Update app.py

app.py

@@ -117,16 +117,40 @@ st.markdown("""
 
 if tabs == "Introduction":
     st.write("### Introduction")
-    st.write("Ici")
+    st.write("""
+Le catalogue de l’ecommerce Rakuten comporte des centaines de milliers d’articles mis à jour régulièrement. Le besoin de l’entreprise est de les classer automatiquement dans leur catégorie.
+ 
+L’objectif de notre projet est de de prédire le code type d’un produit à partir de données textes décrivant des produits ainsi que leurs images associées.
+
+Notre étude doit déterminer la qualité et la pertinence des données, d’évaluer un prétraitement possible et proposer une solution de classification l’exploitation de ces dernières
+""")
 
 elif tabs == "Analyse":
-    st.write("# Analyse")
-    
+    st.write("### Analyse")
+    st.write("Extrait de la base de données fournie par Rakuten:")
     st.dataframe(data.head(30))
     st.write("")
-    
+    st.write("### Regard sur les données:")
+    st.write("")
+    st.write("")
+    st.write("Une distribution des observations par code produit non balancée:")
+    st.write("")
     repartition_par_categorie(st, data)
+    st.write("")
+    st.divider()
+    st.write("")
+    st.write("### Variabilité de la taille des champs textes:")
+    st.write("")
+    st.text("""
+    Pourcentage de valeurs manquantes pour la description : 35.09%
+    Pourcentage de valeurs manquantes pour la designation : 0.00%         
+             """)
+    
+    st.write("")
+    st.write("")
     repartition_longueur_categorie(st, data)
+    st.write("")
+    
 
 elif tabs == "Preprocessing":
     detection_langage_et_traduction(st, extract_data, sum_data)