Upload app.py

app.py

@@ -0,0 +1,249 @@
+#!/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[ ]:
+
+
+
+