import streamlit as st import pandas as pd import plotly.express as px 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:") # Cargar los archivos CSV df = pd.read_csv("df_clean.csv") nombres_proveedores = pd.read_csv("nombres_proveedores.csv", sep=';') nombres_proveedores['codigo'] = nombres_proveedores['codigo'].astype(str) # Ignorar las dos últimas columnas df = df.iloc[:, :-2] # Asegurarse de que el código del cliente sea una cadena (string) df['CLIENTE'] = df['CLIENTE'].astype(str) # Función para obtener el nombre del proveedor def get_supplier_name(code): name = nombres_proveedores[nombres_proveedores['codigo'] == code]['nombre'].values return name[0] if len(name) > 0 else code # Función para crear el gráfico de radar def radar_chart(categories, values, title): # Número de variables N = len(categories) # 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=(10, 10), subplot_kw=dict(projection='polar')) # Dibujar el polígono y rellenarlo values += values[:1] ax.plot(angles, values, 'o-', linewidth=2, color='#FF69B4') ax.fill(angles, values, alpha=0.25, color='#FF69B4') # Configurar los ejes ax.set_xticks(angles[:-1]) ax.set_xticklabels(categories, size=8, wrap=True) ax.set_ylim(0, max(values) * 1.1) # Dibujar círculos de referencia circles = np.linspace(0, max(values), 5) for circle in circles: ax.plot(angles, [circle]*len(angles), '--', color='gray', alpha=0.3, linewidth=0.5) # Eliminar las etiquetas radiales y los bordes del gráfico ax.set_yticklabels([]) ax.spines['polar'].set_visible(False) # Añadir el título plt.title(title, size=16, y=1.1) return fig # Diseño de la página principal st.title("Welcome to Customer Insights App") st.markdown(""" This app helps businesses analyze customer behaviors and provide personalized recommendations based on purchase history. Use the tools below to dive deeper into your customer data. """) # Menú de navegación page = st.selectbox("Selecciona la herramienta que quieres utilizar", ["", "Customer Analysis", "Customer Recommendations"]) # Página Home if page == "": st.markdown("## Welcome to the Customer Insights App") st.write("Use the dropdown menu to navigate between the different sections.") # Página Customer Analysis elif page == "Customer Analysis": st.title("Customer Analysis") st.markdown(""" Use the tools below to explore your customer data. """) # Campo para filtrar clientes partial_code = st.text_input("Enter part of Customer Code (or leave empty to see all)") # Filtrar las opciones de clientes que coincidan con el código parcial if partial_code: filtered_customers = df[df['CLIENTE'].str.contains(partial_code)] else: filtered_customers = df # Crear una lista de clientes filtrados para el selectbox customer_list = filtered_customers['CLIENTE'].unique() # Selección de cliente con autocompletar filtrado customer_code = st.selectbox("Select Customer Code", customer_list) if customer_code: # Filtrar datos para el cliente seleccionado customer_data = df[df["CLIENTE"] == customer_code] if not customer_data.empty: st.write(f"### Analysis for Customer {customer_code}") # Obtener las 6 columnas con los valores más altos (ignorar la columna de cliente) top_6_manufacturers = customer_data.iloc[:, 1:].T.nlargest(6, customer_data.index[0]) # Ordenar los fabricantes por valor descendente para mejor visualización top_6_manufacturers = top_6_manufacturers.sort_values(by=customer_data.index[0], ascending=False) # Preparar los valores y fabricantes values = top_6_manufacturers[customer_data.index[0]].values.tolist() manufacturers = [get_supplier_name(m) for m in top_6_manufacturers.index.tolist()] # Mostrar los resultados de cada fabricante st.write("### Resultados porcentaje fabricante (ordenados):") for manufacturer, value in zip(manufacturers, values): st.write(f"{manufacturer} = {value:.4f}") # 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: 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.") # Página Customer Recommendations elif page == "Customer Recommendations": st.title("Customer Recommendations") st.markdown(""" Get tailored recommendations for your customers based on their purchasing history. """) # Campo para filtrar clientes partial_code = st.text_input("Enter part of Customer Code for Recommendations (or leave empty to see all)") # Filtrar las opciones de clientes que coincidan con el código parcial if partial_code: filtered_customers = df[df['CLIENTE'].str.contains(partial_code)] else: filtered_customers = df # Crear una lista de clientes filtrados para el selectbox customer_list = filtered_customers['CLIENTE'].unique() # Selección de cliente con autocompletar filtrado customer_code = st.selectbox("Select Customer Code for Recommendations", customer_list) if customer_code: customer_data = df[df["CLIENTE"] == customer_code] if not customer_data.empty: # Mostrar historial de compras del cliente seleccionado st.write(f"### Purchase History for Customer {customer_code}") st.write(customer_data) # Generar recomendaciones (placeholder) st.write(f"### Recommended Products for Customer {customer_code}") # 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.")