import pandas as pd
import streamlit as st
import statsmodels.api as sm

data = pd.read_csv('data.csv')

size_mapping = {
    '15х15': 0,
    '20х14': 1,
    '20х20': 2,
    '21х15': 3,
    '30х40': 4,
    '30х60': 5,
    '38х50': 6,
    '40х40': 7,
    '40х50': 8,
    '40х60': 9
}
genre_mapping = {
    "Абстракция": 0,
    "Аниме": 1,
    "Графити и стрит-арт": 2,
    "Животные": 3,
    "Историческая живопись": 4,
    "Мультфильмы": 5,
    "Натюрморт": 6,
    "Пейзаж": 7,
    "Поп-арт": 8,
    "Портрет": 9,
    "Религия": 10,
    "Ретро и винтаж": 11,
    "Спорт": 12,
    "Фантастика": 13,
    "Фильмы": 14,
    "Эротика": 15
}

# Преобразование категориальных значений
data['Жанр'] = data['Жанр'].map(genre_mapping)
data['Размер'] = data['Размер'].map(size_mapping)

columns_to_check = ['Размер', 'Стоимость', 'Средняя оценка', 'Жанр']
data = data.dropna(subset=columns_to_check)
data = data[['Размер', 'Стоимость', 'Средняя оценка', 'Жанр']]


X = data[['Средняя оценка', 'Размер', 'Жанр']]
y = data['Стоимость']

# Добавляем столбец с единичками, так как регрессия Пуассона в statsmodels не добавляет константу автоматически
X = sm.add_constant(X)

# Создание модели и обучение
poisson_model = sm.GLM(y, X, family=sm.families.Poisson())
poisson_results = poisson_model.fit()

# Вывод результатов
st.write(poisson_results.summary())