import gradio as gr
import joblib
import pandas as pd

# --- CARGAR MODELO ---
try:
    modelo = joblib.load("modelo_churn.joblib")
    print("✅ Modelo cargado correctamente.")
except:
    modelo = None
    print("❌ Error: No se encontró 'modelo_churn.joblib'. Ejecuta entrenar.py primero.")

# --- LÓGICA DE PREDICCIÓN ---
def predecir(antiguedad, pago, contrato, internet, seguridad, soporte, factura):
    if modelo is None:
        return {"Error": 0}, "⚠ ALERTA: El sistema no encuentra el archivo del modelo."

    # 1. Transformar Inputs visuales a los CÓDIGOS que entiende el modelo
    # (Esta lógica debe ser IDÉNTICA a entrenar.py)
    
    # Contrato
    if contrato == "Mes a Mes": c_code = 0
    elif contrato == "Un año": c_code = 1
    else: c_code = 2 # Dos años
    
    # Internet
    if internet == "DSL": i_code = 0
    elif internet == "Fibra Óptica": i_code = 1
    else: i_code = 2 # Ninguno
    
    # Checkboxes (True -> 1, False -> 0)
    sec_code = 1 if seguridad else 0
    sop_code = 1 if soporte else 0
    pap_code = 1 if factura else 0

    # 2. Crear DataFrame con las columnas en el MISMO ORDEN que el entrenamiento
    columnas = ['tenure', 'MonthlyCharges', 'Contract_Code', 'Internet_Code', 
                'OnlineSecurity_Code', 'TechSupport_Code', 'Paperless_Code']
    
    datos = pd.DataFrame([[antiguedad, pago, c_code, i_code, sec_code, sop_code, pap_code]], columns=columnas)

    # 3. Predicción
    # predict_proba devuelve [[prob_no, prob_si]]
    proba = modelo.predict_proba(datos)[0]
    prob_fuga = proba[1] # Probabilidad de que se vaya (Clase 1)

    # 4. Lógica de Negocio (Recomendaciones)
    mensaje = ""
    if prob_fuga < 0.30:
        mensaje = (f"🟢 CLIENTE SEGURO (Riesgo: {int(prob_fuga*100)}%)\n"
                   "Este cliente está contento. Intenta venderle servicios adicionales (Upselling).")
    elif prob_fuga < 0.60:
        mensaje = (f"🟡 RIESGO MEDIO (Riesgo: {int(prob_fuga*100)}%)\n"
                   "El cliente duda. Ofrece un descuento del 10% si renueva por un año.")
    else:
        mensaje = (f"🔴 ALERTA DE FUGA (Riesgo: {int(prob_fuga*100)}%)\n"
                   "¡Acción Inmediata! Llama al cliente y ofrece una promoción agresiva para retenerlo.")

    return {"Se queda 🏠": float(proba[0]), "Se va 🏃": float(proba[1])}, mensaje

# --- DISEÑO VISUAL (DASHBOARD) ---
with gr.Blocks(theme=gr.themes.Soft()) as interfaz:
    gr.Markdown("# 🔮 Predicción de Fuga de Clientes (Telco AI)")
    gr.Markdown("Herramienta de Inteligencia Artificial para retención de clientes.")
    
    with gr.Row():
        # Columna 1: Datos Financieros
        with gr.Column():
            gr.Markdown("### 💰 Perfil Financiero")
            in_contrato = gr.Dropdown(["Mes a Mes", "Un año", "Dos años"], label="Tipo de Contrato", value="Mes a Mes")
            in_pago = gr.Slider(18, 120, value=70, label="Pago Mensual ($)")
            in_factura = gr.Checkbox(label="Recibe Factura Digital", value=True)

        # Columna 2: Datos Técnicos
        with gr.Column():
            gr.Markdown("### ⚙️ Servicios Contratados")
            in_internet = gr.Dropdown(["DSL", "Fibra Óptica", "Ninguno"], label="Tipo de Internet", value="Fibra Óptica")
            in_seguridad = gr.Checkbox(label="Tiene Seguridad Online", value=False)
            in_soporte = gr.Checkbox(label="Tiene Soporte Técnico", value=False)

        # Columna 3: Fidelidad y Acción
        with gr.Column():
            gr.Markdown("### ⏳ Historia del Cliente")
            in_antiguedad = gr.Slider(0, 72, value=1, label="Meses con la empresa")
            gr.Markdown("---")
            btn = gr.Button("🚀 ANALIZAR RIESGO", variant="primary", size="lg")

    # Sección de Resultados
    gr.Markdown("### 📊 Resultados del Análisis")
    with gr.Row():
        out_grafica = gr.Label(label="Probabilidades")
        out_texto = gr.Textbox(label="Recomendación Estratégica", lines=3)

    # Conectar botón con función
    btn.click(fn=predecir, 
              inputs=[in_antiguedad, in_pago, in_contrato, in_internet, in_seguridad, in_soporte, in_factura], 
              outputs=[out_grafica, out_texto])

# Lanzar App
interfaz.launch()