Update app.py

app.py

@@ -41,10 +41,12 @@ def calcular_promedio_desviacion(df, n_replicas, unidad_medida, decimales):
 
     return df
 
-def generar_graficos(df_valid, n_replicas, unidad_medida, palette_puntos, estilo_puntos,
-                     palette_linea_ajuste, estilo_linea_ajuste,
-                     palette_linea_ideal, estilo_linea_ideal,
-                     palette_barras_error, mostrar_linea_ajuste, mostrar_linea_ideal, mostrar_puntos):
+def generar_graficos(df_valid, n_replicas, unidad_medida,
+                     color_puntos, estilo_puntos,
+                     color_linea_ajuste, estilo_linea_ajuste,
+                     color_linea_ideal, estilo_linea_ideal,
+                     color_barras_error,
+                     mostrar_linea_ajuste, mostrar_linea_ideal, mostrar_puntos):
     col_predicha_num = "Concentración Predicha Numérica"
     col_real_promedio = f"Concentración Real Promedio ({unidad_medida})"
     col_desviacion = f"Desviación Estándar ({unidad_medida})"
@@ -66,16 +68,7 @@ def generar_graficos(df_valid, n_replicas, unidad_medida, palette_puntos, estilo
 
     fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(14, 6))
 
-    colors_puntos = sns.color_palette(palette_puntos, as_cmap=False)
-    colors_linea_ajuste = sns.color_palette(palette_linea_ajuste, as_cmap=False)
-    colors_linea_ideal = sns.color_palette(palette_linea_ideal, as_cmap=False)
-    colors_barras_error = sns.color_palette(palette_barras_error, as_cmap=False)
-
-    color_puntos = colors_puntos[0]
-    color_linea_ajuste = colors_linea_ajuste[0]
-    color_linea_ideal = colors_linea_ideal[0]
-    color_barras_error = colors_barras_error[0]
-
+    # Gráfico principal
     if mostrar_puntos:
         if n_replicas > 1:
             ax1.errorbar(
@@ -135,6 +128,7 @@ def generar_graficos(df_valid, n_replicas, unidad_medida, palette_puntos, estilo
 
     ax1.legend(loc='lower right', fontsize=10)
 
+    # Gráfico de residuos
     residuos = df_valid[col_real_promedio] - df_valid['Ajuste Lineal']
     ax2.scatter(
         df_valid[col_predicha_num],
@@ -257,12 +251,13 @@ def actualizar_analisis(df, n_replicas, unidad_medida, filas_seleccionadas, deci
     slope, intercept, r_value, p_value, std_err = stats.linregress(df_valid[col_predicha_num], df_valid[col_real_promedio])
     df_valid['Ajuste Lineal'] = intercept + slope * df_valid[col_predicha_num]
 
+    # Generar gráfico con colores por defecto (se actualizarán con el botón Graficar)
     fig = generar_graficos(
         df_valid, n_replicas, unidad_medida,
-        palette_puntos='deep', estilo_puntos='o',
-        palette_linea_ajuste='muted', estilo_linea_ajuste='-',
-        palette_linea_ideal='bright', estilo_linea_ideal='--',
-        palette_barras_error='pastel',
+        color_puntos="#0000FF", estilo_puntos='o',
+        color_linea_ajuste="#00FF00", estilo_linea_ajuste='-',
+        color_linea_ideal="#FF0000", estilo_linea_ideal='--',
+        color_barras_error="#FFA500",
         mostrar_linea_ajuste=True,
         mostrar_linea_ideal=False,
         mostrar_puntos=True
@@ -271,47 +266,6 @@ def actualizar_analisis(df, n_replicas, unidad_medida, filas_seleccionadas, deci
 
     return estado, fig, informe, df
 
-def actualizar_graficos(df, n_replicas, unidad_medida,
-                        palette_puntos, estilo_puntos,
-                        palette_linea_ajuste, estilo_linea_ajuste,
-                        palette_linea_ideal, estilo_linea_ideal,
-                        palette_barras_error,
-                        mostrar_linea_ajuste, mostrar_linea_ideal, mostrar_puntos,
-                        filas_seleccionadas, decimales):
-    if df is None or df.empty:
-        return None
-
-    df = calcular_promedio_desviacion(df, n_replicas, unidad_medida, decimales)
-
-    col_predicha_num = "Concentración Predicha Numérica"
-    col_real_promedio = f"Concentración Real Promedio ({unidad_medida})"
-
-    df[col_predicha_num] = pd.to_numeric(df[col_predicha_num], errors='coerce')
-    df[col_real_promedio] = pd.to_numeric(df[col_real_promedio], errors='coerce')
-
-    df_valid = df.dropna(subset=[col_predicha_num, col_real_promedio])
-    df_valid.reset_index(drop=True, inplace=True)
-
-    if not filas_seleccionadas:
-        return None
-
-    indices_seleccionados = [int(s.split(' ')[1]) - 1 for s in filas_seleccionadas]
-    df_valid = df_valid.loc[indices_seleccionados]
-
-    if len(df_valid) < 2:
-        return None
-
-    fig = generar_graficos(
-        df_valid, n_replicas, unidad_medida,
-        palette_puntos, estilo_puntos,
-        palette_linea_ajuste, estilo_linea_ajuste,
-        palette_linea_ideal, estilo_linea_ideal,
-        palette_barras_error,
-        mostrar_linea_ajuste, mostrar_linea_ideal, mostrar_puntos
-    )
-
-    return fig
-
 def exportar_informe_word(df_valid, informe_md, unidad_medida):
     doc = docx.Document()
 
@@ -450,13 +404,13 @@ def limpiar_datos(n_replicas):
         "Concentración Predicha (mg/L)": [2000000/(1/(1/(2**i))) for i in range(7)]
     })
     return (
-        2000000,  
-        "UFC",    
-        7,        
-        df,       
-        "",       
-        None,     
-        ""        
+        2000000,
+        "UFC",
+        7,
+        df,
+        "",
+        None,
+        ""
     )
 
 def generar_datos_sinteticos_evento(df, n_replicas, unidad_medida):
@@ -526,14 +480,23 @@ def cargar_excel(file):
 
     return concentracion_inicial, unidad_medida, n_filas, n_replicas, df_sistema, "", None, ""
 
+def actualizar_opciones_filas(df):
+    if df is None or df.empty:
+        update = gr.update(choices=[], value=[])
+    else:
+        opciones = [f"Fila {i+1}" for i in df.index]
+        update = gr.update(choices=opciones, value=opciones)
+    return update, update
+
 def calcular_regresion_tabla_principal(df, unidad_medida, filas_seleccionadas_regresion,
-                                       palette_puntos, estilo_puntos,
-                                       palette_linea_ajuste, estilo_linea_ajuste,
+                                       color_puntos, estilo_puntos,
+                                       color_linea_ajuste, estilo_linea_ajuste,
                                        mostrar_linea_ajuste, mostrar_puntos,
                                        legend_location, decimales,
                                        titulo_grafico_original, titulo_grafico_personalizado,
                                        eje_x_original, eje_y_original,
                                        eje_x_personalizado, eje_y_personalizado):
+
     if df is None or df.empty:
         return "Datos insuficientes", None, None, None
 
@@ -559,7 +522,7 @@ def calcular_regresion_tabla_principal(df, unidad_medida, filas_seleccionadas_re
     if not filas_seleccionadas_regresion:
         return "Se necesitan más datos", None, None, None
 
-    indices_seleccionados = [int(s.split(' ')[1]) - 1 for s in filas_seleccionadas_regresion if s.split(' ')[1].isdigit() and int(s.split(' ')[1]) - 1 < len(df_valid)]
+    indices_seleccionados = [int(s.split(' ')[1]) - 1 for s in filas_seleccionadas_regresion]
     if len(indices_seleccionados) < 2:
         return "Se requieren al menos dos puntos para calcular la regresión", None, None, None
 
@@ -570,12 +533,13 @@ def calcular_regresion_tabla_principal(df, unidad_medida, filas_seleccionadas_re
     sns.set(style="whitegrid")
     fig_original, ax_original = plt.subplots(figsize=(8, 6))
 
+    # Gráfico Original
     ax_original.errorbar(
         df_original[col_concentracion],
         df_original[col_real_promedio],
         yerr=df_original[col_desviacion],
-        fmt='o',
-        color='blue',
+        fmt=estilo_puntos,
+        color=color_puntos,
         ecolor='gray',
         elinewidth=1,
         capsize=3,
@@ -587,7 +551,7 @@ def calcular_regresion_tabla_principal(df, unidad_medida, filas_seleccionadas_re
     ax_original.plot(
         df_original[col_concentracion],
         intercept_all + slope_all * df_original[col_concentracion],
-        color='red',
+        color=color_linea_ajuste,
         linestyle='-',
         label='Ajuste Lineal'
     )
@@ -606,15 +570,10 @@ def calcular_regresion_tabla_principal(df, unidad_medida, filas_seleccionadas_re
         verticalalignment='top'
     )
 
+    # Gráfico Personalizado
     sns.set(style="whitegrid")
     fig_personalizado, ax_personalizado = plt.subplots(figsize=(8, 6))
 
-    colors_puntos = sns.color_palette(palette_puntos, as_cmap=False)
-    colors_linea_ajuste = sns.color_palette(palette_linea_ajuste, as_cmap=False)
-
-    color_puntos = colors_puntos[0]
-    color_linea_ajuste = colors_linea_ajuste[0]
-
     if mostrar_puntos:
         ax_personalizado.errorbar(
             df_valid[col_concentracion],
@@ -656,18 +615,35 @@ def calcular_regresion_tabla_principal(df, unidad_medida, filas_seleccionadas_re
 
     return "Regresión calculada exitosamente", fig_original, fig_personalizado, df_resumen
 
-def actualizar_opciones_filas(df):
-    if df is None or df.empty:
-        update = gr.update(choices=[], value=[])
-    else:
-        opciones = [f"Fila {i+1}" for i in df.index]
-        update = gr.update(choices=opciones, value=opciones)
-    return update, update
+def iniciar_con_ejemplo():
+    df = pd.DataFrame({
+        "Solución": [1.00,0.80,0.67,0.60,0.53,0.47,0.40],
+        "H2O": [0.00,0.20,0.33,0.40,0.47,0.53,0.60],
+        "Factor de Dilución": [1.00,1.25,1.50,1.67,1.87,2.14,2.50],
+        "Concentración Predicha Numérica": [150,120,100,90,80,70,60],
+        "Concentración Predicha (mg/L)": [150,120,100,90,80,70,60],
+        "Concentración Real 1 (UFC)": [1.715,1.089,0.941,0.552,0.703,0.801,0.516]
+    })
+    n_replicas = 1
+    estado, fig, informe, df = actualizar_analisis(df, n_replicas, "UFC", [f"Fila {i+1}" for i in df.index], 3)
+    return (
+        2000000,
+        "UFC",
+        7,
+        df,
+        estado,
+        fig,
+        informe,
+        [f"Fila {i+1}" for i in df.index],
+        3
+    )
 
+
+# Interfaz Gradio
 with gr.Blocks(theme=gr.themes.Soft()) as interfaz:
     gr.Markdown("""
     # 📊 Sistema Avanzado de Calibración con Análisis Estad��stico
-    Cargue el Excel con las 3 hojas (Hoja1 con 5 primeras columnas, Hoja2 y Hoja3 réplicas), edite y calcule.
+    Configure los parámetros, edite los valores en la tabla y luego presione "Calcular" para obtener el análisis.
     """)
 
     with gr.Tab("📝 Datos de Calibración"):
@@ -733,23 +709,13 @@ with gr.Blocks(theme=gr.themes.Soft()) as interfaz:
         )
 
         with gr.Row():
-            paletas_colores = ["deep", "muted", "pastel", "bright", "dark", "colorblind", "Set1", "Set2", "Set3"]
-
-            palette_puntos_dropdown = gr.Dropdown(
-                choices=paletas_colores,
-                value="deep",
-                label="Paleta para Puntos"
-            )
+            color_puntos_picker = gr.ColorPicker(label="Color de Puntos", value="#0000FF")
             estilo_puntos_dropdown = gr.Dropdown(
                 choices=["o", "s", "^", "D", "v", "<", ">", "h", "H", "p", "*", "X", "d"],
                 value="o",
-                label="Estilo de Puntos"
-            )
-            palette_linea_ajuste_dropdown = gr.Dropdown(
-                choices=paletas_colores,
-                value="muted",
-                label="Paleta Línea de Ajuste"
+                label="Estilo de Punto"
             )
+            color_linea_ajuste_picker = gr.ColorPicker(label="Color de la Línea de Ajuste", value="#00FF00")
             estilo_linea_ajuste_dropdown = gr.Dropdown(
                 choices=["-", "--", "-.", ":"],
                 value="-",
@@ -757,27 +723,18 @@ with gr.Blocks(theme=gr.themes.Soft()) as interfaz:
             )
 
         with gr.Row():
-            palette_linea_ideal_dropdown = gr.Dropdown(
-                choices=paletas_colores,
-                value="bright",
-                label="Paleta Línea Ideal"
-            )
+            color_linea_ideal_picker = gr.ColorPicker(label="Color Línea Ideal", value="#FF0000")
             estilo_linea_ideal_dropdown = gr.Dropdown(
                 choices=["--", "-", "-.", ":"],
                 value="--",
                 label="Estilo Línea Ideal"
             )
-            palette_barras_error_dropdown = gr.Dropdown(
-                choices=paletas_colores,
-                value="pastel",
-                label="Paleta Barras de Error"
-            )
+            color_barras_error_picker = gr.ColorPicker(label="Color Barras de Error", value="#FFA500")
             mostrar_linea_ajuste = gr.Checkbox(value=True, label="Mostrar Línea de Ajuste")
             mostrar_linea_ideal = gr.Checkbox(value=False, label="Mostrar Línea Ideal")
             mostrar_puntos = gr.Checkbox(value=True, label="Mostrar Puntos")
             graficar_btn = gr.Button("📊 Graficar", variant="primary")
 
-        # Botón para recalcular informe
         recalcular_btn = gr.Button("🔄 Calcular Otra Vez", variant="secondary")
 
         with gr.Row():
@@ -801,29 +758,20 @@ with gr.Blocks(theme=gr.themes.Soft()) as interfaz:
         )
 
         with gr.Row():
-            paletas_colores = ["deep", "muted", "pastel", "bright", "dark", "colorblind", "Set1", "Set2", "Set3"]
-            palette_puntos_regresion = gr.Dropdown(
-                choices=paletas_colores,
-                value="deep",
-                label="Paleta para Puntos"
-            )
+            color_puntos_regresion_picker = gr.ColorPicker(label="Color Puntos Regresión", value="#0000FF")
             estilo_puntos_regresion = gr.Dropdown(
                 choices=["o", "s", "^", "D", "v", "<", ">", "h", "H", "p", "*", "X", "d"],
                 value="o",
-                label="Estilo de Puntos"
-            )
-            palette_linea_ajuste_regresion = gr.Dropdown(
-                choices=paletas_colores,
-                value="muted",
-                label="Paleta Línea de Ajuste"
+                label="Estilo de Puntos (Regresión)"
             )
+            color_linea_ajuste_regresion_picker = gr.ColorPicker(label="Color Línea Ajuste (Regresión)", value="#00FF00")
             estilo_linea_ajuste_regresion = gr.Dropdown(
                 choices=["-", "--", "-.", ":"],
                 value="-",
-                label="Estilo Línea de Ajuste"
+                label="Estilo Línea de Ajuste (Regresión)"
             )
-            mostrar_linea_ajuste_regresion = gr.Checkbox(value=True, label="Mostrar Línea de Ajuste")
-            mostrar_puntos_regresion = gr.Checkbox(value=True, label="Mostrar Puntos")
+            mostrar_linea_ajuste_regresion = gr.Checkbox(value=True, label="Mostrar Línea de Ajuste (Regresión)")
+            mostrar_puntos_regresion = gr.Checkbox(value=True, label="Mostrar Puntos (Regresión)")
 
         with gr.Row():
             legend_location_dropdown = gr.Dropdown(
@@ -873,6 +821,7 @@ with gr.Blocks(theme=gr.themes.Soft()) as interfaz:
         grafico_personalizado_output = gr.Plot(label="Gráfico Personalizado")
         tabla_resumen_output = gr.DataFrame(label="Tabla Resumida")
 
+    # Eventos
     tabla_output.change(
         fn=actualizar_opciones_filas,
         inputs=[tabla_output],
@@ -885,21 +834,60 @@ with gr.Blocks(theme=gr.themes.Soft()) as interfaz:
         outputs=[estado_output, graficos_output, informe_output, tabla_output]
     )
 
+    def actualizar_graficos_custom(df, n_replicas, unidad_medida,
+                                   color_puntos, estilo_puntos,
+                                   color_linea_ajuste, estilo_linea_ajuste,
+                                   color_linea_ideal, estilo_linea_ideal,
+                                   color_barras_error,
+                                   mostrar_linea_ajuste, mostrar_linea_ideal, mostrar_puntos,
+                                   filas_seleccionadas, decimales):
+        if df is None or df.empty:
+            return None
+
+        df = calcular_promedio_desviacion(df, n_replicas, unidad_medida, decimales)
+
+        col_predicha_num = "Concentración Predicha Numérica"
+        col_real_promedio = f"Concentración Real Promedio ({unidad_medida})"
+
+        df[col_predicha_num] = pd.to_numeric(df[col_predicha_num], errors='coerce')
+        df[col_real_promedio] = pd.to_numeric(df[col_real_promedio], errors='coerce')
+
+        df_valid = df.dropna(subset=[col_predicha_num, col_real_promedio])
+        df_valid.reset_index(drop=True, inplace=True)
+
+        if not filas_seleccionadas:
+            return None
+
+        indices_seleccionados = [int(s.split(' ')[1]) - 1 for s in filas_seleccionadas]
+        df_valid = df_valid.loc[indices_seleccionados]
+
+        if len(df_valid) < 2:
+            return None
+
+        fig = generar_graficos(
+            df_valid, n_replicas, unidad_medida,
+            color_puntos, estilo_puntos,
+            color_linea_ajuste, estilo_linea_ajuste,
+            color_linea_ideal, estilo_linea_ideal,
+            color_barras_error,
+            mostrar_linea_ajuste, mostrar_linea_ideal, mostrar_puntos
+        )
+        return fig
+
     graficar_btn.click(
-        fn=actualizar_graficos,
+        fn=actualizar_graficos_custom,
         inputs=[
             tabla_output, replicas_slider, unidad_input,
-            palette_puntos_dropdown, estilo_puntos_dropdown,
-            palette_linea_ajuste_dropdown, estilo_linea_ajuste_dropdown,
-            palette_linea_ideal_dropdown, estilo_linea_ideal_dropdown,
-            palette_barras_error_dropdown,
+            color_puntos_picker, estilo_puntos_dropdown,
+            color_linea_ajuste_picker, estilo_linea_ajuste_dropdown,
+            color_linea_ideal_picker, estilo_linea_ideal_dropdown,
+            color_barras_error_picker,
             mostrar_linea_ajuste, mostrar_linea_ideal, mostrar_puntos,
             filas_seleccionadas, decimales_slider
         ],
         outputs=graficos_output
     )
 
-    # Nuevo botón "Calcular Otra Vez" para recalcular informe y gráfico
     recalcular_btn.click(
         fn=actualizar_analisis,
         inputs=[tabla_output, replicas_slider, unidad_input, filas_seleccionadas, decimales_slider],
@@ -1037,29 +1025,6 @@ with gr.Blocks(theme=gr.themes.Soft()) as interfaz:
         outputs=exportar_latex_file
     )
 
-    def iniciar_con_ejemplo():
-        df = pd.DataFrame({
-            "Solución": [1.00,0.80,0.67,0.60,0.53,0.47,0.40],
-            "H2O": [0.00,0.20,0.33,0.40,0.47,0.53,0.60],
-            "Factor de Dilución": [1.00,1.25,1.50,1.67,1.87,2.14,2.50],
-            "Concentración Predicha Numérica": [150,120,100,90,80,70,60],
-            "Concentración Predicha (mg/L)": [150,120,100,90,80,70,60]
-        })
-        df["Concentración Real 1 (UFC)"] = [1.715,1.089,0.941,0.552,0.703,0.801,0.516]
-        n_replicas = 1
-        estado, fig, informe, df = actualizar_analisis(df, n_replicas, "UFC", [f"Fila {i+1}" for i in df.index], 3)
-        return (
-            2000000,
-            "UFC",
-            7,
-            df,
-            estado,
-            fig,
-            informe,
-            [f"Fila {i+1}" for i in df.index],
-            3
-        )
-
     interfaz.load(
         fn=iniciar_con_ejemplo,
         outputs=[concentracion_input, unidad_input, filas_slider, tabla_output, estado_output, graficos_output, informe_output, filas_seleccionadas, decimales_slider]
@@ -1069,8 +1034,8 @@ with gr.Blocks(theme=gr.themes.Soft()) as interfaz:
         fn=calcular_regresion_tabla_principal,
         inputs=[
             tabla_output, unidad_input, filas_seleccionadas_regresion,
-            palette_puntos_regresion, estilo_puntos_regresion,
-            palette_linea_ajuste_regresion, estilo_linea_ajuste_regresion,
+            color_puntos_regresion_picker, estilo_puntos_regresion,
+            color_linea_ajuste_regresion_picker, estilo_linea_ajuste_regresion,
             mostrar_linea_ajuste_regresion, mostrar_puntos_regresion,
             legend_location_dropdown, decimales_slider,
             titulo_grafico_original, titulo_grafico_personalizado,
@@ -1080,5 +1045,6 @@ with gr.Blocks(theme=gr.themes.Soft()) as interfaz:
         outputs=[estado_regresion_output, grafico_original_output, grafico_personalizado_output, tabla_resumen_output]
     )
 
+
 if __name__ == "__main__":
     interfaz.launch()