src/streamlit_app.py

import streamlit as st
import pandas as pd
import joblib
import os
import requests
import io
import traceback


# Descargar el modelo si no existe
@st.cache_resource
def cargar_modelo():
    path = "src/modelo_noshows.joblib"
    if not os.path.exists(path):
        st.info("Descargando modelo desde Hugging Face...")
        url = "https://huggingface.co/spaces/felipeocampo/Inasistencia-FVL/resolve/main/src/modelo_noshows.joblib"
        try:
            response = requests.get(url)
            response.raise_for_status()
            with open(path, "wb") as f:
                f.write(response.content)
            st.success("Modelo descargado correctamente.")
        except Exception as e:
            st.error(f"No se pudo descargar el modelo: {e}")
            return None
    return joblib.load(path)

# Cargar el modelo
modelo = cargar_modelo()
if modelo is None:
    st.stop()

# Interfaz de usuario
st.title("Predicción desde archivo Excel")

uploaded_file = st.file_uploader("Sube un archivo Excel (.xlsx)", type="xlsx")

if uploaded_file:
    try:
        df = pd.read_excel(uploaded_file)
        st.write("Datos cargados:", df)

        # Predicción
        pred = modelo.predict(df)
        df["predicción"] = ["inasistencia" if p == 0 else "asistencia" for p in pred]

        st.subheader("Resultados")
        st.write(df)

        # Preparar archivo de salida
        output = io.BytesIO()
        with pd.ExcelWriter(output, engine="openpyxl") as writer:
            df.to_excel(writer, index=False)
        output.seek(0)

        st.download_button(
            label="📥 Descargar resultados",
            data=output,
            file_name="predicciones.xlsx",
            mime="application/vnd.openxmlformats-officedocument.spreadsheetml.sheet"
        )

    except Exception as e:
        st.error("Ocurrió un error procesando el archivo:")
        st.code(traceback.format_exc())