import gradio as gr
import pandas as pd
from joblib import load


def humands(Sex,Age,Married,Monthlyincome,TotalWorkingYears,DistanceFromHome,Overtime,YearsAtCompany,NumCompaniesWorked):
    model = load('modelo_entrenado.pkl')
    df = pd.DataFrame.from_dict(
        {
            "MonthlyIncome" : [Monthlyincome],
            "Age" : [Age],
            "TotalWorkingYears" : [TotalWorkingYears],
            "DailyRate" : [Monthlyincome*2/30],
            "HourlyRate" : [Monthlyincome*2/1640],
            "DistanceFromHome" : [DistanceFromHome],
            "OverTime_Yes" : [1 if Overtime else 0],
            "OverTime_No" : [1 if not Overtime else 0],
            "YearsAtCompany" : [YearsAtCompany],
            "MonthlyRate" : [Monthlyincome*2],
            "NumCompaniesWorked" : [NumCompaniesWorked],
            "PercentSalaryHike" : [15],
            "YearsInCurrentRole" : [YearsAtCompany-1],
            "YearsWithCurrManager" : [YearsAtCompany-1],
            "StockOptionLevel" : [1],
            "YearsSinceLastPromotion" : [YearsAtCompany-1],
            "JobSatisfaction" : [2],
            "JobLevel" : [3],
            "TrainingTimesLastYear" : [0],
            "EnvironmentSatisfaction" : [2],
            "WorkLifeBalance" : [2],
            "MaritalStatus_Single" : [1 if Married==0 else 0],
            "JobInvolvement" : [2],
            "RelationshipSatisfaction" : [Married+1],
            "Education" : [2],
            "BusinessTravel_Travel_Frequently" : [1 if Overtime else 0],
            "JobRole_Sales Representative" : [0],
            "EducationField_Medical" : [0],
            "Department_Sales" : [0],
            "JobRole_Laboratory Technician" : [0],
            "Department_Research & Development" : [1],
            "Gender_Female" : [1 if Sex==0 else 0],
            "MaritalStatus_Married" : [1 if Married==1 else 0],
            "JobRole_Sales Executive" : [0],
            "EducationField_Technical Degree" : [1],
            "Gender_Male" : [1 if Sex==1 else 0],
            "EducationField_Life Sciences" : [0],
            "BusinessTravel_Travel_Rarely" : [0],
            "MaritalStatus_Divorced" : [1 if Married==2 else 0],
            "JobRole_Research Scientist" : [1],
            "EducationField_Marketing" : [0],
            "PerformanceRating" : [3],
            "EducationField_Other" : [0],
            "JobRole_Human Resources" : [0],
            "BusinessTravel_Non-Travel" : [1 if not Overtime else 0],
            "Department_Human Resources" : [0],
            "JobRole_Manufacturing Director" : [0],
            "JobRole_Healthcare Representative" : [0],
            "EducationField_Human Resources" : [0],
            "JobRole_Manager" : [0],
            "JobRole_Research Director" : [0],
            
            
                                 
        }
    )
         
    pred = model.predict(df)[0]

   # if pred < 5.0:
    #    predicted="La nota media que se puede lograr en el grupo serà de "+ str(round(pred,2)) + " Es necesario mejorar mucho"
    #elif (pred >=5.0 and pred <=7.0):
    #    predicted="La nota media que se puede lograr en el grupo serà de "+ str(round(pred,2)) + " . Vais por buen camino"
    #else:
    #    predicted="La nota media que se puede lograr en el grupo serà de "+ str(round(pred,2)) + " . Buen trabajo"
    if pred == "Yes":
        predicted1="Estamos ante un trabajador con alto nivel de estres."
        predicted2="stressed_image.jpg"
    else:
        predicted1="Estamos ante un trabajador tranquilo en el trabajo."
        predicted2="ok_image2.jpg"
    return [predicted1,predicted2]
   # return predicted
    
iface = gr.Interface(
    humands,
    [
        gr.Radio(["Mujer","Hombre"],type = "index",label="Sexo"),
        gr.inputs.Slider(18,70,1,label="Edad del trabajador"),
        gr.Radio(["Soltero","Casado","Divorciado"],type = "index",label="Esstado civil:"),
        gr.inputs.Slider(1000,20000,1,label="Ingresos mensuales del trabajador"),
        gr.inputs.Slider(0,40,1,label="Total de años trabajados del trabajador"),
        gr.inputs.Slider(0,100,1,label="Distancia del trabajo al domicilio en Km"),
        gr.Checkbox(label="¿Realiza horas extras habitualmente?"),
        gr.inputs.Slider(0,40,1,label="Años del trabajador en la empresa"),
        gr.inputs.Slider(0,40,1,label="Numero de empresas en las que ha estado el trabajador"),
        
     ],

    ["text",gr.outputs.Image(type='file')],
    examples=[
        ["Mujer",25,"Soltero",1500,20,2,True,2,2],
        ["Hombre",25,"Casado",1500,20,2,False,2,2],
        ["Hombre",25,"Divorciado",1500,20,2,True,2,2],
    ],
    interpretation="default",
    title = 'Student Experience: cómo mejorar la experiencia de aprendizaje en la universidad',
    description = '¿Cómo calificarías la experiencia de aprendizaje que viviste/estás viviendo en la universidad? ¿Sabrías decir qué es lo que hace que estás más satisfecho/a con un profesor? Si eres estudiante, ¿preparado/a para saber qué es lo que tienes pedir a tu universidad para tener la mejor experiencia y notas posibles? Si eres profesor/a universitario/a ¿preparado/a para conocer los elementos en los que más tienes que enfocarte para mejorar tu desempeño profesional? Para saber más: https://saturdays.ai/2021/07/29/como-mejorar-la-experiencia-de-aprendizaje-en-la-universidad-con-inteligencia-artificial/',
    theme = 'peach'
)


   
iface.launch()