utils.py

import pandas as pd
import numpy as np
import warnings
warnings.filterwarnings('ignore')
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics.pairwise import cosine_similarity
from joblib import dump, load
from sklearn.preprocessing import normalize

def recomienda_tf(new_basket, cestas, productos): 
    # Cargar la matriz TF y el modelo
    tf_matrix = load('tf_matrix.joblib')
    count = load('count_vectorizer.joblib')
                    
    # Convertir la nueva cesta en formato TF (Term Frequency)
    new_basket_str = ' '.join(new_basket)
    new_basket_vector = count.transform([new_basket_str])
    new_basket_tf = normalize(new_basket_vector, norm='l1')  # Normalizamos la matriz count de la cesta actual
    # Comparar la nueva cesta con las anteriores
    similarities = cosine_similarity(new_basket_tf, tf_matrix)
    # Obtener los índices de las cestas más similares
    similar_indices = similarities.argsort()[0][-4:]  # Las 4 más similares
    # Crear un diccionario para contar las recomendaciones
    recommendations_count = {}
    total_similarity = 0
    # Recomendar productos de cestas similares
    for idx in similar_indices:
        sim_score = similarities[0][idx]
        total_similarity += sim_score  # Suma de las similitudes
        products = cestas.iloc[idx]['Cestas'].split()
        # Usar un conjunto para evitar contar productos múltiples veces en la misma cesta
        unique_products = set(products)  # Usar un conjunto para obtener productos únicos
        # Con esto evitamos que la importancia crezca por las unidades
        for product in unique_products:
            if product.strip() not in new_basket:  # Evitar recomendar lo que ya está en la cesta
                recommendations_count[product.strip()] = recommendations_count.get(product.strip(), 0) + sim_score
                # Almacena el conteo de la relevancia de cada producto basado en cuántas veces aparece en las cestas similares, ponderado por la similitud de cada cesta.
    # Calcular la probabilidad relativa de cada producto recomendado
    recommendations_with_prob = []
    if total_similarity > 0:  # Verificar que total_similarity no sea cero
        recommendations_with_prob = [(product, score / total_similarity) for product, score in recommendations_count.items()]
    else:
        print("No se encontraron similitudes suficientes para calcular probabilidades.")
     
    recommendations_with_prob.sort(key=lambda x: x[1], reverse=True)  # Ordenar por puntuación
    # Crear un nuevo DataFrame para almacenar las recomendaciones
    recommendations_data = []
    
    for product, score in recommendations_with_prob:
        # Buscar la descripción en el DataFrame de productos
        description = productos.loc[productos['ARTICULO'] == product, 'DESCRIPCION']
        if not description.empty:
            recommendations_data.append({
                'ARTICULO': product,
                'DESCRIPCION': description.values[0],  # Obtener el primer valor encontrado
                'RELEVANCIA': score
            })
    recommendations_df = pd.DataFrame(recommendations_data)
    
    return recommendations_df

def retroalimentacion(cestas, cesta_nueva):
    # Pasamos de lista a cadena de texto
    cesta_unida = ' '.join(cesta_nueva)
    # Añadimos la cesta nueva al histórico de cestas. Primero comprobamos si la cesta nueva ya está
    if not cestas['Cestas'].isin([cesta_unida]).any():
        # Añadir la nueva cesta si no existe
        cestas.loc[len(cestas)] = cesta_unida
        print("Cesta añadida.")
        # Reescribimos la nueva cesta
        cestas.to_csv('cesta_su.csv')
    else:
        print("La cesta ya existe en el DataFrame.")
    
    # Vectorizamos de nuevo el df de cestas
    count_vectorizer = CountVectorizer()
    count_vectorizer.fit(cestas['Cestas'])
    count_matrix = count_vectorizer.transform(cestas['Cestas'])
    tf_matrix = normalize(count_matrix, norm='l1')

    # Guardar con nueva versión
    count_vectorizer_file = get_next_version('count_vectorizer')
    tf_matrix_file = get_next_version('tf_matrix')
    
    dump(count_vectorizer, count_vectorizer_file)
    dump(tf_matrix, tf_matrix_file)
    

    return None

# def recomienda_tf(new_basket,cestas,productos): 
#     # Cargar la matriz TF y el modelo
#     tf_matrix = load('tf_matrix.joblib')
                      
#     count = load('count_vectorizer.joblib')
#     # Convertir la nueva cesta en formato TF (Term Frequency)
#     new_basket_str = ' '.join(new_basket)
#     new_basket_vector = count.transform([new_basket_str])
#     new_basket_tf = normalize(new_basket_vector, norm='l1')  # Normalizamos la matriz count de la cesta actual
#     # Comparar la nueva cesta con las anteriores
#     similarities = cosine_similarity(new_basket_tf, tf_matrix)
#     # Obtener los índices de las cestas más similares
#     similar_indices = similarities.argsort()[0][-4:]  # Las 4 más similares
#     # Crear un diccionario para contar las recomendaciones
#     recommendations_count = {}
#     total_similarity = 0
#     # Recomendar productos de cestas similares
#     for idx in similar_indices:
#         sim_score = similarities[0][idx]
#         total_similarity += sim_score  # Suma de las similitudes
#         products = cestas.iloc[idx]['Cestas'].split()
#         # Usar un conjunto para evitar contar productos múltiples veces en la misma cesta
#         unique_products = set(products)  # Usar un conjunto para obtener productos únicos
#         # Con esto evitamos que la importancia crezca por las unidades
#         for product in unique_products:
#             if product.strip() not in new_basket:  # Evitar recomendar lo que ya está en la cesta
#                 recommendations_count[product.strip()] = recommendations_count.get(product.strip(), 0) + sim_score
#                 # Almacena el conteo de la relevancia de cada producto basado en cuántas veces aparece en las cestas similares, ponderado por la similitud de cada cesta.
#     # Calcular la probabilidad relativa de cada producto recomendado
#     recommendations_with_prob = []
#     if total_similarity > 0:  # Verificar que total_similarity no sea cero
#         recommendations_with_prob = [(product, score / total_similarity) for product, score in recommendations_count.items()]
#     else:
#         print("No se encontraron similitudes suficientes para calcular probabilidades.")
     
#     recommendations_with_prob.sort(key=lambda x: x[1], reverse=True)  # Ordenar por puntuación
#     # Crear un nuevo DataFrame para almacenar las recomendaciones
#     recommendations_data = []
    
#     for product, score in recommendations_with_prob:
#         # Buscar la descripción en el DataFrame de productos
#         description = productos.loc[productos['ARTICULO'] == product, 'DESCRIPCION']
#         if not description.empty:
#             recommendations_data.append({
#                 'ARTICULO': product,
#                 'DESCRIPCION': description.values[0],  # Obtener el primer valor encontrado
#                 'RELEVANCIA': score
#             })
#     recommendations_df = pd.DataFrame(recommendations_data)
    
#     return recommendations_df