Update app.py

app.py

@@ -1,8 +1,8 @@
+# app.py
 import gradio as gr
 import pandas as pd
 import numpy as np
 import geopandas as gpd
-import plotly.express as px
 import matplotlib.pyplot as plt
 import seaborn as sns
 import folium
@@ -19,6 +19,7 @@ data = data.dropna(subset=['latitud', 'longitud'])
 data['geometry'] = data.apply(lambda row: Point(row['longitud'], row['latitud']), axis=1)
 data = gpd.GeoDataFrame(data, geometry='geometry', crs='EPSG:4326')
 
+# Localidades
 geo_localidades = gpd.read_file("loca.json")
 geo_localidades.columns = geo_localidades.columns.str.lower()
 geo_localidades = geo_localidades.rename(columns={"locnombre": "localidad"})
@@ -71,96 +72,135 @@ def aplicar_filtros(df, genero, edad_rango, localidades, compromiso_renal, antec
             df_filtrado = df_filtrado[df_filtrado[ant] == 1]
     return df_filtrado
 
-# Univariado
-def generar_univariado(variable, genero, edad, localidades, compromiso_renal, antecedentes):
-    df_filtrado = aplicar_filtros(data, genero, edad, localidades, compromiso_renal, antecedentes)
-    if df_filtrado.empty:
+# Mapa coroplético
+def generar_mapa_coropletico(df, capas):
+    df_grouped = df.groupby('localidad').size().reset_index(name='casos')
+    geo_local_copy = geo_localidades.merge(df_grouped, on='localidad', how='left').fillna({'casos': 0})
+    m = folium.Map(location=[4.65, -74.1], zoom_start=11)
+    folium.Choropleth(
+        geo_data=geo_local_copy,
+        name='Casos por localidad',
+        data=geo_local_copy,
+        columns=['localidad', 'casos'],
+        key_on='feature.properties.localidad',
+        fill_color='YlOrRd',
+        fill_opacity=0.7,
+        line_opacity=0.3,
+        legend_name='Número de casos'
+    ).add_to(m)
+
+    for _, row in geo_local_copy.iterrows():
+        folium.Marker(
+            location=row['geometry'].centroid.coords[0][::-1],
+            popup=f"{row['localidad']}: {int(row['casos'])} casos",
+            icon=folium.Icon(color='blue', icon='info-sign')
+        ).add_to(m)
+
+    for _, row in df.iterrows():
+        folium.CircleMarker(
+            location=(row['latitud'], row['longitud']),
+            radius=4,
+            popup=f"Edad: {row['edad']}, Género: {row['genero_cat']}, Estrato: {row['estrato_cat']}, Creatinina: {row.get('creatinina', '')}",
+            color='black', fill=True, fill_opacity=0.6
+        ).add_to(m)
+
+    for capa in capas:
+        if capa in capas_ambientales:
+            gdf = capas_ambientales[capa]
+            folium.GeoJson(gdf, name=capa, tooltip=folium.GeoJsonTooltip(fields=gdf.columns[:2].tolist())).add_to(m)
+
+    folium.LayerControl().add_to(m)
+    return m._repr_html_()
+
+# Mapa calor
+def generar_mapa_calor(df):
+    m = folium.Map(location=[4.65, -74.1], zoom_start=11)
+    if df.empty:
+        return m._repr_html_()
+    heat_data = df[['latitud', 'longitud']].dropna().values.tolist()
+    HeatMap(heat_data, radius=14).add_to(m)
+    return m._repr_html_()
+
+# Gráfico univariado
+def grafico_univariado(var, genero, edad, localidades, compromiso_renal, antecedentes):
+    df = aplicar_filtros(data, genero, edad, localidades, compromiso_renal, antecedentes)
+    if df.empty:
         return None
     plt.figure(figsize=(6, 4))
-    if df_filtrado[variable].dtype == 'object':
-        sns.countplot(data=df_filtrado, x=variable)
+    if df[var].dtype == 'object':
+        sns.countplot(data=df, x=var)
     else:
-        sns.histplot(df_filtrado[variable], kde=True)
-    plt.title(f"Distribución de {variable}")
-    path = f"uni_{variable}.png"
+        sns.histplot(df[var], kde=True)
+    plt.title(f"Distribución de {var}")
+    path = f"uni_{var}.png"
     plt.tight_layout()
     plt.savefig(path)
     plt.close()
     return path
 
-# Bivariado
-def generar_bivariado(xvar, yvar, genero, edad, localidades, compromiso_renal, antecedentes):
-    df_filtrado = aplicar_filtros(data, genero, edad, localidades, compromiso_renal, antecedentes)
-    if df_filtrado.empty:
+# Gráfico bivariado
+def grafico_bivariado(x, y, genero, edad, localidades, compromiso_renal, antecedentes):
+    df = aplicar_filtros(data, genero, edad, localidades, compromiso_renal, antecedentes)
+    if df.empty:
         return None
     plt.figure(figsize=(6, 4))
-    if df_filtrado[xvar].dtype == 'object' or df_filtrado[yvar].dtype == 'object':
-        sns.countplot(data=df_filtrado, x=xvar, hue=yvar)
+    if df[x].dtype == 'object' or df[y].dtype == 'object':
+        sns.countplot(data=df, x=x, hue=y)
     else:
-        sns.scatterplot(data=df_filtrado, x=xvar, y=yvar)
-    plt.title(f"{xvar} vs {yvar}")
-    path = f"bi_{xvar}_{yvar}.png"
+        sns.scatterplot(data=df, x=x, y=y)
+    plt.title(f"{x} vs {y}")
+    path = f"bi_{x}_{y}.png"
     plt.tight_layout()
     plt.savefig(path)
     plt.close()
     return path
 
-# Interfaz con pestañas
+# Interfaz
 def lanzar_app():
     with gr.Blocks() as demo:
-        gr.Markdown("## Tablero Interactivo: Vasculitis ANCA")
+        gr.Markdown("## 🧬 Tablero Geoespacial Interactivo: Vasculitis ANCA con Compromiso Renal")
 
         with gr.Row():
             genero = gr.Dropdown(label="Género", choices=["Todos", "Masculino", "Femenino"], value="Todos")
             edad = gr.Slider(label="Edad", minimum=0, maximum=100, value=(20, 80))
         with gr.Row():
             localidades = gr.Dropdown(label="Localidades", choices=sorted(data['localidad'].dropna().unique()), multiselect=True)
-            compromiso_renal = gr.Dropdown(label="Compromiso Renal", choices=["Todos", "Sí", "No"], value="Todos")
+            compromiso = gr.Dropdown(label="Compromiso Renal", choices=["Todos", "Sí", "No"], value="Todos")
         antecedentes = gr.CheckboxGroup(label="Antecedentes", choices=["diabetes", "hta", "epoc", "falla_cardiaca"])
 
         with gr.Tab("Mapa Coroplético"):
             capas = gr.CheckboxGroup(label="Capas Ambientales", choices=list(capas_ambientales.keys()))
-            btn_coro = gr.Button("Generar Mapa")
-            mapa_html = gr.HTML()
-
-            def mostrar_mapa(genero, edad, localidades, compromiso_renal, antecedentes, capas):
-                df_f = aplicar_filtros(data, genero, edad, localidades, compromiso_renal, antecedentes)
-                return generar_mapa_coropletico(df_f, capas)
-
-            btn_coro.click(mostrar_mapa, inputs=[genero, edad, localidades, compromiso_renal, antecedentes, capas], outputs=mapa_html)
+            btn = gr.Button("Mostrar")
+            mapa = gr.HTML()
+            btn.click(fn=lambda g, e, l, c, a, cap: generar_mapa_coropletico(aplicar_filtros(data, g, e, l, c, a), cap),
+                      inputs=[genero, edad, localidades, compromiso, antecedentes, capas], outputs=mapa)
 
         with gr.Tab("Mapa de Calor"):
-            btn_heat = gr.Button("Generar Mapa de Calor")
-            mapa_heat = gr.HTML()
-
-            def mostrar_heat(genero, edad, localidades, compromiso_renal, antecedentes):
-                df_f = aplicar_filtros(data, genero, edad, localidades, compromiso_renal, antecedentes)
-                return generar_mapa_calor(df_f)
-
-            btn_heat.click(mostrar_heat, inputs=[genero, edad, localidades, compromiso_renal, antecedentes], outputs=mapa_heat)
+            btn2 = gr.Button("Mostrar")
+            salida = gr.HTML()
+            btn2.click(fn=lambda g, e, l, c, a: generar_mapa_calor(aplicar_filtros(data, g, e, l, c, a)),
+                       inputs=[genero, edad, localidades, compromiso, antecedentes], outputs=salida)
 
         with gr.Tab("Univariado"):
-            variable_uni = gr.Dropdown(label="Variable", choices=['edad', 'genero_cat', 'estrato_cat', 'anca_y_renal', 'sindrome'])
-            btn_uni = gr.Button("Graficar")
-            img_uni = gr.Image()
-            btn_uni.click(generar_univariado, inputs=[variable_uni, genero, edad, localidades, compromiso_renal, antecedentes], outputs=img_uni)
+            var = gr.Dropdown(label="Variable", choices=['edad', 'genero_cat', 'estrato_cat', 'anca_y_renal', 'sindrome'])
+            btn3 = gr.Button("Graficar")
+            img = gr.Image()
+            btn3.click(grafico_univariado, inputs=[var, genero, edad, localidades, compromiso, antecedentes], outputs=img)
 
         with gr.Tab("Bivariado"):
-            xvar = gr.Dropdown(label="Variable X", choices=['genero_cat', 'estrato_cat', 'edad', 'mpo_cat'])
-            yvar = gr.Dropdown(label="Variable Y", choices=['anca_y_renal', 'biopsia_positiva', 'creatinina'])
-            btn_bi = gr.Button("Graficar")
-            img_bi = gr.Image()
-            btn_bi.click(generar_bivariado, inputs=[xvar, yvar, genero, edad, localidades, compromiso_renal, antecedentes], outputs=img_bi)
+            x = gr.Dropdown(label="X", choices=['genero_cat', 'estrato_cat', 'edad', 'mpo_cat'])
+            y = gr.Dropdown(label="Y", choices=['anca_y_renal', 'biopsia_positiva', 'creatinina'])
+            btn4 = gr.Button("Graficar")
+            img2 = gr.Image()
+            btn4.click(grafico_bivariado, inputs=[x, y, genero, edad, localidades, compromiso, antecedentes], outputs=img2)
 
         with gr.Tab("Ayuda"):
             gr.Markdown("""
-            **Guía de uso:**
-            - Seleccione los filtros para género, edad, localidad y antecedentes clínicos.
-            - Vaya a cada pestaña para generar los gráficos correspondientes.
-            - Mapa de calor: muestra concentración espacial de casos.
-            - Mapa coroplético: muestra número de casos por localidad, con opción de superponer factores ambientales.
-            - Gráficos univariados: muestra distribución de una variable.
-            - Gráficos bivariados: relación entre dos variables relevantes.
+            **Instrucciones de uso:**
+            - Aplica filtros por género, edad, localidad y antecedentes.
+            - Visualiza mapas con o sin capas ambientales.
+            - Compara variables clínicas por localidad.
+            - Todos los análisis son descriptivos, sin inferencia causal directa.
             """)
 
     demo.launch()