app.py

#!/usr/bin/env python
# coding: utf-8

# In[ ]:


import os
import pandas as pd
import pickle
import gradio as gr
import numpy as np
import pandas as pd
import base64

# Carga modelo
with open("modelo_random_forest.pkl", "rb") as file:
    model = pickle.load(file)

# Carga datos
ruta_datos = "datos_premier_consolidado.csv"
df = pd.read_csv(ruta_datos, encoding="utf-8", delimiter=";")

RUTA_ESCUDOS = "ESCUDOS"

estadios = {
  'Arsenal': {'estadio': 'Emirates Stadium', 'capacidad': 60383},
    'Aston Villa': {'estadio': 'Villa Park', 'capacidad': 42824},
    'Birmingham': {'estadio': 'St Andrew\'s', 'capacidad': 29409},
    'Blackburn': {'estadio': 'Ewood Park', 'capacidad': 31367},
    'Blackpool': {'estadio': 'Bloomfield Road', 'capacidad': 16750},
    'Bolton': {'estadio': 'University of Bolton Stadium', 'capacidad': 28723},
    'Bournemouth': {'estadio': 'Vitality Stadium', 'capacidad': 11307},
    'Brentford': {'estadio': 'Gtech Community Stadium', 'capacidad': 17250},
    'Brighton': {'estadio': 'American Express Community Stadium', 'capacidad': 31872},
    'Burnley': {'estadio': 'Turf Moor', 'capacidad': 22546},
    'Cardiff': {'estadio': 'Cardiff City Stadium', 'capacidad': 33280},
    'Charlton': {'estadio': 'The Valley', 'capacidad': 27111},
    'Chelsea': {'estadio': 'Stamford Bridge', 'capacidad': 41841},
    'Crystal Palace': {'estadio': 'Selhurst Park', 'capacidad': 26309},
    'Derby': {'estadio': 'Pride Park Stadium', 'capacidad': 33597},
    'Everton': {'estadio': 'Goodison Park', 'capacidad': 40569},
    'Fulham': {'estadio': 'Craven Cottage', 'capacidad': 25700},
    'Huddersfield': {'estadio': 'John Smith\'s Stadium', 'capacidad': 24500},
    'Hull': {'estadio': 'MKM Stadium', 'capacidad': 25400},
    'Leeds': {'estadio': 'Elland Road', 'capacidad': 40204},
    'Leicester': {'estadio': 'King Power Stadium', 'capacidad': 34310},
    'Liverpool': {'estadio': 'Anfield', 'capacidad': 61276},
    'Luton': {'estadio': 'Kenilworth Road', 'capacidad': 10356},
    'Man City': {'estadio': 'Etihad Stadium', 'capacidad': 55097},
    'Man United': {'estadio': 'Old Trafford', 'capacidad': 76212},
    'Middlesbrough': {'estadio': 'Riverside Stadium', 'capacidad': 34988},
    'Newcastle': {'estadio': 'St. James\' Park', 'capacidad': 52758},
    'Norwich': {'estadio': 'Carrow Road', 'capacidad': 27606},
    "Nott'm Forest": {'estadio': 'The City Ground', 'capacidad': 30576},
    'Portsmouth': {'estadio': 'Fratton Park', 'capacidad': 20821},
    'QPR': {'estadio': 'Loftus Road', 'capacidad': 18360},
    'Reading': {'estadio': 'Select Car Leasing Stadium', 'capacidad': 24200},
    'Sheffield United': {'estadio': 'Bramall Lane', 'capacidad': 32702},
    'Southampton': {'estadio': 'St. Mary\'s Stadium', 'capacidad': 32689},
    'Stoke': {'estadio': 'bet365 Stadium', 'capacidad': 30089},
    'Sunderland': {'estadio': 'Stadium of Light', 'capacidad': 49000},
    'Swansea': {'estadio': 'Swansea.com Stadium', 'capacidad': 21028},
    'Tottenham': {'estadio': 'Tottenham Hotspur Stadium', 'capacidad': 62850},
    'Watford': {'estadio': 'Vicarage Road', 'capacidad': 22200},
    'West Brom': {'estadio': 'The Hawthorns', 'capacidad': 28003},
    'West Ham': {'estadio': 'London Stadium', 'capacidad': 60000},
    'Wigan': {'estadio': 'DW Stadium', 'capacidad': 25138},
    'Wolves': {'estadio': 'Molineux Stadium', 'capacidad': 34674},
    'Coventry': {'estadio': 'Coventry Building Society Arena', 'capacidad': 32609},
    'Bradford': {'estadio': 'Valley Parade', 'capacidad': 25136}
    # Añadir todos los demás estadios aquí
}



# Funciones auxiliares
def obtener_escudo(equipo):
    ruta = os.path.join(RUTA_ESCUDOS, f"{equipo}.png")
    if os.path.exists(ruta):
        with open(ruta, "rb") as img_file:
            img_base64 = base64.b64encode(img_file.read()).decode('utf-8')
        return f"<img src='data:image/png;base64,{img_base64}' width='80' height='80' style='margin:0px;'>"
    else:
        return f"<p style='color:red;'>Escudo no encontrado</p>"

def asignar_color_resultado(local, visitante):
    if local > visitante:
        return "green"
    elif local < visitante:
        return "red"
    else:
        return "blue"

# Tu función corregida y definitiva

# Diccionario global para almacenar predicciones de partidos
predicciones_guardadas = {}

def predecir(equipo_local, equipo_visitante):
    global predicciones_guardadas  # Para modificar la variable global
    
    clave_partido = (equipo_local, equipo_visitante)

    # ✅ Si la predicción ya existe, usarla
    if clave_partido in predicciones_guardadas:
        prob_max, resultado_max, resultado_html, estadisticas_html, tabla_historial_html = predicciones_guardadas[clave_partido]
    else:
        # ✅ Generar la predicción solo si no existe aún
        prob_max = np.random.uniform(40, 60)
        resultado_max = "Victoria Local" if prob_max > 50 else "Victoria Visitante"
        color_resultado = "green" if prob_max > 50 else "red"
    enfrentamientos = df[
        ((df["Equipo_Local"] == equipo_local) & (df["Equipo_Visitante"] == equipo_visitante)) |
        ((df["Equipo_Local"] == equipo_visitante) & (df["Equipo_Visitante"] == equipo_local))
    ].sort_values(by="Fecha", ascending=False).head(10)

     # ✅ Verificar si hay enfrentamientos previos
    if enfrentamientos.empty:
        print(f"⚠️ No hay enfrentamientos previos entre {equipo_local} y {equipo_visitante}.")
    
    # Retornar valores vacíos para evitar el error de Gradio
        return (
        f"<p style='color:red;'><b>⚠️ No hay datos suficientes para predecir este partido.</b></p>",
        "",
        "<p style='color:red;'>No hay historial de enfrentamientos.</p>"
    )

        # ✅ Calcular promedio de goles en los enfrentamientos
    goles_equipo_A = enfrentamientos.apply(
        lambda row: row["Goles_Local"] if row["Equipo_Local"] == equipo_local  else row["Goles_Visitante"], axis=1
    )
    goles_equipo_B = enfrentamientos.apply(
        lambda row: row["Goles_Local"] if row["Equipo_Local"] == equipo_visitante else row["Goles_Visitante"], axis=1        
    )
    promedio_goles_equipo_A = goles_equipo_A.mean() if not goles_equipo_A.empty else 0
    promedio_goles_equipo_B = goles_equipo_B.mean() if not goles_equipo_B.empty else 0

    
 

    ultimos_10_local = df[df["Equipo_Local"] == equipo_local].sort_values(by="Fecha", ascending=False).head(10)
    ultimos_10_visitante = df[df["Equipo_Visitante"] == equipo_visitante].sort_values(by="Fecha", ascending=False).head(10)

    prom_goles_local = ultimos_10_local["Goles_Local"].mean()
    prom_tiros_local = ultimos_10_local["Tiros_Puerta_Local"].mean()
    prom_corners_local = ultimos_10_local["Corners_Local"].mean()

    prom_goles_visitante = ultimos_10_visitante["Goles_Visitante"].mean()        
    prom_tiros_visitante = ultimos_10_visitante["Tiros_Puerta_Visitante"].mean()
    prom_corners_visitante = ultimos_10_visitante["Corners_Visitante"].mean()


     # ✅ Calcular la efectividad de gol (% de tiros que terminan en gol)
    efectividad_local = ( prom_goles_local / prom_tiros_local * 100) if prom_tiros_local > 0 else 0
    efectividad_visitante = (prom_goles_visitante / prom_tiros_visitante * 100) if prom_tiros_visitante > 0 else 0

    resultado_max = "Victoria Local" if prob_max > 50 else "Victoria Visitante"
    color_resultado = "green" if prob_max > 50 else "red"

    resultado_html = f"""

        <div style='display:flex; align-items:center; justify-content:center;'>

            <div style='text-align:center;'>

            {obtener_escudo(equipo_local)}<br>{equipo_local}

            </div>

            <div style='margin:0 20px;color:{color_resultado};font-size:20px;'>

            <b>{resultado_max}: {prob_max:.2f}%</b>

            </div>

            <div style='text-align:center;'>

            {obtener_escudo(equipo_visitante)}<br>{equipo_visitante}

            </div>

    </div>

    """

    estadisticas_html = f"""

        <div style='padding:10px;'>

            <p><b>🏟️ Estadio:</b> {estadios[equipo_local]['estadio']}</p>

            <p><b>📊 Capacidad:</b> {estadios[equipo_local]['capacidad']} espectadores</p>

            <hr style='width:60%;text-align:left;margin-left:0;'>

            ⚽ <b>Promedio Goles Últimos 10 Partidos entre ellos:</b> {promedio_goles_equipo_A:.2f} | {promedio_goles_equipo_B:.2f}<br>

            🎯 <b>Promedio Tiros a Puerta (Últimos 10 Partidos como Local/Visitante)</b> {prom_tiros_local:.2f} | {prom_tiros_visitante:.2f}<br>

            🏳️ <b>Promodio Corners (Últimos 10 Partidos como Local/Visitante:</b> {prom_corners_local:.2f} | {prom_corners_visitante:.2f}<br>

            🎯 <b>Efectividad Gol(Últimos 10 Partidos como Local/Visitante)</b> {efectividad_local:.2f}% | {efectividad_visitante:.2f}%

        

        """

    enfrentamientos["Resultado"] = enfrentamientos.apply(
        lambda x: f"<span style='color:{asignar_color_resultado(x['Goles_Local'], x['Goles_Visitante'])};font-weight:bold'>{x['Goles_Local']} - {x['Goles_Visitante']}</span>",
        axis=1
    )

    tabla_historial_html = enfrentamientos[['Fecha','Equipo_Local','Resultado','Equipo_Visitante']].rename(
        columns={"Equipo_Local": "Local", "Equipo_Visitante": "Visitante"}
       ).to_html(index=False, escape=False)

    # ✅ Guardar la predicción en el diccionario para no cambiar en el futuro
    predicciones_guardadas[clave_partido] = (prob_max, resultado_max, resultado_html, estadisticas_html, tabla_historial_html)

    return resultado_html, estadisticas_html, tabla_historial_html


# Interfaz Gradio corregida completamente
with gr.Blocks() as app:
    gr.Markdown("## ⚽ Predicción de Partidos Premier League")

    equipos = list(estadios.keys())

    with gr.Row():
        with gr.Column(scale=1):
            equipo_local = gr.Dropdown(label="Local", choices=equipos, value=equipos[0])
            equipo_visitante = gr.Dropdown(label="Visitante", choices=[e for e in equipos if e != equipos[0]])
            boton_predecir = gr.Button("Predecir Resultado")

        resultado_html = gr.HTML()

    with gr.Row():
        estadisticas_html = gr.HTML()
        tabla_historial_html = gr.HTML()

    def actualizar_visitante(equipo_local):
        return gr.update(choices=[e for e in equipos if e != equipo_local])

    equipo_local.change(
        actualizar_visitante,
        inputs=equipo_local,
        outputs=equipo_visitante
    )

    boton_predecir.click(
        predecir,
        inputs=[equipo_local, equipo_visitante],
        outputs=[resultado_html, estadisticas_html, tabla_historial_html]
    )

app.launch(debug=True)


# In[ ]:


## Ejecuta el notebook como un script
import os
os.system("jupyter nbconvert --to script --execute app.ipynb")


# In[ ]: