File size: 1,503 Bytes
5ab1006 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 |
# Actualizado por: José Carlos Machicao, Fecha de actualización: 2024_07_08, Lima
# Esta vinculado a los PKL de https://sites.google.com/continental.edu.pe/edusights/inicio
# Importacion de librerias
import streamlit as st
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
import plotly.express as px
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA
pd.DataFrame.iteritems = pd.DataFrame.items
scaler = StandardScaler()
c1, c2 = st.columns([6,6])
with c2:
st.image('logo_vidad.png', width=300, caption='https://www.continental.edu.pe/')
# Títulos y carga de archivo
st.title("Visualización y Clusterización automática de Data de Estudiantes")
st.write("Cargue el archivo PKL para visualizar el análisis de su contenido.")
uploaded_file = st.file_uploader("Cargar archivo: ", type='pkl')
if uploaded_file is not None:
df = pd.read_pickle(uploaded_file)
st.subheader('Radar Diferencia con Linea Base')
fig4 = px.line_polar(df_result, r='diff_linbase', theta='col_cats')
st.plotly_chart(fig4)
csv2 = df_result.to_csv(encoding='iso-8859-1')
st.download_button(
label="Descargar CSV",
data=csv2,
file_name='frecuencias_experimento.csv',
mime='text/csv'
)
c1, c2 = st.columns([6,6])
with c1:
st.image('gdmklogo.png', width=100, caption='Powered by GestioDinámica 2024') |