feat: generated files

app.py

@@ -1,7 +1,8 @@
 import streamlit as st
 import pandas as pd
 import plotly.express as px
-import plotly.graph_objects as go
+import matplotlib.pyplot as plt
+import numpy as np
 
 # Configuración de la página principal
 st.set_page_config(page_title="Customer Insights App", page_icon=":bar_chart:")
@@ -15,6 +16,47 @@ df = df.iloc[:, :-2]
 # Asegurarse de que el código del cliente sea una cadena (string)
 df['CLIENTE'] = df['CLIENTE'].astype(str)
 
+# Función para crear el gráfico de radar
+def radar_chart(categories, values, title):
+    # Número de variables
+    N = len(categories)
+    
+    # Repetir el primer valor para cerrar el polígono
+    values += values[:1]
+    
+    # Calcular los ángulos para cada punto
+    angles = [n / float(N) * 2 * np.pi for n in range(N)]
+    angles += angles[:1]
+    
+    # Inicializar el gráfico
+    fig, ax = plt.subplots(figsize=(6, 6), subplot_kw=dict(projection='polar'))
+    
+    # Dibujar el polígono y rellenarlo
+    ax.plot(angles, values, 'o-', linewidth=2, color='pink')
+    ax.fill(angles, values, alpha=0.25, color='pink')
+    
+    # Establecer las etiquetas y el título
+    ax.set_xticks(angles[:-1])
+    ax.set_xticklabels(categories)
+    ax.set_title(title)
+    
+    # Configurar los ejes
+    ax.set_ylim(0, max(values))
+    
+    # Dibujar círculos de referencia
+    circles = np.linspace(0, max(values), 5)
+    for circle in circles:
+        ax.plot(angles, [circle]*len(angles), '--', color='gray', linewidth=0.5)
+    
+    # Eliminar las etiquetas radiales
+    ax.set_yticklabels([])
+    
+    # Dibujar el borde exterior en azul
+    max_value = max(values)
+    ax.plot(angles, [max_value]*len(angles), '-', linewidth=2, color='blue')
+    
+    return fig
+
 # Diseño de la página principal
 st.title("Welcome to Customer Insights App")
 st.markdown("""
@@ -74,54 +116,9 @@ elif page == "Customer Analysis":
             for manufacturer, value in zip(manufacturers, values):
                 st.write(f"{manufacturer} = {value:.4f}")
 
-            # Normalizar los valores para que sumen 1
-            total = sum(values)
-            values = [v / total for v in values]
-
-            # Crear el gráfico de radar
-            fig = go.Figure()
-
-            # Add the data trace (pink line)
-            fig.add_trace(go.Scatterpolar(
-                r=values,
-                theta=manufacturers,
-                fill='toself',
-                fillcolor='rgba(255, 105, 180, 0.2)',  # Light pink fill
-                line=dict(color='rgb(255, 105, 180)', width=2),  # Pink line
-                mode='lines+markers',
-                marker=dict(size=8, color='rgb(255, 105, 180)')  # Pink markers
-            ))
-
-            # Add the outer boundary (blue line)
-            fig.add_trace(go.Scatterpolar(
-                r=[max(values) * 1.1] * len(manufacturers),  # Slightly larger than the maximum value
-                theta=manufacturers,
-                mode='lines',
-                line=dict(color='rgb(100, 149, 237)', width=2),  # Cornflower blue
-                showlegend=False
-            ))
-
-            # Update the layout
-            fig.update_layout(
-                polar=dict(
-                    radialaxis=dict(
-                        visible=True,
-                        range=[0, max(values) * 1.1],
-                        showline=False,
-                        showticklabels=True,
-                    ),
-                    angularaxis=dict(
-                        showline=True,
-                        linecolor='rgb(192, 192, 192)',  # Light gray
-                        tickcolor='rgb(192, 192, 192)',
-                    ),
-                ),
-                showlegend=False,
-                title=f'Radar Chart for Top 6 Manufacturers of Customer {customer_code}',
-            )
-
-            # Show the plot in Streamlit
-            st.plotly_chart(fig)
+            # Crear y mostrar el gráfico de radar
+            fig = radar_chart(manufacturers, values, f'Radar Chart for Top 6 Manufacturers of Customer {customer_code}')
+            st.pyplot(fig)
 
             # 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:
@@ -172,4 +169,4 @@ elif page == "Customer Recommendations":
             # Aquí puedes reemplazar con la lógica del modelo de recomendación
             st.write("Product A, Product B, Product C")
         else:
-            st.warning(f"No data found for customer {customer_code}. Please check the code.")
+            st.warning(f"No data found for customer {customer_code}. Please check the code.")

requirements.txt

@@ -1 +1,2 @@
-plotly
+plotly
+matplotlib