Update app.py

app.py

@@ -5,6 +5,8 @@ import seaborn as sns
 import io
 import base64
 from PIL import Image
+import numpy as np
+from datetime import datetime
 
 # Configuración de la página
 st.set_page_config(
@@ -17,7 +19,7 @@ st.set_page_config(
 st.title("📊 Visualizador de Datos")
 st.markdown("### Carga tu archivo CSV o Excel y crea visualizaciones personalizadas")
 
-# Función para cargar el archivo
+# Función para cargar el archivo y procesar fechas
 def load_data():
     uploaded_file = st.file_uploader("Carga tu archivo CSV o Excel", type=["csv", "xlsx", "xls"])
     
@@ -29,45 +31,102 @@ def load_data():
             else:
                 data = pd.read_excel(uploaded_file)
             
+            # Procesar la columna de fecha si existe
+            if 'HML_TXDATE' in data.columns:
+                try:
+                    # Convertir a datetime
+                    data['HML_TXDATE'] = pd.to_datetime(data['HML_TXDATE'])
+                    
+                    # Extraer el día de la semana
+                    data['DIA_SEMANA'] = data['HML_TXDATE'].dt.day_name()
+                    
+                    # Crear una columna con el formato español (opcional)
+                    dias_esp = {
+                        'Monday': 'Lunes',
+                        'Tuesday': 'Martes',
+                        'Wednesday': 'Miércoles',
+                        'Thursday': 'Jueves',
+                        'Friday': 'Viernes',
+                        'Saturday': 'Sábado',
+                        'Sunday': 'Domingo'
+                    }
+                    data['DIA_SEMANA_ESP'] = data['DIA_SEMANA'].map(dias_esp)
+                    
+                    # Extraer otras componentes de tiempo útiles
+                    data['HORA'] = data['HML_TXDATE'].dt.hour
+                    data['MES'] = data['HML_TXDATE'].dt.month
+                    data['AÑO'] = data['HML_TXDATE'].dt.year
+                    
+                    st.success("✅ Columna de fecha 'HML_TXDATE' procesada correctamente")
+                except Exception as e:
+                    st.warning(f"No se pudo procesar la columna de fecha: {e}")
+            
             return data
         except Exception as e:
             st.error(f"Error al cargar el archivo: {e}")
             return None
     return None
 
-# Función para generar gráficos
-def create_plot(data, x_col, y_col, plot_type):
-    fig, ax = plt.subplots(figsize=(10, 6))
+# Función para generar gráficos basados en conteos
+def create_count_plot(data, x_col, plot_type):
+    fig, ax = plt.subplots(figsize=(12, 6))
     
-    if plot_type == "Barras":
-        sns.barplot(x=x_col, y=y_col, data=data, ax=ax)
-    elif plot_type == "Barras (Count)":
-        # Crear conteo de valores
-        count_data = data[x_col].value_counts().reset_index()
-        count_data.columns = [x_col, 'count']
-        sns.barplot(x=x_col, y='count', data=count_data, ax=ax)
-        plt.ylabel('Frecuencia')
-    elif plot_type == "Líneas":
-        sns.lineplot(x=x_col, y=y_col, data=data, ax=ax)
-    elif plot_type == "Dispersión":
-        sns.scatterplot(x=x_col, y=y_col, data=data, ax=ax)
-    elif plot_type == "Histograma":
-        sns.histplot(data[x_col], ax=ax)
-        plt.xlabel(x_col)
-    elif plot_type == "Boxplot":
-        sns.boxplot(x=x_col, y=y_col, data=data, ax=ax)
-    elif plot_type == "Violín":
-        sns.violinplot(x=x_col, y=y_col, data=data, ax=ax)
-    elif plot_type == "Pastel":
-        data[x_col].value_counts().plot.pie(autopct='%1.1f%%', ax=ax)
-        plt.ylabel('')
-    elif plot_type == "Mapa de calor":
-        if len(data) > 100:
-            sample_data = data.sample(100)
-        else:
-            sample_data = data
-        correlation = sample_data.select_dtypes(include=['float64', 'int64']).corr()
-        sns.heatmap(correlation, annot=True, cmap='coolwarm', ax=ax)
+    # Preparar datos de conteo
+    if x_col in data.columns:
+        # Eliminar valores nulos para el conteo
+        valid_data = data[x_col].dropna()
+        
+        if plot_type == "Barras":
+            # Contar valores y ordenar por frecuencia
+            count_data = valid_data.value_counts().reset_index()
+            count_data.columns = [x_col, 'count']
+            
+            # Ordenar por conteo de mayor a menor
+            count_data = count_data.sort_values('count', ascending=False)
+            
+            # Limitar a los 20 valores más frecuentes para mejor visualización
+            if len(count_data) > 20:
+                count_data = count_data.head(20)
+                plt.title(f"Top 20 valores más frecuentes - {x_col}")
+            else:
+                plt.title(f"Frecuencia de valores - {x_col}")
+            
+            # Crear gráfico de barras
+            sns.barplot(x=x_col, y='count', data=count_data, ax=ax)
+            plt.xticks(rotation=45, ha='right')
+            plt.ylabel('Frecuencia')
+            plt.tight_layout()
+            
+        elif plot_type == "Pastel":
+            # Contar valores
+            counts = valid_data.value_counts()
+            
+            # Si hay muchos valores únicos, mostrar solo los top 10
+            if len(counts) > 10:
+                # Guardar el resto como "Otros"
+                otros = pd.Series({'Otros': counts[10:].sum()})
+                counts = pd.concat([counts[:10], otros])
+                plt.title(f"Top 10 valores más frecuentes - {x_col}")
+            else:
+                plt.title(f"Distribución de valores - {x_col}")
+            
+            # Crear gráfico de pastel
+            counts.plot.pie(autopct='%1.1f%%', ax=ax)
+            plt.ylabel('')
+            
+        elif plot_type == "Histograma":
+            # Solo aplicable a datos numéricos
+            if pd.api.types.is_numeric_dtype(valid_data):
+                sns.histplot(valid_data, kde=True, ax=ax)
+                plt.xlabel(x_col)
+                plt.ylabel('Frecuencia')
+                plt.title(f"Distribución de {x_col}")
+            else:
+                plt.text(0.5, 0.5, "El histograma solo es aplicable a datos numéricos", 
+                         ha='center', va='center', transform=ax.transAxes)
+    else:
+        plt.text(0.5, 0.5, f"Columna '{x_col}' no encontrada en el dataset", 
+                 ha='center', va='center', transform=ax.transAxes)
     
     plt.tight_layout()
     return fig
@@ -98,55 +157,59 @@ def main():
         with col2:
             st.info(f"Número de columnas: {data.shape[1]}")
         
+        # Mostrar lista de columnas disponibles
+        st.subheader("Columnas disponibles")
+        all_cols = data.columns.tolist()
+        
+        # Identificar tipo de datos para cada columna
+        col_types = {}
+        for col in all_cols:
+            if pd.api.types.is_numeric_dtype(data[col]):
+                col_types[col] = "Numérico"
+            elif pd.api.types.is_datetime64_dtype(data[col]):
+                col_types[col] = "Fecha/Hora"
+            else:
+                col_types[col] = "Texto/Categórico"
+        
+        # Mostrar tipos de columnas
+        col_type_df = pd.DataFrame(list(col_types.items()), columns=['Columna', 'Tipo'])
+        st.dataframe(col_type_df)
+        
         # Selección de columnas y tipo de gráfico
         st.subheader("Crear visualización")
         
-        col1, col2, col3 = st.columns(3)
+        col1, col2 = st.columns(2)
         
         with col1:
+            # Visualizaciones basadas en conteo
             plot_type = st.selectbox(
                 "Tipo de gráfico", 
-                ["Barras", "Barras (Count)", "Líneas", "Dispersión", "Histograma", "Boxplot", "Violín", "Pastel", "Mapa de calor"]
+                ["Barras", "Pastel", "Histograma"]
             )
         
-        # Opciones de columnas basadas en el tipo de gráfico
-        numeric_cols = data.select_dtypes(include=['float64', 'int64']).columns.tolist()
-        categorical_cols = data.select_dtypes(include=['object']).columns.tolist()
-        all_cols = data.columns.tolist()
-        
         with col2:
-            if plot_type == "Histograma":
-                x_col = st.selectbox("Selecciona la columna para el histograma", numeric_cols)
-                y_col = None
-            elif plot_type == "Mapa de calor":
-                x_col = "Correlación"
-                y_col = "Correlación"
-            elif plot_type == "Pastel":
-                x_col = st.selectbox("Selecciona la columna para el gráfico de pastel", categorical_cols if categorical_cols else all_cols)
-                y_col = None
-            elif plot_type == "Barras (Count)":
-                x_col = st.selectbox("Selecciona la columna para contar frecuencias", all_cols)
-                y_col = "count"  # Valor especial para indicar que se usará conteo
+            # Mostrar opciones especiales para día de la semana si existe
+            if 'DIA_SEMANA_ESP' in data.columns:
+                use_day_of_week = st.checkbox("¿Analizar por día de la semana?")
+                if use_day_of_week:
+                    x_col = "DIA_SEMANA_ESP"
+                else:
+                    x_col = st.selectbox("Selecciona la columna para analizar", all_cols)
             else:
-                x_options = categorical_cols + numeric_cols if categorical_cols else all_cols
-                x_col = st.selectbox("Selecciona la columna para el eje X", x_options)
-        
-        with col3:
-            if plot_type not in ["Histograma", "Pastel", "Mapa de calor", "Barras (Count)"]:
-                y_col = st.selectbox("Selecciona la columna para el eje Y", numeric_cols if numeric_cols else all_cols)
+                x_col = st.selectbox("Selecciona la columna para analizar", all_cols)
         
         # Crear gráfico
         if st.button("Generar visualización"):
             try:
                 st.subheader("Visualización")
-                fig = create_plot(data, x_col, y_col, plot_type)
+                fig = create_count_plot(data, x_col, plot_type)
                 st.pyplot(fig)
                 
                 # Botón para descargar la imagen
                 st.markdown(
                     get_image_download_link(
                         fig, 
-                        f"{plot_type}_{x_col}_{y_col if y_col else ''}", 
+                        f"{plot_type}_{x_col}", 
                         "📥 Descargar imagen"
                     ), 
                     unsafe_allow_html=True
@@ -154,7 +217,7 @@ def main():
                 
             except Exception as e:
                 st.error(f"Error al generar el gráfico: {e}")
-                st.info("Sugerencia: Verifica que las columnas seleccionadas sean compatibles con el tipo de gráfico.")
+                st.info("Sugerencia: Verifica que la columna seleccionada sea compatible con el tipo de gráfico.")
 
 # Ejecutar la aplicación
 if __name__ == "__main__":