#!/usr/bin/env python
# coding: utf-8

# In[1]:


import os

# Ejecutar el notebook antes de lanzar la aplicación Gradio
os.system("jupyter nbconvert --to notebook --execute Proyecto_Final_GODD.ipynb --output Proyecto_Final_executed.ipynb")

# Ahora carga el modelo, scaler y tad actualizados
import joblib
import pandas as pd
import gradio as gr

# Cargar modelo, scaler y datos históricos actualizados
logistic = joblib.load("logistic_model_2.pkl")
scaler = joblib.load("scaler_2.pkl")
tad = pd.read_csv("tad_2.csv")

# Definir función de predicción
def gradio_predict(team1, team2):
    resultado = predict_basketball_matchup(team1, team2, logistic, scaler, tad)
    
    output = f"""
    **🏀 PREDICCIÓN DE ENFRENTAMIENTO 🏀**
    =========================================
    
    **🔹 {team1}: {resultado['team1_probability']:.1%} probabilidad de victoria**
    **🔹 {team2}: {resultado['team2_probability']:.1%} probabilidad de victoria**
    
    **🔥 Favorito:** {resultado['favorite']} ({resultado['win_probability']:.1%})
    """
    
    return output

# Crear interfaz Gradio
with gr.Blocks() as demo:
    gr.Markdown("# 🏀 Predicción de Partidos NBA")
    
    team1 = gr.Dropdown(label="Seleccione el equipo 1", choices=tad["TEAM_NAME"].unique().tolist())
    team2 = gr.Dropdown(label="Seleccione el equipo 2", choices=tad["TEAM_NAME"].unique().tolist())
    
    btn = gr.Button("📊 Predecir Resultado")
    resultado_texto = gr.Markdown("")
    
    btn.click(fn=gradio_predict, inputs=[team1, team2], outputs=resultado_texto)

# Lanzar la aplicación
if __name__ == "__main__":
    demo.launch()


# In[ ]: