modulo means

app.py

@@ -1,41 +1,36 @@
 import folium
 import matplotlib.pyplot as plt
 import streamlit as st
-from sklearn.cluster import KMeans
 from streamlit_folium import folium_static
 
 import geocoding
+import means
 
 st.set_page_config(layout='wide')  # Para usar todo el ancho de la página
 
-max_k = len(geocoding.coordenadas)
-inertias = []
-for k in range(2, max_k + 1):
-    modelo = KMeans(n_clusters=k, random_state=42)
-    modelo.fit(geocoding.coordenadas)
-    inertias.append(modelo.inertia_)
-
 # Titulo
 
 # Ajustar el tamaño del gráfico del codo
 col1, col2, col3 = st.columns(3)
 
+# Gráfico del Codo
 with col2:
     col2.title('Clientes por Zonas')
 
     fig, ax = plt.subplots(figsize=(6, 4))
-    ax.plot(range(2, max_k + 1), inertias, marker='o')
+    ax.plot(range(2, means.max_k + 1), means.inertias, marker='o')
     ax.set_xlabel('Número de zonas (k)')
     ax.set_ylabel('Inercia')
     ax.set_title('Método del Codo')
     st.pyplot(fig)
 
+# Input de K
 k_optimo = st.number_input(
         "Ingrese el valor óptimo de k según el gráfico:", min_value=2,
-        max_value=max_k, step=1
+        max_value=means.max_k, step=1
         )
 
-modelo = KMeans(n_clusters=k_optimo, random_state=42)
+modelo = means.KMeans(n_clusters=k_optimo, random_state=42)
 modelo.fit(geocoding.coordenadas)
 
 etiquetas = modelo.labels_

means.py

@@ -0,0 +1,10 @@
+from sklearn.cluster import KMeans
+
+import geocoding
+
+max_k = len(geocoding.coordenadas)
+inertias = []
+for k in range(2, max_k + 1):
+    modelo = KMeans(n_clusters=k, random_state=42)
+    modelo.fit(geocoding.coordenadas)
+    inertias.append(modelo.inertia_)