08_STREAMLIT_GRILLA.py

# 08_STREAMLIT_GRILLA.py
import streamlit as st
import joblib
import pandas as pd
import os
from dotenv import load_dotenv # <<< AÑADIDO

# =====================
# Configuración Dinámica desde .env
# =====================
# 1. Cargar las variables desde el archivo .env
load_dotenv()

# 2. Obtener la ruta base del proyecto
ruta_base = os.getenv("PROYECTO_RUTA_BASE")

# 3. Validar que la ruta se haya cargado correctamente
if not ruta_base:
    # En Streamlit, es mejor mostrar un error en la app que lanzar una excepción
    st.error("Error Crítico: La variable 'PROYECTO_RUTA_BASE' no se encontró en el archivo .env.")
    st.stop() # Detiene la ejecución del script de la app

# <<< MODIFICADO: Las rutas ahora se construyen a partir de 'ruta_base' >>>
CARPETA_PROCESADO = os.path.join(ruta_base, "PROCESADO")
ARCHIVO_PIPELINE = os.path.join(CARPETA_PROCESADO, "modelo_prioridad_pipeline_FINAL.joblib") # Asegúrate de usar el nombre del mejor modelo guardado
ARCHIVO_CSV = os.path.join(CARPETA_PROCESADO, "reporte_mesa_ayuda_COMBINADO.csv")

# =====================
# Cargar pipeline y CSV
# =====================
@st.cache_data(show_spinner=False)
def cargar_pipeline(path):
    return joblib.load(path)

@st.cache_data(show_spinner=False)
def cargar_csv(path):
    return pd.read_csv(path)

pipeline = cargar_pipeline(ARCHIVO_PIPELINE)
df_csv = cargar_csv(ARCHIVO_CSV)

# =====================
# Compatibilidad
# =====================
if 'Asunto' not in df_csv.columns:
    df_csv['Asunto'] = "No informado"
else:
    df_csv['Asunto'] = df_csv['Asunto'].fillna("No informado")

# Columnas para predicción
columnas_input = ['Categoria', 'Grupo_Asignado', 'Area_Solicitante', 'Asunto']
df_input = df_csv[columnas_input]

# =====================
# Predicción
# =====================
df_csv['Prioridad_PREDICHA'] = pipeline.predict(df_input)

# Convertir a mayúsculas
df_csv['Area_Solicitante'] = df_csv['Area_Solicitante'].str.upper()
df_csv['Grupo_Asignado'] = df_csv['Grupo_Asignado'].str.upper()
df_csv['Prioridad_PREDICHA'] = df_csv['Prioridad_PREDICHA'].str.upper()

# =====================
# Agrupar por área y grupo
# =====================
df_grouped = df_csv.groupby(
    ['Grupo_Asignado', 'Area_Solicitante', 'Prioridad_PREDICHA']
).size().reset_index(name='Cantidad_Tickets')

# Pivot para grilla
df_pivot = df_grouped.pivot_table(
    index=['Grupo_Asignado', 'Area_Solicitante'],
    columns='Prioridad_PREDICHA',
    values='Cantidad_Tickets',
    fill_value=0
).reset_index()

# =====================
# Ordenar por Grupo_AsignADO y luego Area_SolicitANTE
# =====================
df_pivot = df_pivot.sort_values(by=['Grupo_Asignado', 'Area_Solicitante']).reset_index(drop=True)

# =====================
# Resaltar la mayor prioridad por fila
# =====================
def color_max_priority(row):
    styles = pd.Series("", index=row.index)
    # Solo para columnas de prioridad
    prioridades = ['ALTA', 'MEDIA', 'BAJA']
    exist_cols = [c for c in prioridades if c in row.index]
    if exist_cols:
        max_val = row[exist_cols].max()
        for col in exist_cols:
            if row[col] == max_val and max_val > 0:
                styles[col] = 'background-color: green; color: white; font-weight: bold'
    return styles

# =====================
# Mostrar en Streamlit
# =====================
st.title("Dashboard de Tickets - Prioridad Predicha")
st.write("📌 Resumen agrupado por Grupo y Área. La prioridad con mayor cantidad se pinta de verde.")

st.dataframe(df_pivot.style.apply(color_max_priority, axis=1))