Update app.py

app.py

@@ -343,7 +343,7 @@ def guardar_participante(edad, talla, sexo, ejercicio_label,
     else:
         df_nuevo.to_csv(CSV_PATH, mode="w", header=True, index=False)
 
-    return f"✅ Participante {nuevo_id} guardado.", obtener_tabla_csv()
+    return f" Participante {nuevo_id} guardado.", obtener_tabla_csv()
 
 
 def obtener_tabla_csv():
@@ -364,15 +364,135 @@ def obtener_csv_path():
 def limpiar_csv():
     if os.path.exists(CSV_PATH):
         os.remove(CSV_PATH)
-    return "🗑️ Registros eliminados.", pd.DataFrame(columns=COLUMNAS_CAPTURA)
+    return " Registros eliminados.", pd.DataFrame(columns=COLUMNAS_CAPTURA)
 
 
 # ─────────────────────────────────────────────
 # INTERFAZ
 # ─────────────────────────────────────────────
+def generar_graficas():
+    """Genera gráficas de mejora del estado de ánimo desde el CSV capturado."""
+    import matplotlib
+    matplotlib.use("Agg")
+    import matplotlib.pyplot as plt
+    import matplotlib.patches as mpatches
+    import io, base64
+
+    if not os.path.exists(CSV_PATH):
+        return None, None, None, "⚠️ No hay datos capturados todavía. Registra participantes primero."
+
+    try:
+        df = pd.read_csv(CSV_PATH)
+    except Exception as e:
+        return None, None, None, f"❌ Error leyendo CSV: {e}"
+
+    if df.empty or "Animo_Antes" not in df.columns:
+        return None, None, None, "⚠️ El CSV no tiene datos de ánimo."
+
+    df = df.dropna(subset=["Animo_Antes","Animo_Despues","Delta_Animo","Ejercicio"])
+    if len(df) < 2:
+        return None, None, None, "⚠️ Se necesitan al menos 2 participantes para graficar."
+
+    EJER_NOMBRE = {1:"Sedentario", 2:"Ocasional", 3:"Moderado", 4:"Activo", 5:"Muy activo"}
+    ANIMO_NOMBRE = {1:"Muy bajo", 2:"Bajo", 3:"Neutral", 4:"Alto", 5:"Muy alto"}
+    COLORES = {1:"#e74c3c", 2:"#e67e22", 3:"#f1c40f", 4:"#2ecc71", 5:"#27ae60"}
+
+    def fig_to_img(fig):
+        buf = io.BytesIO()
+        fig.savefig(buf, format="png", dpi=130, bbox_inches="tight")
+        buf.seek(0)
+        plt.close(fig)
+        return buf
+
+    # ── GRÁFICA 1: Antes vs Después por participante (barras agrupadas) ──
+    fig1, ax1 = plt.subplots(figsize=(max(8, len(df)*0.6), 5))
+    ids  = [f"P{int(i)}" for i in df["ID"]]
+    x    = range(len(df))
+    w    = 0.35
+    bars_a = ax1.bar([i - w/2 for i in x], df["Animo_Antes"],   w, label="Antes",  color="#5b8dd9", alpha=0.85)
+    bars_d = ax1.bar([i + w/2 for i in x], df["Animo_Despues"], w, label="Después", color="#27ae60", alpha=0.85)
+    for bar, delta in zip(bars_d, df["Delta_Animo"]):
+        color = "#27ae60" if delta > 0 else ("#e74c3c" if delta < 0 else "#888")
+        ax1.text(bar.get_x() + bar.get_width()/2,
+                 bar.get_height() + 0.05,
+                 f"{delta:+.0f}", ha="center", va="bottom",
+                 fontsize=8, color=color, fontweight="bold")
+    ax1.set_xticks(list(x))
+    ax1.set_xticklabels(ids, rotation=45, ha="right", fontsize=8)
+    ax1.set_yticks([1,2,3,4,5])
+    ax1.set_yticklabels([f"{v} – {ANIMO_NOMBRE[v]}" for v in [1,2,3,4,5]], fontsize=8)
+    ax1.set_ylim(0, 6)
+    ax1.set_title("Estado de Ánimo: Antes vs Después por Participante", fontsize=13, fontweight="bold", pad=12)
+    ax1.set_xlabel("Participante")
+    ax1.set_ylabel("Nivel de Ánimo (Likert 1–5)")
+    ax1.legend(loc="upper left")
+    ax1.spines[["top","right"]].set_visible(False)
+    ax1.grid(axis="y", alpha=0.3)
+    fig1.tight_layout()
+
+    # ── GRÁFICA 2: ΔÁnimo por nivel de ejercicio (boxplot + puntos) ──
+    fig2, ax2 = plt.subplots(figsize=(7, 5))
+    niveles_presentes = sorted(df["Ejercicio"].dropna().unique().astype(int))
+    data_box  = [df[df["Ejercicio"] == n]["Delta_Animo"].values for n in niveles_presentes]
+    etiquetas = [f"{n}\n{EJER_NOMBRE.get(n,'')}" for n in niveles_presentes]
+    bp = ax2.boxplot(data_box, patch_artist=True, widths=0.45,
+                     medianprops=dict(color="black", linewidth=2))
+    for patch, niv in zip(bp["boxes"], niveles_presentes):
+        patch.set_facecolor(COLORES.get(niv, "#aaa"))
+        patch.set_alpha(0.7)
+    for i, (niv, datos) in enumerate(zip(niveles_presentes, data_box), 1):
+        jitter = np.random.uniform(-0.15, 0.15, size=len(datos))
+        ax2.scatter([i + j for j in jitter], datos,
+                    color=COLORES.get(niv, "#aaa"), s=50, zorder=5, edgecolors="white", linewidths=0.5)
+    ax2.axhline(0, color="#e74c3c", linestyle="--", linewidth=1.2, alpha=0.7, label="Sin cambio (Δ=0)")
+    ax2.set_xticks(range(1, len(niveles_presentes)+1))
+    ax2.set_xticklabels(etiquetas, fontsize=9)
+    ax2.set_title("Cambio en Ánimo (ΔÁnimo) según Nivel de Ejercicio", fontsize=13, fontweight="bold", pad=12)
+    ax2.set_xlabel("Nivel de Ejercitación")
+    ax2.set_ylabel("ΔÁnimo (puntos Likert)")
+    ax2.legend(fontsize=9)
+    ax2.spines[["top","right"]].set_visible(False)
+    ax2.grid(axis="y", alpha=0.3)
+    fig2.tight_layout()
+
+    # ── GRÁFICA 3: Proporción de mejora / sin cambio / descenso ──
+    fig3, ax3 = plt.subplots(figsize=(6, 5))
+    mejora   = (df["Delta_Animo"] > 0).sum()
+    igual    = (df["Delta_Animo"] == 0).sum()
+    descenso = (df["Delta_Animo"] < 0).sum()
+    total    = len(df)
+    cats   = []
+    vals   = []
+    colors = []
+    labels_pie = []
+    for label, val, col in [("Mejora ", mejora, "#27ae60"),
+                             ("Sin cambio ", igual, "#f1c40f"),
+                             ("Descenso ", descenso, "#e74c3c")]:
+        if val > 0:
+            cats.append(label); vals.append(val)
+            colors.append(col)
+            labels_pie.append(f"{label}\n{val} participantes\n({val/total*100:.0f}%)")
+    wedges, texts = ax3.pie(vals, colors=colors, startangle=90,
+                            wedgeprops=dict(width=0.55, edgecolor="white", linewidth=2))
+    ax3.legend(wedges, labels_pie, loc="lower center",
+               bbox_to_anchor=(0.5, -0.18), ncol=len(vals), fontsize=9)
+    ax3.set_title("Distribución del Cambio en Estado de Ánimo", fontsize=13, fontweight="bold", pad=12)
+    centro = dict(ha="center", va="center", fontsize=14, fontweight="bold", color="#333")
+    ax3.text(0, 0, f"n={total}", **centro)
+    fig3.tight_layout()
+
+    pct_mejora = mejora / total * 100 if total > 0 else 0
+    resumen = (
+        f" **Resumen:** {total} participantes analizados — "
+        f"**{mejora} mejoraron** ({pct_mejora:.0f}%), "
+        f"{igual} sin cambio, {descenso} con descenso. "
+        f"ΔÁnimo promedio: **{df['Delta_Animo'].mean():+.2f} puntos**."
+    )
+
+    return fig_to_img(fig1), fig_to_img(fig2), fig_to_img(fig3), resumen
 with gr.Blocks(title="Ejercicio Físico y Estado de Ánimo | CONALEP") as app:
 
-    gr.Markdown("# 🏃 Experimento: ¿Cómo afecta el ejercicio físico al estado de ánimo?")
+    gr.Markdown("# Experimento: ¿Cómo afecta el ejercicio físico al estado de ánimo?")
     gr.Markdown(
         "**Hipótesis:** El nivel de ejercicio físico predice significativamente el cambio en el estado de ánimo, "
         "controlando capacidad pulmonar, oximetría, edad, talla y sexo.\n\n"
@@ -388,14 +508,14 @@ with gr.Blocks(title="Ejercicio Físico y Estado de Ánimo | CONALEP") as app:
             gr.Markdown("### Carga de datos")
             file_input  = gr.File(label="Subir CSV/Excel externo (opcional)",
                                   file_types=[".csv", ".xlsx"])
-            load_btn    = gr.Button("🔄 Entrenar con datos base (+ archivo si se subió)", variant="primary")
+            load_btn    = gr.Button(" Entrenar con datos base (+ archivo si se subió)", variant="primary")
             gr.Markdown("---")
             gr.Markdown(
                 "**¿Ya capturaste participantes?**\n\n"
                 "Usa el botón de abajo para reentrenar el modelo con los datos base "
                 "**más** todos los participantes que registraste en la Sección 3."
             )
-            retrain_btn = gr.Button("🧠 Reentrenar con datos base + CSV capturado", variant="secondary")
+            retrain_btn = gr.Button(" Reentrenar con datos base + CSV capturado", variant="secondary")
             status_out  = gr.Textbox(label="Estado del modelo", value=init_msg, interactive=False)
             n_part_out  = gr.Number(label="Total de participantes usados", value=init_count, interactive=False)
 
@@ -443,7 +563,7 @@ with gr.Blocks(title="Ejercicio Físico y Estado de Ánimo | CONALEP") as app:
             with gr.Row():
                 spo2_a_pred = gr.Number(label="Oximetría ANTES (%)", value=97.0, step=0.5)
                 spo2_d_pred = gr.Number(label="Oximetría DESPUÉS (%)", value=98.0, step=0.5)
-            btn_pred = gr.Button("🔮 Calcular ΔÁnimo Predicho", variant="primary")
+            btn_pred = gr.Button(" Calcular ΔÁnimo Predicho", variant="primary")
 
         with gr.Column():
             salida_pred = gr.Markdown(label="Resultado")
@@ -495,8 +615,8 @@ with gr.Blocks(title="Ejercicio Físico y Estado de Ánimo | CONALEP") as app:
                 )
 
             with gr.Row():
-                btn_guardar = gr.Button("💾 Guardar Participante", variant="primary")
-                btn_limpiar = gr.Button("🗑️ Borrar Todos los Registros")
+                btn_guardar = gr.Button(" Guardar Participante", variant="primary")
+                btn_limpiar = gr.Button(" Borrar Todos los Registros")
             msg_cap = gr.Textbox(label="Estado del registro", interactive=False)
 
         with gr.Column():
@@ -507,7 +627,7 @@ with gr.Blocks(title="Ejercicio Físico y Estado de Ánimo | CONALEP") as app:
                 interactive=False,
                 wrap=True
             )
-            btn_dl = gr.DownloadButton(label="⬇️ Descargar CSV", value=obtener_csv_path)
+            btn_dl = gr.DownloadButton(label=" Descargar CSV", value=obtener_csv_path)
 
     btn_guardar.click(
         guardar_participante,
@@ -521,7 +641,67 @@ with gr.Blocks(title="Ejercicio Físico y Estado de Ánimo | CONALEP") as app:
         inputs=None,
         outputs=[msg_cap, tabla_cap]
     )
+# ── SECCIÓN 4: GRÁFICAS ────────────────────────────────────────
+    gr.Markdown("---")
+    gr.Markdown("## 4. Gráficas de Mejora en el Estado de Ánimo")
+    gr.Markdown(
+        "Genera las gráficas con los participantes ya capturados. "
+        "Puedes actualizar en cualquier momento después de agregar más registros."
+    )
+    btn_graficas = gr.Button(" Generar Gráficas", variant="primary")
+    resumen_graf = gr.Markdown()
+    with gr.Row():
+        graf1 = gr.Image(label="Antes vs Después por participante", type="filepath")
+        graf2 = gr.Image(label="ΔÁnimo por nivel de ejercicio",     type="filepath")
+    graf3 = gr.Image(label="Distribución del cambio (dona)", type="filepath")
+     def guardar_y_graficar(*args):
+        """Guarda participante y actualiza gráficas automáticamente."""
+        msg, tabla = guardar_participante(*args)
+        f1, f2, f3, res = generar_graficas()
+        imgs = []
+        for buf in [f1, f2, f3]:
+            if buf:
+                path = f"/tmp/graf_{len(imgs)}.png"
+                with open(path, "wb") as fout:
+                    fout.write(buf.read())
+                imgs.append(path)
+            else:
+                imgs.append(None)
+        return msg, tabla, res, imgs[0], imgs[1], imgs[2]
 
+    btn_graficas.click(
+        lambda: _run_graficas(),
+        inputs=None,
+        outputs=[resumen_graf, graf1, graf2, graf3]
+    )
+
+    def _run_graficas():
+        f1, f2, f3, res = generar_graficas()
+        imgs = []
+        for buf in [f1, f2, f3]:
+            if buf:
+                import tempfile
+                tmp = tempfile.NamedTemporaryFile(delete=False, suffix=".png")
+                tmp.write(buf.read()); tmp.flush()
+                imgs.append(tmp.name)
+            else:
+                imgs.append(None)
+        return res, imgs[0], imgs[1], imgs[2]
+
+    btn_graficas.click(
+        _run_graficas,
+        inputs=None,
+        outputs=[resumen_graf, graf1, graf2, graf3]
+    )
+
+    # Reemplaza también el btn_guardar.click existente con este:
+    btn_guardar.click(
+        guardar_y_graficar,
+        inputs=[edad_cap, talla_cap, sexo_cap, ejercicio_cap,
+                cap_a_cap, cap_d_cap, spo2_a_cap, spo2_d_cap,
+                animo_a_cap, animo_d_cap],
+        outputs=[msg_cap, tabla_cap, resumen_graf, graf1, graf2, graf3]
+    )
     gr.Markdown("---")
     gr.Markdown(
         "*Basado en: Ruiz Cruz, EH (2026). Pensamiento científico auténtico mediante STEAM, "