Update app.py

app.py

@@ -11,11 +11,7 @@ import matplotlib.pyplot as plt
 import io
 
 # ─────────────────────────────────────────────
-# DATOS BASE (24 participantes hipotéticos)
-# ID, Edad, Talla(m), Sexo(0=M,1=H), Ejercicio(1-5),
-# CapPulm_Antes(L), CapPulm_Despues(L),
-# SpO2_Antes(%), SpO2_Despues(%),
-# Animo_Antes(1-5), Animo_Despues(1-5)
+# CONFIGURACIÓN Y DATOS BASE
 # ─────────────────────────────────────────────
 BASE_DATA = [
     [1,  17, 1.62, 0, 3, 2.8, 3.1, 97, 98, 3, 5],
@@ -60,27 +56,25 @@ COLUMNAS_CAPTURA = [
 ]
 
 EJERCICIO_LABELS = {
-    "1 – Sedentario (no hace ejercicio)": 1,
-    "2 – Ocasional (1 vez/semana)": 2,
-    "3 – Moderado (2-3 veces/semana)": 3,
-    "4 – Activo (4-5 veces/semana)": 4,
-    "5 – Muy activo (diario)": 5,
+    "1 - Sedentario (no hace ejercicio)": 1,
+    "2 - Ocasional (1 vez/semana)": 2,
+    "3 - Moderado (2-3 veces/semana)": 3,
+    "4 - Activo (4-5 veces/semana)": 4,
+    "5 - Muy activo (diario)": 5,
 }
 ANIMO_LABELS = {
-    "1 – Muy bajo": 1,
-    "2 – Bajo": 2,
-    "3 – Neutral": 3,
-    "4 – Alto": 4,
-    "5 – Muy alto": 5,
+    "1 - Muy bajo": 1,
+    "2 - Bajo": 2,
+    "3 - Neutral": 3,
+    "4 - Alto": 4,
+    "5 - Muy alto": 5,
 }
 
 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_EJER = {1: "#e74c3c", 2: "#e67e22", 3: "#f1c40f", 4: "#2ecc71", 5: "#27ae60"}
 
-import tempfile as _tf
-_DATA_DIR = "/data" if os.path.isdir("/data") else _tf.gettempdir()
-CSV_PATH = os.path.join(_DATA_DIR, "datos_animo_ejercicio.csv")
+CSV_PATH = "datos_animo_ejercicio.csv"
 
 estado = {
     "modelo": None,
@@ -91,11 +85,9 @@ estado = {
     "intercept": None,
 }
 
-
 # ─────────────────────────────────────────────
 # LÓGICA DEL MODELO
 # ─────────────────────────────────────────────
-
 def calcular_deltas(df):
     df = df.copy()
     df["Delta_Animo"]   = df["Animo_Despues"]   - df["Animo_Antes"]
@@ -103,7 +95,6 @@ def calcular_deltas(df):
     df["Delta_SpO2"]    = df["SpO2_Despues"]    - df["SpO2_Antes"]
     return df
 
-
 def entrenar_modelo(df):
     df = calcular_deltas(df)
     X = df[["Ejercicio", "Delta_CapPulm", "Delta_SpO2", "Edad", "Talla_m", "Sexo"]].values
@@ -112,7 +103,6 @@ def entrenar_modelo(df):
     r2 = r2_score(y, modelo.predict(X))
     return modelo, r2, df
 
-
 def _construir_salidas_modelo(df, df_delta, modelo, r2, fuente):
     estado["modelo"]    = modelo
     estado["df"]        = df_delta
@@ -160,14 +150,13 @@ def _construir_salidas_modelo(df, df_delta, modelo, r2, fuente):
     ]]
 
     return (
-        f" Modelo entrenado con {len(df)} participantes. Fuente: {fuente}",
+        f"Modelo entrenado con {len(df)} participantes. Fuente: {fuente}",
         len(df),
         tabla,
         ecuacion,
         coef_md,
     )
 
-
 def _csv_capturado_a_df():
     if not os.path.exists(CSV_PATH):
         return None, "No hay datos capturados en el CSV todavía."
@@ -192,7 +181,6 @@ def _csv_capturado_a_df():
     except Exception as e:
         return None, f"Error leyendo el CSV: {e}"
 
-
 def cargar_y_entrenar(file_obj=None):
     df = pd.DataFrame(BASE_DATA, columns=COLUMNS)
 
@@ -217,21 +205,20 @@ def cargar_y_entrenar(file_obj=None):
             df = pd.concat([df, df_new], ignore_index=True)
             fuente = f"datos base (24 reg.) + archivo subido ({len(df_new)} reg.)"
         except Exception as e:
-            return f" Error al procesar el archivo: {e}", 0, pd.DataFrame(), "", ""
+            return f"Error al procesar el archivo: {e}", 0, pd.DataFrame(), "", ""
     else:
         fuente = "datos base únicamente"
 
     modelo, r2, df_delta = entrenar_modelo(df)
     return _construir_salidas_modelo(df, df_delta, modelo, r2, fuente)
 
-
 def reentrenar_con_csv():
     df_base = pd.DataFrame(BASE_DATA, columns=COLUMNS)
     df_csv, err = _csv_capturado_a_df()
 
     if err:
         return (
-            f"Error {err}",
+            f"Error: {err}",
             len(df_base),
             pd.DataFrame(),
             "— Entrena primero el modelo —",
@@ -244,15 +231,13 @@ def reentrenar_con_csv():
     fuente = f"datos base (24 reg.) + CSV capturado ({len(df_csv)} reg.)"
     return _construir_salidas_modelo(df_combined, df_delta, modelo, r2, fuente)
 
-
 # ─────────────────────────────────────────────
 # PREDICCIÓN
 # ─────────────────────────────────────────────
-
 def predecir(ejercicio_label, edad, talla, sexo,
              cap_antes, cap_despues, spo2_antes, spo2_despues):
     if not estado["entrenado"]:
-        return " El modelo no ha sido entrenado. Haz clic en 'Cargar y Entrenar'."
+        return "El modelo no ha sido entrenado. Haz clic en 'Entrenar'."
 
     ejer_val   = EJERCICIO_LABELS.get(ejercicio_label, 1)
     sexo_val   = 1 if sexo == "Hombre" else 0
@@ -265,18 +250,18 @@ def predecir(ejercicio_label, edad, talla, sexo,
     b0    = estado["intercept"]
 
     if pred >= 1.5:
-        interp = " **Mejora notable del ánimo** — se espera un aumento significativo."
+        interp = "Mejora notable del ánimo — se espera un aumento significativo."
     elif pred >= 0.5:
-        interp = " **Ligera mejora del ánimo** — cambio positivo moderado."
+        interp = "Ligera mejora del ánimo — cambio positivo moderado."
     elif pred >= -0.5:
-        interp = " **Sin cambio relevante** — el ánimo se mantiene similar."
+        interp = "Sin cambio relevante — el ánimo se mantiene similar."
     else:
-        interp = " **Posible descenso del ánimo** — revisar variables de contexto."
+        interp = "Posible descenso del ánimo — revisar variables de contexto."
 
     hip = (
-        " **H₁ apoyada:** el ejercicio predice positivamente el ánimo."
+        "H1 apoyada: el ejercicio predice positivamente el ánimo."
         if c[0] > 0 else
-        " **H₁ no apoyada:** el coeficiente de ejercicio es negativo en este modelo."
+        "H1 no apoyada: el coeficiente de ejercicio es negativo en este modelo."
     )
 
     return (
@@ -298,11 +283,9 @@ def predecir(ejercicio_label, edad, talla, sexo,
         f"**Hipótesis:** {hip}"
     )
 
-
 # ─────────────────────────────────────────────
 # CAPTURA DE PARTICIPANTES
 # ─────────────────────────────────────────────
-
 def obtener_siguiente_id():
     if os.path.exists(CSV_PATH):
         try:
@@ -313,7 +296,6 @@ def obtener_siguiente_id():
             pass
     return 1
 
-
 def obtener_tabla_csv():
     if os.path.exists(CSV_PATH):
         try:
@@ -322,18 +304,15 @@ def obtener_tabla_csv():
             pass
     return pd.DataFrame(columns=COLUMNAS_CAPTURA)
 
-
 def obtener_csv_path():
     if not os.path.exists(CSV_PATH):
         pd.DataFrame(columns=COLUMNAS_CAPTURA).to_csv(CSV_PATH, index=False)
     return 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)
 
 def guardar_participante(edad, talla, sexo, ejercicio_label,
                          cap_antes, cap_despues,
@@ -347,7 +326,7 @@ def guardar_participante(edad, talla, sexo, ejercicio_label,
     if not (0 < cap_antes <= 10):       errores.append("Cap. Pulmonar Antes fuera de rango (0-10 L).")
     if not (0 < cap_despues <= 10):     errores.append("Cap. Pulmonar Después fuera de rango (0-10 L).")
     if errores:
-        return "⚠️ " + " | ".join(errores), obtener_tabla_csv()
+        return "Error: " + " | ".join(errores), obtener_tabla_csv()
 
     sexo_val    = 1 if sexo == "Hombre" else 0
     ejer_val    = EJERCICIO_LABELS.get(ejercicio_label, 1)
@@ -372,20 +351,19 @@ def guardar_participante(edad, talla, sexo, ejercicio_label,
     }
 
     df_nuevo = pd.DataFrame([nueva_fila], columns=COLUMNAS_CAPTURA)
-    if os.path.exists(CSV_PATH):
-        df_nuevo.to_csv(CSV_PATH, mode="a", header=False, index=False)
-    else:
-        df_nuevo.to_csv(CSV_PATH, mode="w", header=True, index=False)
-
-    return f" Participante {nueva_fila['ID']} guardado.", obtener_tabla_csv()
-
+    try:
+        modo = "a" if os.path.exists(CSV_PATH) else "w"
+        with open(CSV_PATH, mode=modo, newline="", encoding="utf-8") as f:
+            df_nuevo.to_csv(f, header=(modo == "w"), index=False)
+        return f"Participante {nueva_fila['ID']} guardado.", obtener_tabla_csv()
+    except Exception as e:
+        print(f"Error guardando CSV: {e}")
+        return f"Error al guardar: {e}", obtener_tabla_csv()
 
 # ─────────────────────────────────────────────
 # GRÁFICAS
 # ─────────────────────────────────────────────
-
 def _buf_a_tempfile(buf):
-    """Guarda un BytesIO en un archivo temporal y devuelve la ruta."""
     if buf is None:
         return None
     tmp = tempfile.NamedTemporaryFile(delete=False, suffix=".png")
@@ -394,25 +372,23 @@ def _buf_a_tempfile(buf):
     tmp.close()
     return tmp.name
 
-
 def generar_graficas():
-    """Devuelve (path1, path2, path3, resumen_md) con las 3 gráficas."""
     VACIO = (None, None, None,
-             " No hay datos capturados todavía. Registra participantes en la Sección 3.")
+             "No hay datos capturados todavía. Registra participantes en la Sección 3.")
 
     if not os.path.exists(CSV_PATH):
         return VACIO
     try:
         df = pd.read_csv(CSV_PATH)
     except Exception as e:
-        return None, None, None, f" Error leyendo CSV: {e}"
+        return None, None, None, f"Error leyendo CSV: {e}"
 
     if df.empty or "Animo_Antes" not in df.columns:
         return VACIO
 
     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."
+        return None, None, None, "Se necesitan al menos 2 participantes para graficar."
 
     def save_fig(fig):
         buf = io.BytesIO()
@@ -421,12 +397,12 @@ def generar_graficas():
         plt.close(fig)
         return _buf_a_tempfile(buf)
 
-    # ── Gráfica 1: Barras Antes vs Después por participante ──────────
+    # Gráfica 1: Barras Antes vs Después por participante
     fig1, ax1 = plt.subplots(figsize=(max(8, len(df) * 0.65), 5))
     ids = [f"P{int(i)}" for i in df["ID"]]
     x, w = range(len(df)), 0.35
-    ax1.bar([i - w / 2 for i in x], df["Animo_Antes"],   w,
-            label="Antes",   color="#5b8dd9", alpha=0.85)
+    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"]):
@@ -438,19 +414,19 @@ def generar_graficas():
     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_yticklabels([f"{v} - {ANIMO_NOMBRE[v]}" for v in [1, 2, 3, 4, 5]], fontsize=8)
     ax1.set_ylim(0, 6.2)
     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.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()
     path1 = save_fig(fig1)
 
-    # ── Gráfica 2: Boxplot ΔÁnimo por nivel de ejercicio ─────────────
+    # Gráfica 2: Boxplot ΔÁnimo por nivel de ejercicio
     fig2, ax2 = plt.subplots(figsize=(7, 5))
     niveles = sorted(df["Ejercicio"].dropna().unique().astype(int))
     data_box = [df[df["Ejercicio"] == n]["Delta_Animo"].values for n in niveles]
@@ -479,7 +455,7 @@ def generar_graficas():
     fig2.tight_layout()
     path2 = save_fig(fig2)
 
-    # ── Gráfica 3: Dona con proporción mejora / igual / descenso ─────
+    # Gráfica 3: Dona con proporción mejora / igual / descenso
     fig3, ax3 = plt.subplots(figsize=(6, 5))
     total    = len(df)
     mejora   = int((df["Delta_Animo"] > 0).sum())
@@ -487,9 +463,9 @@ def generar_graficas():
     descenso = int((df["Delta_Animo"] < 0).sum())
 
     vals, colors, labels_pie = [], [], []
-    for lbl, val, col in [("Mejora ", mejora, "#27ae60"),
-                           ("Sin cambio ", igual, "#f1c40f"),
-                           ("Descenso ", descenso, "#e74c3c")]:
+    for lbl, val, col in [("Mejora", mejora, "#27ae60"),
+                           ("Sin cambio", igual, "#f1c40f"),
+                           ("Descenso", descenso, "#e74c3c")]:
         if val > 0:
             vals.append(val)
             colors.append(col)
@@ -508,18 +484,13 @@ def generar_graficas():
 
     pct = mejora / total * 100 if total > 0 else 0
     resumen = (
-        f" **Resumen:** {total} participantes analizados — "
+        f"Resumen: {total} participantes analizados — "
         f"**{mejora} mejoraron** ({pct:.0f}%), "
         f"{igual} sin cambio, {descenso} con descenso. "
         f"ΔÁnimo promedio: **{df['Delta_Animo'].mean():+.2f} puntos**."
     )
     return path1, path2, path3, resumen
 
-
-# ─────────────────────────────────────────────
-# FUNCIONES COMBINADAS (guardar + graficar)
-# ─────────────────────────────────────────────
-
 def guardar_y_graficar(edad, talla, sexo, ejercicio_label,
                        cap_antes, cap_despues,
                        spo2_antes, spo2_despues,
@@ -533,26 +504,23 @@ def guardar_y_graficar(edad, talla, sexo, ejercicio_label,
     p1, p2, p3, resumen = generar_graficas()
     return msg, tabla, resumen, p1, p2, p3
 
-
 # ─────────────────────────────────────────────
 # INICIALIZACIÓN
 # ────────────────────────────���────────────────
 init_msg, init_count, init_df, init_ec, init_coef = cargar_y_entrenar()
 
-
 # ─────────────────────────────────────────────
 # INTERFAZ
 # ─────────────────────────────────────────────
 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"
-        "**Variable dependiente:** ΔÁnimo = Ánimo_después − Ánimo_antes (escala Likert 1–5)"
+        "**Variable dependiente:** ΔÁnimo = Ánimo_después − Ánimo_antes (escala Likert 1-5)"
     )
 
-    # ── SECCIÓN 1: MODELO ─────────────────────────────────────────
+    # SECCIÓN 1: MODELO
     gr.Markdown("---")
     gr.Markdown("## 1. Modelo de Regresión Lineal Múltiple")
 
@@ -561,7 +529,7 @@ 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)",
+            load_btn    = gr.Button("Entrenar con datos base (+ archivo si se subió)",
                                     variant="primary")
             gr.Markdown("---")
             gr.Markdown(
@@ -569,7 +537,7 @@ with gr.Blocks(title="Ejercicio Físico y Estado de Ánimo | CONALEP") as app:
                 "Usa el botón de abajo para reentrenar el modelo con los datos base "
                 "**más** todos los participantes registrados en la Sección 3."
             )
-            retrain_btn = gr.Button(" Reentrenar con datos base + CSV capturado",
+            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",
@@ -596,7 +564,7 @@ with gr.Blocks(title="Ejercicio Físico y Estado de Ánimo | CONALEP") as app:
         outputs=[status_out, n_part_out, data_table, ecuacion_out, coef_out]
     )
 
-    # ── SECCIÓN 2: PREDICCIÓN ──────────────────────────────────────
+    # SECCIÓN 2: PREDICCIÓN
     gr.Markdown("---")
     gr.Markdown("## 2. Realizar una Predicción")
     gr.Markdown("Ingresa el perfil de un participante para predecir su cambio esperado en el ánimo.")
@@ -620,7 +588,7 @@ 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")
@@ -632,7 +600,7 @@ with gr.Blocks(title="Ejercicio Físico y Estado de Ánimo | CONALEP") as app:
         outputs=salida_pred
     )
 
-    # ── SECCIÓN 3: CAPTURA ─────────────────────────────────────────
+    # SECCIÓN 3: CAPTURA
     gr.Markdown("---")
     gr.Markdown("## 3. Registro de Participantes")
     gr.Markdown("Captura los datos de cada participante antes y después de la actividad física.")
@@ -675,8 +643,8 @@ with gr.Blocks(title="Ejercicio Físico y Estado de Ánimo | CONALEP") as app:
                     value=list(ANIMO_LABELS.keys())[3]
                 )
             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():
@@ -687,25 +655,40 @@ 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.Button("Descargar CSV")
+            archivo_dl = gr.File(label="Archivo generado", visible=False)
 
-    # ── SECCIÓN 4: GRÁFICAS ────────────────────────────────────────
+    # SECCIÓN 4: GRÁFICAS
     gr.Markdown("---")
     gr.Markdown("## 4. Gráficas de Mejora en el Estado de Ánimo")
     gr.Markdown(
         "Las gráficas se actualizan automáticamente al guardar cada participante. "
         "También puedes generarlas manualmente con el botón."
     )
-    btn_graficas  = gr.Button(" Generar / Actualizar Gráficas", variant="secondary")
+    btn_graficas  = gr.Button("Generar / Actualizar Gráficas", variant="secondary")
     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")
+        graf2 = gr.Image(label="ΔÁnimo por nivel de ejercicio", type="filepath")
+    graf3 = gr.Image(label="Distribución del cambio (dona)", type="filepath")
+
+    # EVENTOS
+    def descargar_csv():
+        if os.path.exists(CSV_PATH):
+            try:
+                df = pd.read_csv(CSV_PATH)
+                if not df.empty:
+                    tmp = tempfile.NamedTemporaryFile(
+                        delete=False, suffix=".csv",
+                        prefix="datos_animo_ejercicio_"
+                    )
+                    df.to_csv(tmp.name, index=False)
+                    tmp.close()
+                    return gr.File(value=tmp.name, visible=True)
+            except Exception as e:
+                print(f"Error descarga: {e}")
+        return gr.File(visible=False)
 
-    # ── EVENTOS ────────────────────────────────────────────────────
-
-    # Guardar → actualiza tabla + gráficas automáticamente
     btn_guardar.click(
         guardar_y_graficar,
         inputs=[edad_cap, talla_cap, sexo_cap, ejercicio_cap,
@@ -714,14 +697,18 @@ with gr.Blocks(title="Ejercicio Físico y Estado de Ánimo | CONALEP") as app:
         outputs=[msg_cap, tabla_cap, resumen_graf, graf1, graf2, graf3]
     )
 
-    # Borrar registros
     btn_limpiar.click(
         limpiar_csv,
         inputs=None,
         outputs=[msg_cap, tabla_cap]
     )
 
-    # Generar gráficas manualmente
+    btn_dl.click(
+        descargar_csv,
+        inputs=None,
+        outputs=archivo_dl
+    )
+
     btn_graficas.click(
         generar_graficas,
         inputs=None,