File size: 1,793 Bytes
71acbaf ca7840e ea57447 b8a4053 ea57447 c1f4f65 ea57447 f3fb038 c1f4f65 ea57447 b8a4053 c1f4f65 ea57447 f3fb038 ea57447 71acbaf ea57447 f3fb038 ea57447 f3fb038 ea57447 f3fb038 ea57447 f3fb038 ea57447 f3fb038 ea57447 f3fb038 ea57447 b8de2f4 ea57447 6d0b640 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 |
import streamlit as st
from PIL import Image
import pytesseract
from numpy import nan as NaN # Parche para pandas-ta
import pandas_ta as ta
from textblob import TextBlob
import pandas as pd
import requests
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures
# Helper Functions
# (Mismo código proporcionado anteriormente en las funciones)
# Main Application
def main():
st.sidebar.title("Menú")
menu = [
"Chat", "Búsqueda Web", "Análisis de Imágenes",
"Análisis Técnico", "Análisis de Sentimiento", "Predicción de Precios"
]
choice = st.sidebar.selectbox("Seleccione una opción", menu)
if choice == "Chat":
chat_interface()
elif choice == "Búsqueda Web":
st.header("Búsqueda Web")
query = st.text_input("Ingrese su búsqueda:")
if query:
search_web(query)
elif choice == "Análisis de Imágenes":
st.header("Análisis de Imágenes")
uploaded_file = st.file_uploader("Suba una imagen", type=["png", "jpg", "jpeg"])
if uploaded_file:
analyze_image(uploaded_file)
elif choice == "Análisis Técnico":
st.header("Análisis Técnico de Criptomonedas")
df = fetch_crypto_data()
if df is not None:
analyze_crypto_data(df)
elif choice == "Análisis de Sentimiento":
st.header("Análisis de Sentimiento")
text = st.text_area("Ingrese el texto para analizar:")
if text:
analyze_sentiment(text)
elif choice == "Predicción de Precios":
st.header("Predicción de Precios de Criptomonedas")
df = fetch_crypto_data()
if df is not None:
predict_prices(df)
if __name__ == "__main__":
main()
|