Resolve value unpacking error in preprocessing module.

app.py

@@ -17,22 +17,22 @@ import shutil
 # PATH CHECKING UTILITIES
 # ============================================
 def check_preprocessing_status():
-    """Проверяет наличие и заполненность папки с предобработанными данными"""
+    """Check the existence and content of the preprocessed data folder"""
     preprocessing_path = current_dir / "src" / "enhanced_preprocessing_results" / "processed_data"
     
-    # Проверяем существование папки
+    # Check if folder exists
     if not preprocessing_path.exists():
-        return False, "Папка с предобработанными данными не найдена"
+        return False, "Preprocessed data folder not found", None
     
-    # Проверяем, не пуста ли папка
+    # Check if folder is not empty
     try:
         files = list(preprocessing_path.glob("*"))
         files = [f for f in files if f.is_file()]
         
         if len(files) == 0:
-            return False, "Папка с предобработанными данными пуста"
+            return False, "Preprocessed data folder is empty", None
         
-        # Пробуем загрузить данные, если они есть
+        # Try to load data if available
         try:
             for file in files:
                 if file.suffix.lower() in ['.csv', '.parquet']:
@@ -43,14 +43,14 @@ def check_preprocessing_status():
                     
                     if not data.empty:
                         fixed_data = fix_dataframe_for_streamlit(data)
-                        return True, "Предобработка выполнена", fixed_data
+                        return True, "Preprocessing completed", fixed_data
         except:
             pass
         
-        return True, "Предобработка выполнена", None
+        return True, "Preprocessing completed", None
     
     except Exception as e:
-        return False, f"Ошибка при проверке папки: {str(e)}", None
+        return False, f"Error checking folder: {str(e)}", None
 
 # Configure paths
 current_dir = Path(__file__).parent
@@ -295,13 +295,13 @@ def normalize_ml_results(results):
 # DATA LOADING FUNCTIONS
 # ============================================
 def load_data_from_preprocessing():
-    """Загружает данные из папки предобработки"""
+    """Load data from preprocessing folder"""
     preprocessing_ready, preprocessing_message, preprocessed_data = check_preprocessing_status()
     
     if preprocessing_ready and preprocessed_data is not None:
         return preprocessed_data
     elif preprocessing_ready:
-        # Папка есть, но данные не загрузились - пробуем загрузить вручную
+        # Folder exists but data didn't load - try manual loading
         preprocessing_path = current_dir / "src" / "enhanced_preprocessing_results" / "processed_data"
         files = list(preprocessing_path.glob("*"))
         
@@ -321,20 +321,20 @@ def load_data_from_preprocessing():
                         fixed_data = fix_dataframe_for_streamlit(data)
                         return fixed_data
                 except Exception as e:
-                    st.warning(f"⚠️ Не удалось загрузить файл {file.name}: {str(e)}")
+                    st.warning(f"⚠️ Could not load file {file.name}: {str(e)}")
     
     return None
 
 def get_current_data():
-    """Получает текущие данные из всех возможных источников"""
-    # 1. Проверяем session_state
+    """Get current data from all possible sources"""
+    # 1. Check session_state
     if st.session_state.preprocessed_data is not None:
         return st.session_state.preprocessed_data
     
-    # 2. Проверяем папку предобработки
+    # 2. Check preprocessing folder
     data = load_data_from_preprocessing()
     if data is not None:
-        # Сохраняем в session_state для будущего использования
+        # Save to session_state for future use
         st.session_state.preprocessed_data = data
         return data
     
@@ -801,7 +801,7 @@ def run_ml_pipeline():
     """Runs the ML module with enhanced error handling"""
     st.title("🤖 ML Pipeline PRO - Machine Learning")
     
-    # Получаем данные из всех возможных источников
+    # Get data from all possible sources
     data = get_current_data()
     
     if data is None:
@@ -816,7 +816,7 @@ def run_ml_pipeline():
                 st.rerun()
         return
     
-    # Проверяем, что данные валидны
+    # Check that data is valid
     if not isinstance(data, pd.DataFrame) or data.empty:
         st.error("❌ Invalid data format! Please load valid data.")
         if st.button("← Go to Data Preprocessing", type="primary", width='stretch'):
@@ -899,7 +899,7 @@ def run_ml_pipeline():
         
         module.set_results_handler(ml_results_handler)
         
-        # Передаем данные в модуль
+        # Pass data to the module
         module.data = data
         module.target_column = target_col
         
@@ -956,7 +956,7 @@ def show_alternative_ml(data=None, target_col=None):
     st.markdown("---")
     st.markdown("### 🤖 Simplified ML Training")
     
-    # Если данные не переданы, пытаемся получить их
+    # If data not passed, try to get it
     if data is None:
         data = get_current_data()
     
@@ -967,7 +967,7 @@ def show_alternative_ml(data=None, target_col=None):
             st.rerun()
         return
     
-    # Если target_col не передан, запрашиваем его
+    # If target_col not passed, request it
     if target_col is None:
         numeric_cols = data.select_dtypes(include=[np.number]).columns.tolist()
         if not numeric_cols: