feat: generated files

app.py

@@ -7,8 +7,10 @@ import plotly.graph_objects as go
 st.set_page_config(page_title="Customer Insights App", page_icon=":bar_chart:")
 
 # Cargar el archivo CSV que ya está disponible en la web
-# Asegúrate de que el archivo esté en el mismo directorio o en una ubicación accesible
-df = pd.read_csv("info.csv")  # Actualiza "ruta_del_archivo.csv" con la ruta correcta
+df = pd.read_csv("df_clean.csv")  # Asegúrate de que la ruta del archivo es correcta
+
+# Ignorar las dos últimas columnas
+df = df.iloc[:, :-2]
 
 # Diseño de la página principal
 st.title("Welcome to Customer Insights App")
@@ -37,19 +39,19 @@ elif page == "Customer Analysis":
 
     if customer_code:
         # Filtrar datos para el cliente seleccionado
-        customer_data = df[df["CLIENTE"] == customer_code]
+        customer_data = df[df.iloc[:, 0] == customer_code]  # Buscar cliente en la primera columna
 
         if not customer_data.empty:
             st.write(f"### Analysis for Customer {customer_code}")
-            
-            # Generar un gráfico spider (radar chart)
-            categories = ['Variable1', 'Variable2', 'Variable3', 'Variable4']  # Aquí puedes incluir tus variables específicas
-            customer_values = [customer_data[category].values[0] for category in categories]
-            
+
+            # Obtener las 15 columnas con los valores más altos (ignorar la columna de cliente)
+            top_15_manufacturers = customer_data.iloc[:, 1:].T.nlargest(15, customer_data.index[0])
+
+            # Generar el spider chart con los top 15 fabricantes
             fig_spider = go.Figure()
             fig_spider.add_trace(go.Scatterpolar(
-                r=customer_values,
-                theta=categories,
+                r=top_15_manufacturers[customer_data.index[0]].values,
+                theta=top_15_manufacturers.index,
                 fill='toself',
                 name=f'Customer {customer_code}'
             ))
@@ -57,22 +59,24 @@ elif page == "Customer Analysis":
                 polar=dict(
                     radialaxis=dict(
                         visible=True,
-                        range=[0, max(customer_values) + 1]
+                        range=[0, top_15_manufacturers[customer_data.index[0]].max() + 1]
                     )),
                 showlegend=False,
-                title=f'Spider Chart for Customer {customer_code}'
+                title=f'Spider Chart for Top 15 Manufacturers of Customer {customer_code}'
             )
             st.plotly_chart(fig_spider)
 
-            # Ventas del cliente 2021-2024
-            years = ['2021', '2022', '2023', '2024']
-            sales_columns = ['VENTA_2021', 'VENTA_2022', 'VENTA_2023', 'VENTA_2024']  # Nombres de las columnas para ventas por año
-            customer_sales = [customer_data[col].values[0] for col in sales_columns]
-            
-            fig_sales = px.line(x=years, y=customer_sales, markers=True, title=f'Sales Over the Years for Customer {customer_code}')
-            fig_sales.update_layout(xaxis_title="Year", yaxis_title="Sales")
-            st.plotly_chart(fig_sales)
+            # Ventas del cliente 2021-2024 (si los datos existen)
+            if 'VENTA_2021' in df.columns and 'VENTA_2022' in df.columns and 'VENTA_2023' in df.columns and 'VENTA_2024' in df.columns:
+                years = ['2021', '2022', '2023', '2024']
+                sales_columns = ['VENTA_2021', 'VENTA_2022', 'VENTA_2023', 'VENTA_2024']
+                customer_sales = customer_data[sales_columns].values[0]
 
+                fig_sales = px.line(x=years, y=customer_sales, markers=True, title=f'Sales Over the Years for Customer {customer_code}')
+                fig_sales.update_layout(xaxis_title="Year", yaxis_title="Sales")
+                st.plotly_chart(fig_sales)
+            else:
+                st.warning("Sales data for 2021-2024 not available.")
         else:
             st.warning(f"No data found for customer {customer_code}. Please check the code.")
 
@@ -87,8 +91,8 @@ elif page == "Customer Recommendations":
     customer_code = st.text_input("Enter Customer Code for Recommendations")
 
     if customer_code:
-        customer_data = df[df["CLIENTE"] == customer_code]
-        
+        customer_data = df[df.iloc[:, 0] == customer_code]
+
         if not customer_data.empty:
             # Mostrar historial de compras del cliente seleccionado
             st.write(f"### Purchase History for Customer {customer_code}")