Update app.py

app.py

@@ -607,12 +607,16 @@ def cargar_excel(file):
     return concentracion_inicial, unidad_medida, n_filas, n_replicas, df_base, "", None, ""
 
 # Función para calcular la regresión y generar el gráfico usando la tabla principal
-def calcular_regresion_tabla_principal(df, unidad_medida, filas_seleccionadas):
+def calcular_regresion_tabla_principal(df, unidad_medida, filas_seleccionadas,
+                                       palette_puntos, estilo_puntos,
+                                       palette_linea_ajuste, estilo_linea_ajuste,
+                                       mostrar_linea_ajuste, mostrar_puntos):
     if df is None or df.empty:
-        return "Datos insuficientes", None
+        return "Datos insuficientes", None, None
 
     col_concentracion = "Concentración Predicha Numérica"
     col_absorbancia = f"Concentración Real Promedio ({unidad_medida})"
+    col_desviacion = f"Desviación Estándar ({unidad_medida})"
 
     # Calcular promedio y desviación estándar si es necesario
     n_replicas = len([col for col in df.columns if 'Concentración Real' in col and 'Promedio' not in col and 'Desviación' not in col])
@@ -621,6 +625,7 @@ def calcular_regresion_tabla_principal(df, unidad_medida, filas_seleccionadas):
     # Convertir columnas a numérico
     df[col_concentracion] = pd.to_numeric(df[col_concentracion], errors='coerce')
     df[col_absorbancia] = pd.to_numeric(df[col_absorbancia], errors='coerce')
+    df[col_desviacion] = pd.to_numeric(df[col_desviacion], errors='coerce')
 
     df_valid = df.dropna(subset=[col_concentracion, col_absorbancia])
 
@@ -629,7 +634,7 @@ def calcular_regresion_tabla_principal(df, unidad_medida, filas_seleccionadas):
 
     # Convertir filas_seleccionadas a índices
     if not filas_seleccionadas:
-        return "Se necesitan más datos", None
+        return "Se necesitan más datos", None, None
 
     indices_seleccionados = [int(s.split(' ')[1]) - 1 for s in filas_seleccionadas]
 
@@ -637,22 +642,22 @@ def calcular_regresion_tabla_principal(df, unidad_medida, filas_seleccionadas):
     df_valid = df_valid.loc[indices_seleccionados]
 
     if len(df_valid) < 2:
-        return "Se requieren al menos dos puntos para calcular la regresión", None
+        return "Se requieren al menos dos puntos para calcular la regresión", None, None
 
     # Calcular regresión lineal
     slope, intercept, r_value, p_value, std_err = stats.linregress(df_valid[col_concentracion], df_valid[col_absorbancia])
 
-    # Generar gráfico
-    fig, ax = plt.subplots(figsize=(8, 6))
-    ax.scatter(df_valid[col_concentracion], df_valid[col_absorbancia], color='blue', label='Datos')
-    ax.plot(df_valid[col_concentracion], intercept + slope * df_valid[col_concentracion], 'r', label='Ajuste Lineal')
-    ax.set_xlabel('Concentración Predicha Numérica')
-    ax.set_ylabel(f'Concentración Real Promedio ({unidad_medida})')
-    ax.set_title('Regresión Lineal: Concentración Real vs Concentración Predicha')
-    ax.legend()
+    # Generar gráfico original
+    fig_original, ax_original = plt.subplots(figsize=(8, 6))
+    ax_original.scatter(df_valid[col_concentracion], df_valid[col_absorbancia], color='blue', label='Datos')
+    ax_original.plot(df_valid[col_concentracion], intercept + slope * df_valid[col_concentracion], 'r', label='Ajuste Lineal')
+    ax_original.set_xlabel('Concentración Predicha Numérica')
+    ax_original.set_ylabel(f'Concentración Real Promedio ({unidad_medida})')
+    ax_original.set_title('Regresión Lineal: Concentración Real vs Concentración Predicha (Original)')
+    ax_original.legend()
 
     # Añadir ecuación y R² en el gráfico
-    ax.annotate(
+    ax_original.annotate(
         f'y = {intercept:.4f} + {slope:.4f}x\n$R^2$ = {r_value**2:.4f}',
         xy=(0.05, 0.95),
         xycoords='axes fraction',
@@ -661,7 +666,59 @@ def calcular_regresion_tabla_principal(df, unidad_medida, filas_seleccionadas):
         verticalalignment='top'
     )
 
-    return "Regresión calculada exitosamente", fig
+    # Generar gráfico personalizado
+    sns.set(style="whitegrid")
+    fig_personalizado, ax_personalizado = plt.subplots(figsize=(8, 6))
+
+    # Obtener colores de las paletas
+    colors_puntos = sns.color_palette(palette_puntos, as_cmap=False)
+    colors_linea_ajuste = sns.color_palette(palette_linea_ajuste, as_cmap=False)
+
+    color_puntos = colors_puntos[0]
+    color_linea_ajuste = colors_linea_ajuste[0]
+
+    if mostrar_puntos:
+        ax_personalizado.errorbar(
+            df_valid[col_concentracion],
+            df_valid[col_absorbancia],
+            yerr=df_valid[col_desviacion],
+            fmt=estilo_puntos,
+            color=color_puntos,
+            ecolor='gray',
+            elinewidth=1,
+            capsize=3,
+            label='Datos'
+        )
+
+    if mostrar_linea_ajuste:
+        ax_personalizado.plot(
+            df_valid[col_concentracion],
+            intercept + slope * df_valid[col_concentracion],
+            color=color_linea_ajuste,
+            linestyle=estilo_linea_ajuste,
+            label='Ajuste Lineal'
+        )
+
+    ax_personalizado.set_xlabel('Concentración Predicha Numérica')
+    ax_personalizado.set_ylabel(f'Concentración Real Promedio ({unidad_medida})')
+    ax_personalizado.set_title('Regresión Lineal Personalizada')
+    ax_personalizado.legend()
+
+    # Añadir ecuación y R² en el gráfico
+    ax_personalizado.annotate(
+        f'y = {intercept:.4f} + {slope:.4f}x\n$R^2$ = {r_value**2:.4f}',
+        xy=(0.05, 0.95),
+        xycoords='axes fraction',
+        fontsize=12,
+        backgroundcolor='white',
+        verticalalignment='top'
+    )
+
+    # Crear tabla resumida
+    df_resumen = df_valid[[col_concentracion, col_absorbancia, col_desviacion]].copy()
+    df_resumen.columns = ['Concentración Predicha', 'Absorbancia Promedio', 'Desviación Estándar']
+
+    return "Regresión calculada exitosamente", fig_original, fig_personalizado, df_resumen
 
 # Interfaz Gradio
 with gr.Blocks(theme=gr.themes.Soft()) as interfaz:
@@ -795,11 +852,39 @@ with gr.Blocks(theme=gr.themes.Soft()) as interfaz:
     with gr.Tab("📈 Regresión Absorbancia vs Concentración"):
         gr.Markdown("## Ajuste de Regresión utilizando datos de la Tabla Principal")
 
+        # Opciones de personalización
+        with gr.Row():
+            paletas_colores = ["deep", "muted", "pastel", "bright", "dark", "colorblind", "Set1", "Set2", "Set3"]
+            palette_puntos_regresion = gr.Dropdown(
+                choices=paletas_colores,
+                value="deep",
+                label="Paleta para Puntos"
+            )
+            estilo_puntos_regresion = gr.Dropdown(
+                choices=["o", "s", "^", "D", "v", "<", ">", "h", "H", "p", "*", "X", "d"],
+                value="o",
+                label="Estilo de Puntos"
+            )
+            palette_linea_ajuste_regresion = gr.Dropdown(
+                choices=paletas_colores,
+                value="muted",
+                label="Paleta Línea de Ajuste"
+            )
+            estilo_linea_ajuste_regresion = gr.Dropdown(
+                choices=["-", "--", "-.", ":"],
+                value="-",
+                label="Estilo Línea de Ajuste"
+            )
+            mostrar_linea_ajuste_regresion = gr.Checkbox(value=True, label="Mostrar Línea de Ajuste")
+            mostrar_puntos_regresion = gr.Checkbox(value=True, label="Mostrar Puntos")
+
         calcular_regresion_btn = gr.Button("Calcular Regresión")
 
         # Salidas
         estado_regresion_output = gr.Textbox(label="Estado de la Regresión", interactive=False)
-        grafico_regresion_output = gr.Plot(label="Gráfico de Regresión")
+        grafico_original_output = gr.Plot(label="Gráfico Original")
+        grafico_personalizado_output = gr.Plot(label="Gráfico Personalizado")
+        tabla_resumen_output = gr.DataFrame(label="Tabla Resumida")
 
     # Eventos para actualizar las opciones de filas
     def actualizar_opciones_filas(df):
@@ -968,8 +1053,13 @@ with gr.Blocks(theme=gr.themes.Soft()) as interfaz:
     # Evento al presionar el botón de calcular regresión
     calcular_regresion_btn.click(
         fn=calcular_regresion_tabla_principal,
-        inputs=[tabla_output, unidad_input, filas_seleccionadas],
-        outputs=[estado_regresion_output, grafico_regresion_output]
+        inputs=[
+            tabla_output, unidad_input, filas_seleccionadas,
+            palette_puntos_regresion, estilo_puntos_regresion,
+            palette_linea_ajuste_regresion, estilo_linea_ajuste_regresion,
+            mostrar_linea_ajuste_regresion, mostrar_puntos_regresion
+        ],
+        outputs=[estado_regresion_output, grafico_original_output, grafico_personalizado_output, tabla_resumen_output]
     )
 
 # Lanzar la interfaz