Update app.py

app.py

@@ -9,7 +9,7 @@
 
 def main():    
     # Settings
-    st.set_page_config(layout="wide", page_title='Demo item')
+    st.set_page_config(layout="wide", page_title='Costumer Segmentation | lmlouis')
     utl.set_page_title('Costumer Segmentation')
     st.set_option('deprecation.showPyplotGlobalUse', False)
     # Loading CSS
@@ -25,70 +25,66 @@ def main():
     st.sidebar.date_input('Date')
     st.sidebar.text_input('Text')
     st.sidebar.slider('Slider',min_value=5,max_value=20)
-    st.warning('Warning')
-    st.info('Info')
-    st.error('Error')
-
-    with utl.stNotification('Sample notification, always on top and floats (spiner is optional)'):
-        time.sleep(5)
-
-
-if __name__ == '__main__':
-    main()
-
-st.write(
+    # code project
+    st.write(
+        """
+        ### Costumer Segmentation:
+        #### Application de deploiment de modèle de machine learning
+        #### basé sur le concept de segmentation du marché.
+        Autheur: WORA SOUAMY Louis Martin (@lmlouis) copyright 2022.
+        
+        Github Repository : https://github.com/lmlouis/customer-segmentation
+        
+        Notebook Modele :https://github.com/lmlouis/IntroductionIA/blob/main/Customer_Segmentation.ipynb
     """
-    ### Costumer Segmentation:
-    #### Application de deploiment de modèle de machine learning
-    #### basé sur le concept de segmentation du marché.
-    Autheur: WORA SOUAMY Louis Martin (@lmlouis) copyright 2022.
-    
-    Github Repository : https://github.com/lmlouis/customer-segmentation
-    
-    Notebook Modele :https://github.com/lmlouis/IntroductionIA/blob/main/Customer_Segmentation.ipynb
-"""
-)
-st.title('Fonctionalités Principales')
-st.write('''
-        * **Cibler le marché** le plus remptable selon le la localisation du client lors de la transaction
-        * **Prédir le chiffre d'affaire** d'une quantité de Transaction d'un produit effectué par un client 
-         ''')
-
-
-
-
-st.sidebar.header('''Paramètres :''')
-df = collect_parametres(st, pd)
-
-
-
-
-
-
-st.subheader('1 - Cibler le marché selon la situation géographique du client')
-st.write('''
-         ### Ciblage
-         Prédiction par localisation (latitude et longitude) du lieu de transaction
-         valeurs de prediction possibles:
-         * Marché Elevé
-         * Marché Moyen
-         * Marché Faible 
-         ''')
-
-st.write(df[['Latitude', 'Longitude']])
-
-
-ciblage(df, st, pd, pickle)
+    )
+    st.title('Fonctionalités Principales')
+    st.write('''
+            * **Cibler le marché** le plus remptable selon le la localisation du client lors de la transaction
+            * **Prédir le chiffre d'affaire** d'une quantité de Transaction d'un produit effectué par un client 
+             ''')
 
+
+
+
+    st.sidebar.header('''Paramètres :''')
+    df = collect_parametres(st, pd)
+
+
+
+
+
+
+    st.subheader('1 - Cibler le marché selon la situation géographique du client')
+    st.write('''
+             ### Ciblage
+             Prédiction par localisation (latitude et longitude) du lieu de transaction
+             valeurs de prediction possibles:
+             * Marché Elevé
+             * Marché Moyen
+             * Marché Faible 
+             ''')
+
+    st.write(df[['Latitude', 'Longitude']])
+
+
+    ciblage(df, st, pd, pickle)
+
+
+    st.subheader("2 - Prédire le chiffre d'affaire d'une transaction pour une quantité de produit acheté")
+    st.write('''
+             ### Prédiction
+             Prédiction du chiffre d'affaire:
+             ''')
+
+    st.write(df['Quantité'])
+
+
+    chiffre_affaire(pickle, st, df)
 
-st.subheader("2 - Prédire le chiffre d'affaire d'une transaction pour une quantité de produit acheté")
-st.write('''
-         ### Prédiction
-         Prédiction du chiffre d'affaire:
-         ''')
 
-st.write(df['Quantité'])
 
+if __name__ == '__main__':
+    main()
 
-chiffre_affaire(pickle, st, df)