Download Reduced Space FIle with Separate Sheets

app.py

@@ -32,6 +32,9 @@ TOOLTIPS = """
     <div>
         <span style="font-size: 17px; font-weight: bold;">@label</span>
     </div>
+    <div>
+        <span style="font-size: 14px;">X: @x, Y: @y</span>
+    </div>
 </div>
 """
 
@@ -1289,15 +1292,28 @@ def run_model(model_name):
 
         # Botón para descargar df_all (Embeddings in PCA Space)
         if st.button("Download Embeddings in PCA Space", key=f"click_download_pca_coordinates_{model_name}"):
-            # Crear un nuevo diccionario con solo las columnas que comienzan con "PC"
+            # Crear un nuevo diccionario para almacenar solo las columnas que comienzan con "PC" o "name"
             df_all_pca = {}
             for key, df in df_all.items():
-                pca_cols = [col for col in df.columns if col.startswith("PC")]
-                df_all_pca[key] = df[pca_cols].copy()
+                # Si es el conjunto sintético, separamos cada subset según la columna "source"
+                if key == "synthetic":
+                    for source in df["source"].unique():
+                        df_subset = df[df["source"] == source].copy()
+                        # Asegurarse de que exista la columna "name" (como se hace en el snippet de heatmaps)
+                        if "img" in df_subset.columns and "name" not in df_subset.columns:
+                            df_subset["name"] = df_subset["img"].apply(lambda x: x.split("/")[-1].replace(".png", "") if isinstance(x, str) else x)
+                        pca_cols = [col for col in df_subset.columns if col.startswith("PC") or col == "name"]
+                        # Usar un nombre de hoja que identifique que es sintético y el source correspondiente
+                        sheet_name = f"synthetic_{source}"
+                        df_all_pca[sheet_name] = df_subset[pca_cols].copy()
+                else:
+                    # Para "real" y otros (como "pretrained"), se guardan en una sola hoja
+                    pca_cols = [col for col in df.columns if col.startswith("PC") or col == "name"]
+                    df_all_pca[key] = df[pca_cols].copy()
 
             # Crear un buffer en memoria para el archivo Excel
             excel_buffer = io.BytesIO()
-            # Escribir cada DataFrame (solo con columnas PCA) en una hoja separada
+            # Escribir cada DataFrame en una hoja separada usando ExcelWriter
             with pd.ExcelWriter(excel_buffer, engine='openpyxl') as writer:
                 for key_name, df in df_all_pca.items():
                     df.to_excel(writer, sheet_name=key_name, index=False)