_config.BarChartColumn( 
 "Wyniki", help="Zestawienie wyników poszczególnych zadań", 
 y_min=0,y_max=100,), 
 'Analiza wydźwięku': st.column_config.NumberColumn('Wydźwięk', help='Umiejętność analizy wydźwięku'), 
 'Znajomość związków frazeologicznych': st.column_config.NumberColumn('Frazeologizmy', help='Znajomość związków frazeologicznych'), 
 'Zrozumienie tekstu': st.column_config.NumberColumn('Zrozumienie tekstu', help='Umiejętność zrozumienia tekstu'), 
 },hide_index=True, disabled=True) 
 
with tab2: 
 st.header("Opis") 
 st.write("Tutaj znajduje się trochę tekstu jako wypełniacz.") 
 st.write("To jest przykładowy tekst, który może zawierać dodatkowe informacje o benchmarku, metodologii, itp.") 
 
# Run the app with `streamlit run your_script.py`