Create app.py

app.py

@@ -0,0 +1,137 @@
+import pandas as pd
+import plotly.express as px
+import gradio as gr
+
+# -------------------------------
+# Cargar datos
+# -------------------------------
+df = pd.read_excel("Base de Datos Prueba.xlsx", parse_dates=["FECHA_APERTURA"])
+df["MES"] = df["FECHA_APERTURA"].dt.to_period("M").dt.to_timestamp()
+
+# -------------------------------
+# Coordenadas de oficinas (hard-code)
+# -------------------------------
+office_coords = {
+    "Montería Centro": (8.74733, -75.88145),
+    "Monteria":       (8.74733, -75.88145),
+    "Bucaramanga Centro": (7.119349, -73.122741),
+    "Manizales":      (5.068887, -75.51739),
+    "Caucasia":       (7.98666, -75.18959),
+    "Pasto":          (1.213607, -77.281104),
+    "Bello":          (6.33734, -75.55835),
+    "Fusagasuga":     (4.3370,  -74.3544),
+    "Itagui":         (6.1630,  -75.6056),
+    "Sincelejo":      (9.3040,  -75.3978),
+    "Centro Medellín":(6.2442,  -75.5812),
+    "Soacha":         (4.5833,  -74.2167),
+    "Principal":      (4.7110,  -74.0721),      # Bogotá – sede principal
+    "San Juan":       (7.02093, -75.62913),
+    "Perdomo":        (1.1906,  -77.5803),
+    "Ibague":         (4.4389,  -75.2322),
+    "Santa Marta Av. Libertador": (11.24079, -74.19904),
+    "Valledupar":     (10.45924,-73.25321),
+    "Funza":          (4.7570,  -74.1188),
+    "Buenos Aires":   (2.28889, -76.14583),
+    # …añade el resto de oficinas según el dataset…
+}
+
+# -------------------------------
+# Funciones de análisis
+# -------------------------------
+def filter_data(start_date, end_date, products, zones, amount_range):
+    d = df.copy()
+    if start_date:
+        d = d[d["FECHA_APERTURA"] >= pd.to_datetime(start_date)]
+    if end_date:
+        d = d[d["FECHA_APERTURA"] <= pd.to_datetime(end_date)]
+    if products:
+        d = d[d["TIPO PRODUCTO"].isin(products)]
+    if zones:
+        d = d[d["OFICINA"].isin(zones)]
+    d = d[(d["MONTO_I"] >= amount_range[0]) & (d["MONTO_I"] <= amount_range[1])]
+    return d
+
+def update_dashboard(start_date, end_date, products, zones, amount_range):
+    d = filter_data(start_date, end_date, products, zones, amount_range)
+    
+    # 1. Monto desembolsado por mes
+    monthly = d.groupby("MES")["MONTO_I"].sum().reset_index()
+    fig1 = px.bar(
+        monthly, x="MES", y="MONTO_I",
+        labels={"MES":"Mes", "MONTO_I":"Monto (COP)"},
+        title="Monto Desembolsado por Mes"
+    )
+    
+    # 2. Distribución de aperturas por producto
+    counts = d["TIPO PRODUCTO"].value_counts().reset_index()
+    counts.columns = ["TIPO PRODUCTO", "CANTIDAD"]
+    fig2 = px.pie(
+        counts, names="TIPO PRODUCTO", values="CANTIDAD",
+        title="Distribución de Aperturas por Tipo de Producto"
+    )
+    
+    # 3. Distribución de tasa de interés
+    fig3 = px.box(
+        d, x="TIPO PRODUCTO", y="TASA",
+        labels={"TASA":"Tasa (%)","TIPO PRODUCTO":"Producto"},
+        title="Distribución de Tasa de Interés por Producto"
+    )
+    
+    # 4. Mapa de aperturas por oficina
+    geo = d.copy()
+    geo["Latitude"]  = geo["OFICINA"].map(lambda x: office_coords.get(x, (None,None))[0])
+    geo["Longitude"] = geo["OFICINA"].map(lambda x: office_coords.get(x, (None,None))[1])
+    geo = geo.dropna(subset=["Latitude", "Longitude"])
+    fig4 = px.scatter_mapbox(
+        geo, lat="Latitude", lon="Longitude",
+        color="TIPO PRODUCTO", size="MONTO_I", size_max=15,
+        hover_name="OFICINA", zoom=4, mapbox_style="open-street-map",
+        title="Aperturas por Ubicación de Oficina"
+    )
+    
+    return fig1, fig2, fig3, fig4
+
+# -------------------------------
+# Interfaz Gradio
+# -------------------------------
+with gr.Blocks() as demo:
+    gr.Markdown("## Dashboard Interactivo Bancamía – Q1 2025")
+    
+    with gr.Row():
+        with gr.Column(scale=1):
+            start_date = gr.DatePicker(label="Fecha inicio")
+            end_date   = gr.DatePicker(label="Fecha fin")
+            products   = gr.CheckboxGroup(
+                choices=df["TIPO PRODUCTO"].dropna().unique().tolist(),
+                label="Tipo de Producto"
+            )
+            zones      = gr.CheckboxGroup(
+                choices=list(office_coords.keys()),
+                label="Oficina"
+            )
+            min_amt, max_amt = int(df["MONTO_I"].min()), int(df["MONTO_I"].max())
+            amount_range = gr.Slider(
+                minimum=min_amt, maximum=max_amt, value=[min_amt, max_amt],
+                step=1_000_000, label="Rango de Monto (COP)"
+            )
+            update_btn = gr.Button("Actualizar")
+        
+        with gr.Column(scale=3):
+            with gr.Tabs():
+                with gr.TabItem("Monto y Volumen"):
+                    chart1 = gr.Plot()
+                with gr.TabItem("Distribución"):
+                    chart2 = gr.Plot()
+                with gr.TabItem("Tasas"):
+                    chart3 = gr.Plot()
+                with gr.TabItem("Geoespacial"):
+                    chart4 = gr.Plot()
+    
+    update_btn.click(
+        fn=update_dashboard,
+        inputs=[start_date, end_date, products, zones, amount_range],
+        outputs=[chart1, chart2, chart3, chart4]
+    )
+
+if __name__ == "__main__":
+    demo.launch()