Update app.py

app.py

@@ -73,7 +73,7 @@ with colT1:
     st.image("https://upload.wikimedia.org/wikipedia/commons/thumb/c/c7/Sustainable_Development_Goal-es-13.jpg/1200px-Sustainable_Development_Goal-es-13.jpg",width=200)
 
 st.markdown(""" <style> .font2 {
-    font-size:14px ; font-family: 'Cooper Black'; color: #3358ff;} 
+    font-size:16px ; font-family: 'Cooper Black'; color: #3358ff;} 
     </style> """, unsafe_allow_html=True)
 st.markdown('<p class="font2">Esta app utiliza tweepy para descargar tweets de twitter en base a la información de entrada y procesa los tweets usando transformers de HuggingFace para detectar comentarios sexistas. El resultado y los tweets correspondientes se almacenan en un dataframe para mostrarlo que es lo que se ve como resultado.La finalidad del proyecto, es en línea con el Objetivo 5 de los ODS, eliminar todas las formas de violencia contra todas las mujeres y las niñas en los ámbitos público y privado, incluidas la trata y la explotación sexual y otros tipos de explotación. Los comentarios sexistas son una forma de violencia contra la mujer con está aplicación puede ayudar a hacer un estudio sistemático de la misma.</p>',unsafe_allow_html=True)
 
@@ -82,7 +82,7 @@ def run():
     with st.form(key='Introduzca Texto'):
         col,buff1, buff2 = st.columns([2,2,1])
         #col.text_input('smaller text window:')
-        search_words = col.text_input("Introduzca el termino o usuario para analizar y pulse el check</p>")
+        search_words = col.text_input("Introduzca el termino o usuario para analizar y pulse el check correspondiente")
         number_of_tweets = col.number_input('Introduzca número de twweets a analizar. Máximo 50', 0,50,10)
         termino=st.checkbox('Término')
         usuario=st.checkbox('Usuario')
@@ -147,7 +147,7 @@ def run():
                     predictions.append(logits1)
                 flat_predictions = [item for sublist in predictions for item in sublist]
                 flat_predictions = np.argmax(flat_predictions, axis=1).flatten()#p = [i for i in classifier(tweet_list)]
-                df = pd.DataFrame(list(zip(tweet_list, flat_predictions)),columns =['Latest'+str(number_of_tweets)+'Tweets'+' on '+search_words, 'Sexista'])
+                df = pd.DataFrame(list(zip(tweet_list, flat_predictions)),columns =['Últimos '+ str(number_of_tweets)+' Tweets'+' de '+search_words, 'Sexista'])
                 df['Sexista']= np.where(df['Sexista']== 0, 'No Sexista', 'Sexista')
                 st.table(df)
             #st.write(df)