Update app.py

app.py

@@ -6,6 +6,7 @@ from textblob import TextBlob
 import pandas as pd
 import requests
 from sklearn.linear_model import LinearRegression
+from sklearn.preprocessing import PolynomialFeatures
 
 # Helper Functions
 def search_web(query):
@@ -27,34 +28,51 @@ def analyze_image(uploaded_file):
 
 def analyze_crypto_data(df):
     st.subheader("Análisis Técnico")
-    df['RSI'] = ta.rsi(df['close'], length=14)
-    macd = ta.macd(df['close'])
-    df['MACD'], df['MACD_signal'], df['MACD_hist'] = macd['MACD_12_26_9'], macd['MACDs_12_26_9'], macd['MACDh_12_26_9']
-    bbands = ta.bbands(df['close'])
-    df['BB_Lower'], df['BB_Mid'], df['BB_Upper'] = bbands['BBL_20_2.0'], bbands['BBM_20_2.0'], bbands['BBU_20_2.0']
-    st.write(df.tail(10))
+    try:
+        df['RSI'] = ta.rsi(df['close'], length=14)
+        macd = ta.macd(df['close'])
+        if macd is not None:
+            df['MACD'], df['MACD_signal'], df['MACD_hist'] = (
+                macd['MACD_12_26_9'], macd['MACDs_12_26_9'], macd['MACDh_12_26_9']
+            )
+        bbands = ta.bbands(df['close'])
+        if bbands is not None:
+            df['BB_Lower'], df['BB_Mid'], df['BB_Upper'] = (
+                bbands['BBL_20_2.0'], bbands['BBM_20_2.0'], bbands['BBU_20_2.0']
+            )
+        st.write(df.tail(10))
+    except Exception as e:
+        st.error(f"Error en el análisis técnico: {e}")
 
 def analyze_sentiment(text):
+    st.subheader("Análisis de Sentimiento")
     analysis = TextBlob(text)
     sentiment = analysis.sentiment.polarity
     if sentiment > 0:
-        return "Positivo"
+        st.write("El sentimiento del texto es: **Positivo**")
     elif sentiment < 0:
-        return "Negativo"
+        st.write("El sentimiento del texto es: **Negativo**")
     else:
-        return "Neutral"
+        st.write("El sentimiento del texto es: **Neutral**")
 
 def predict_prices(df):
     st.subheader("Predicción de Precios")
-    X = df.index.values.reshape(-1, 1)
-    y = df['close']
-    model = LinearRegression()
-    model.fit(X, y)
-    future = pd.DataFrame({"Index": range(len(df), len(df) + 5)})
-    predictions = model.predict(future)
-    st.write("Predicciones de precios futuros:", predictions)
+    try:
+        X = df.index.values.reshape(-1, 1)
+        y = df['close']
+        poly = PolynomialFeatures(degree=2)
+        X_poly = poly.fit_transform(X)
+        model = LinearRegression()
+        model.fit(X_poly, y)
+        future = pd.DataFrame(range(len(df), len(df) + 5), columns=['Index'])
+        future_poly = poly.transform(future)
+        predictions = model.predict(future_poly)
+        st.write("Predicciones de precios futuros:", predictions)
+    except Exception as e:
+        st.error(f"Error en la predicción de precios: {e}")
 
 def fetch_crypto_data():
+    st.subheader("Obtención de Datos de Criptomonedas")
     url = "https://api.coingecko.com/api/v3/coins/bitcoin/market_chart?vs_currency=usd&days=30&interval=daily"
     response = requests.get(url)
     if response.status_code == 200:
@@ -67,39 +85,50 @@ def fetch_crypto_data():
         return None
 
 def chat_interface():
-    st.header("Chat Interactivo")
-    user_input = st.text_input("Escribe tu mensaje aquí:")
+    st.title("Chat Cripto Analizador")
+    st.write("¡Pregúntame algo!")
+    user_input = st.text_input("Tu mensaje:", placeholder="Escribe aquí...")
     if user_input:
-        st.write(f"Tú: {user_input}")
-        # Aquí agregarías lógica para procesar la entrada y responder
-        st.write("Chatbot: Lo siento, estoy aprendiendo a responder.")
+        if "crypto" in user_input.lower():
+            st.write(f"Tú: {user_input}")
+            st.write("Bot: Estoy listo para analizar criptomonedas. Intenta seleccionar 'Análisis Técnico' desde la barra lateral.")
+        else:
+            st.write(f"Tú: {user_input}")
+            st.write("Bot: Aún estoy aprendiendo. Por ahora puedo analizar imágenes y criptomonedas.")
 
 # Main Application
 def main():
-    st.title("Aplicación de Criptomonedas")
-    menu = ["Chat", "Búsqueda Web", "Análisis de Imágenes", "Análisis Técnico", "Análisis de Sentimiento", "Predicción de Precios"]
+    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:
-            sentiment = analyze_sentiment(text)
-            st.write(f"El sentimiento del texto es: {sentiment}")
+            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)