import streamlit as st
import pandas as pd

# 假设你的数据存储在一个CSV文件中，我们将从这个文件中读取数据
def load_data():
    return pd.read_csv("benchmark_data.csv")

# 不区分大小写的搜索功能
def case_insensitive_search(data, query, column):
    if query:  # 如果用户输入了搜索词
        return data[data[column].str.lower().str.contains(query.lower())]
    return data

# 创建一个带有滚动条的表格显示函数
def display_table(data, rows_per_page=20):
    # 使用 Streamlit 的 container 来创建滚动效果
    container = st.container()
    with container:
        # 设置表格高度，基于每行的大致高度估算
        height = min(40 + rows_per_page * 38, 800)  # 最大高度为800像素
        st.dataframe(data, height=height)

# 页面布局和功能
def main():
    st.title("Multihop-RAG Benchmark Space")

    data = load_data()

    # 添加搜索框
    st.sidebar.header("Search Options")
    chat_model_query = st.sidebar.text_input("Search by Chat Model")
    embedding_model_query = st.sidebar.text_input("Search by Embedding Model")
    chunk_query = st.sidebar.text_input("Search by Chunk")  # 新增按 Chunk 搜索

    # 根据输入执行搜索
    if chat_model_query:
        data = case_insensitive_search(data, chat_model_query, 'chat_model')
    if embedding_model_query:
        data = case_insensitive_search(data, embedding_model_query, 'embedding_model')
    if chunk_query:  # 新增 Chunk 的筛选
        data = case_insensitive_search(data, chunk_query, 'chunk')

    # 显示数据
    st.header("Benchmark Results")
    st.write("Displaying results for MRR@10, Hit@10, and Accuracy across different frameworks, embedding models, chat models, and chunks.")
    display_table(data)  # 使用自定义的表格显示函数

    # 数据统计和图表
    if st.sidebar.checkbox("Show Metrics Distribution"):
        st.subheader("Metrics Distribution")
        st.bar_chart(data[['MRR@10', 'Hit@10', 'Accuracy']])  # 添加Accuracy到图表中

if __name__ == "__main__":
    main()