Update app.py

app.py

@@ -42,11 +42,7 @@ def generar_tabla(n_filas, concentracion_inicial, unidad_medida, n_replicas):
     for i in range(1, n_replicas + 1):
         df[f"Concentración Real {i} ({unidad_medida})"] = None
 
-    # Añadir columnas para promedio y desviación estándar si hay más de una réplica
-    df[f"Concentración Real Promedio ({unidad_medida})"] = None
-    if n_replicas > 1:
-        df[f"Desviación Estándar ({unidad_medida})"] = None
-
+    # Las columnas de promedio y desviación estándar se agregarán durante el análisis
     return df
 
 def ajustar_decimales_evento(df, decimales):
@@ -89,7 +85,7 @@ def generar_graficos(df_valid, n_replicas, unidad_medida):
     # Convertir a numérico
     df_valid[col_predicha_num] = df_valid[col_predicha_num].astype(float)
     df_valid[col_real_promedio] = df_valid[col_real_promedio].astype(float)
-    df_valid[col_desviacion] = df_valid[col_desviacion].astype(float)
+    df_valid[col_desviacion] = df_valid[col_desviacion].fillna(0).astype(float)
 
     # Calcular regresión lineal
     slope, intercept, r_value, p_value, std_err = stats.linregress(df_valid[col_predicha_num], df_valid[col_real_promedio])
@@ -116,11 +112,9 @@ def generar_graficos(df_valid, n_replicas, unidad_medida):
             label='Datos Reales'
         )
     else:
-        sns.scatterplot(
-            data=df_valid,
-            x=col_predicha_num,
-            y=col_real_promedio,
-            ax=ax1,
+        ax1.scatter(
+            df_valid[col_predicha_num],
+            df_valid[col_real_promedio],
             color='blue',
             s=100,
             label='Datos Reales',
@@ -128,10 +122,9 @@ def generar_graficos(df_valid, n_replicas, unidad_medida):
         )
 
     # Línea de ajuste
-    sns.lineplot(
-        x=df_valid[col_predicha_num],
-        y=df_valid['Ajuste Lineal'],
-        ax=ax1,
+    ax1.plot(
+        df_valid[col_predicha_num],
+        df_valid['Ajuste Lineal'],
         color='green',
         label='Ajuste Lineal',
         linewidth=2
@@ -167,11 +160,9 @@ def generar_graficos(df_valid, n_replicas, unidad_medida):
 
     # Gráfico de residuos
     residuos = df_valid[col_real_promedio] - df_valid['Ajuste Lineal']
-    sns.scatterplot(
-        data=df_valid,
-        x=col_predicha_num,
-        y=residuos,
-        ax=ax2,
+    ax2.scatter(
+        df_valid[col_predicha_num],
+        residuos,
         color='purple',
         s=100,
         marker='D',
@@ -264,12 +255,12 @@ def actualizar_analisis(df, n_replicas, unidad_medida):
     if df is None or df.empty:
         return "Error en los datos", None, "No se pueden generar análisis", df
 
+    # Calcular promedio y desviación estándar dependiendo de las réplicas
+    df = calcular_promedio_desviacion(df, n_replicas, unidad_medida)
+
     col_predicha_num = "Concentración Predicha Numérica"
     col_real_promedio = f"Concentración Real Promedio ({unidad_medida})"
 
-    # Calcular promedio y desviación estándar
-    df = calcular_promedio_desviacion(df, n_replicas, unidad_medida)
-
     # Convertir columnas a numérico
     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')
@@ -463,9 +454,6 @@ def generar_datos_sinteticos_evento(df, n_replicas, unidad_medida):
         datos_sinteticos = np.round(datos_sinteticos, 2)
         df[col_real] = datos_sinteticos
 
-    # Calcular promedio y desviación estándar
-    df = calcular_promedio_desviacion(df, n_replicas, unidad_medida)
-
     return df
 
 def actualizar_tabla_evento(df, n_filas, concentracion, unidad, n_replicas):
@@ -483,9 +471,6 @@ def actualizar_tabla_evento(df, n_filas, concentracion, unidad, n_replicas):
             if idx in df.index:
                 df_new.at[idx, col_new] = df.at[idx, col_old]
 
-    # Recalcular promedio y desviación estándar
-    df_new = calcular_promedio_desviacion(df_new, n_replicas, unidad)
-
     return df_new
 
 # Interfaz Gradio
@@ -672,8 +657,6 @@ with gr.Blocks(theme=gr.themes.Soft()) as interfaz:
         df = generar_tabla(7, 2000000, "UFC", n_replicas)
         # Valores reales de ejemplo
         df[f"Concentración Real 1 (UFC)"] = [2000000, 1600000, 1200000, 800000, 400000, 200000, 100000]
-        # Calcular promedio y desviación estándar
-        df = calcular_promedio_desviacion(df, n_replicas, "UFC")
         estado, fig, informe, df = actualizar_analisis(df, n_replicas, "UFC")
         return (
             2000000,