import gradio as gr
import pandas as pd
from transformers import pipeline

# تحميل نموذج تلخيص النصوص باللغة العربية من Hugging Face
summarizer = pipeline("summarization", model="microsoft/mdeberta-v3-base")

# تحميل البيانات وتحليلها
def load_and_analyze(file):
    global df
    df = pd.read_csv(file.name)
    return f"تم تحميل البيانات بنجاح! عدد الصفوف: {df.shape[0]}, عدد الأعمدة: {df.shape[1]}"

# الرد على استفسارات المحلل
def answer_query(query):
    global df
    if df is None:
        return "❌ الرجاء تحميل ملف البيانات أولاً."
    
    query = query.lower()
    if "المتوسط" in query or "المعدل" in query:
        result = df.mean().to_string()
    elif "أكبر قيمة" in query or "القيمة العليا" in query:
        result = df.max().to_string()
    elif "أصغر قيمة" in query or "القيمة الدنيا" in query:
        result = df.min().to_string()
    elif "ملخص" in query:
        stats = df.describe().to_string()
        summary = summarizer(stats, max_length=100, do_sample=False)[0]['summary_text']
        result = f"📊 **ملخص البيانات:**\n{summary}"
    else:
        result = "❓ لم أفهم السؤال. حاول إعادة صياغته."
    
    return result

# إنشاء واجهة Gradio
with gr.Blocks() as app:
    gr.Markdown("## 🤖 Chatbot لمحللي البيانات")
    
    file_input = gr.File(label="📂 رفع ملف CSV")
    file_output = gr.Textbox(label="🔍 حالة البيانات")
    file_input.change(load_and_analyze, inputs=file_input, outputs=file_output)
    
    chat_input = gr.Textbox(label="💬 اسأل عن البيانات")
    chat_output = gr.Textbox(label="🤖 إجابة الذكاء الاصطناعي")
    chat_input.submit(answer_query, inputs=chat_input, outputs=chat_output)
    
    app.launch()