""" Streamlit dashboard para gestión de proyectos Vertical / Horizontal / Lote - Permite subir un archivo Excel (.xlsx o .xlsm) con hojas: Vertical, Horizontal, Lote, Ventas (y otras). - Implementa la lógica solicitada para el estado "Disponible". Cómo usar: 1. Instala dependencias: pip install streamlit pandas openpyxl 2. Ejecuta: streamlit run streamlit_dashboard.py Nota: los archivos .xlsm (con macros) se leerán pero las macros NO se ejecutarán ni se extraerán. Si necesitas trabajar con el código VBA o ejecutar macros, hay que añadir herramientas específicas (por ejemplo, xlwings o extractores de VBA) en una fase posterior. Autor: Generado por ChatGPT """ import streamlit as st import pandas as pd from io import BytesIO st.set_page_config(page_title="Dashboard Inventario - Vertical/Horizontal/Lote", layout="wide") st.title("Dashboard interactivo de inventario") st.markdown("Usa el **sidebar** para subir el archivo, elegir la sección y navegar entre vistas.") st.markdown("Sube tu archivo Excel (.xlsx o .xlsm) con las hojas 'Vertical', 'Horizontal', 'Lote' y 'Ventas' y explora el inventario disponible por tipo de desarrollo.") # ----------------------------------------------------------------------------- # Helper functions # ----------------------------------------------------------------------------- @st.cache_data def read_excel_sheets(uploaded_file_bytes, filename: str): """Lee todas las hojas de un archivo Excel. Soporta .xlsx y .xlsm (usando openpyxl). uploaded_file_bytes: bytes del archivo subido filename: nombre del archivo para detectar la extensión """ # Elegir engine: openpyxl funciona para xlsx/xlsm engine = 'openpyxl' # pandas acepta un file-like object xls = pd.read_excel(BytesIO(uploaded_file_bytes), sheet_name=None, engine=engine) return xls def ensure_df(df): # Si df es None, devolvemos dataframe vacío if df is None: return pd.DataFrame() return df.copy() def ensure_fecha_datetime(df): if 'Fecha' in df.columns: df = df.copy() df['Fecha'] = pd.to_datetime(df['Fecha'], errors='coerce') return df def process_disponible_tab(df_main, df_ventas): """ Ejecuta la lógica solicitada cuando el usuario elige 'Disponible'. Devuelve (ultimos_registros, inventario_total) """ # 1. Filtrar proyectos disponibles en la hoja principal proyectos_disponibles_df = df_main[df_main['Estatus_venta'] == 'Disponible'] if not df_main.empty and 'Estatus_venta' in df_main.columns else pd.DataFrame() lista_nombres_disponibles = proyectos_disponibles_df['Nombre_desarrollo'].unique().tolist() if not proyectos_disponibles_df.empty and 'Nombre_desarrollo' in proyectos_disponibles_df.columns else [] if len(lista_nombres_disponibles) == 0: return pd.DataFrame(), 0 # 2. Filtrar df_ventas para esos proyectos ventas_filtered = df_ventas[df_ventas['Nombre_desarrollo'].isin(lista_nombres_disponibles)] if not df_ventas.empty and 'Nombre_desarrollo' in df_ventas.columns else pd.DataFrame() if ventas_filtered.empty: return pd.DataFrame(), 0 # 3. Asegurar 'Fecha' como datetime y obtener último registro por Nombre_desarrollo ventas_filtered = ensure_fecha_datetime(ventas_filtered) # Orden descendente por Fecha y tomar el primer registro por Nombre_desarrollo (último por fecha) ventas_filtered = ventas_filtered.sort_values(by='Fecha', ascending=False) ultimos_registros = ventas_filtered.drop_duplicates(subset=['Nombre_desarrollo'], keep='first') # 4. Calcular inventario total inventario_col = 'Inventario_disponible' if inventario_col not in ultimos_registros.columns: inventario_total = 0 else: inventario_total = ultimos_registros[inventario_col].fillna(0).sum() # Ordenar columnas de salida mínimas si existen cols_to_show = [c for c in ['Nombre_desarrollo', 'Inventario_disponible', 'Fecha'] if c in ultimos_registros.columns] ultimos_registros_out = ultimos_registros[cols_to_show].sort_values(by='Nombre_desarrollo') if not ultimos_registros.empty else pd.DataFrame() return ultimos_registros_out, inventario_total # ----------------------------------------------------------------------------- # Sidebar: carga y navegación # ----------------------------------------------------------------------------- with st.sidebar: st.header("Carga de archivo") uploaded_file = st.file_uploader("Sube el archivo Excel (.xlsx o .xlsm)", type=['xlsx', 'xlsm'], accept_multiple_files=False, key="uploader") sheets = {} if uploaded_file is not None: try: uploaded_bytes = uploaded_file.read() filename = uploaded_file.name sheets = read_excel_sheets(uploaded_bytes, filename) st.success("Cargado: " + filename) if filename.lower().endswith('.xlsm'): st.info("Archivo .xlsm: las macros NO se ejecutan, solo se leen los datos.") except Exception as e: st.error(f"Error leyendo el archivo Excel: {e}") st.header("Menú") seccion = st.radio( "Sección", options=["Análisis del mercado", "Análisis por desarrollo"], index=0, key="nav_seccion" ) # Controles dependientes de la sección seleccionada if seccion == "Análisis del mercado": st.header("📊 Análisis del mercado") estatus_sel = st.radio("Estatus", options=['Disponible', 'Vendido'], index=0, horizontal=True, key="nav_estatus") dataset_sel = None else: st.header("🏗️ Análisis por desarrollo") estatus_sel = None dataset_opciones = ["Vertical", "Horizontal", "Lote"] dataset_sel = st.selectbox("Conjunto de datos", options=dataset_opciones, index=0, key="nav_dataset") # Cargar DataFrames relevantes (si existen) df_vertical = ensure_df(sheets.get('Vertical')) df_horizontal = ensure_df(sheets.get('Horizontal')) df_lote = ensure_df(sheets.get('Lote')) df_ventas = ensure_df(sheets.get('Ventas')) # Asegurar Fecha en df_ventas df_ventas = ensure_fecha_datetime(df_ventas) # Helper para elegir df principal por nombre DF_MAP = { 'Vertical': lambda: ensure_df(sheets.get('Vertical')), 'Horizontal': lambda: ensure_df(sheets.get('Horizontal')), 'Lote': lambda: ensure_df(sheets.get('Lote')), } # Elegir df_main solo para análisis por desarrollo if seccion == "Análisis por desarrollo" and dataset_sel is not None: df_main = DF_MAP.get(dataset_sel, lambda: pd.DataFrame())() else: df_main = pd.DataFrame() # ----------------------------------------------------------------------------- # Funciones de render para cada vista # ----------------------------------------------------------------------------- def render_market_analysis(df_main, df_ventas, dataset_name, estatus): st.subheader(f"Análisis del mercado · {dataset_name}") if df_main.empty: st.warning(f"No se encontró la hoja o está vacía: {dataset_name}. Sube un archivo con la hoja '{dataset_name}'.") return with st.expander("Vista previa de la hoja (primeras filas)"): st.dataframe(df_main.head(), use_container_width=True) if estatus == 'Disponible': ultimos_registros, inventario_total = process_disponible_tab(df_main, df_ventas) if ultimos_registros.empty: st.info("No hay registros de ventas recientes para los proyectos disponibles o no coinciden los nombres con la hoja 'Ventas'.") return try: inventario_display = int(inventario_total) if float(inventario_total).is_integer() else round(inventario_total, 2) except Exception: inventario_display = inventario_total st.metric(label="Inventario Total Disponible", value=inventario_display) st.markdown("**Detalle por proyecto (último registro disponible)**") st.dataframe(ultimos_registros, use_container_width=True) csv = ultimos_registros.to_csv(index=False).encode('utf-8') st.download_button( label="Descargar detalle (CSV)", data=csv, file_name=f"ultimos_registros_{dataset_name}.csv", mime='text/csv', key=f"download_{dataset_name.lower()}" ) else: st.info("La lógica para 'Vendido' está pendiente y se implementará en una siguiente fase.") def render_project_analysis(df_main, df_ventas, sheets, dataset_name): st.subheader(f"Análisis por desarrollo · {dataset_name}") if df_main.empty: st.warning(f"No se encontró la hoja o está vacía: {dataset_name}. Sube un archivo con la hoja '{dataset_name}'.") return # Selector de proyecto lista_proyectos = list(df_main['Nombre_desarrollo'].dropna().unique()) if 'Nombre_desarrollo' in df_main.columns else [] lista_proyectos.insert(0, "Seleccione un proyecto") proyecto_seleccionado = st.selectbox( "Elige un proyecto para analizar:", options=lista_proyectos, key=f"select_proyecto_{dataset_name.lower()}" ) if proyecto_seleccionado == "Seleccione un proyecto": st.info("Selecciona un proyecto para ver el detalle.") return # Filtrar DataFrames relevantes info_general = df_main[df_main['Nombre_desarrollo'] == proyecto_seleccionado] historial_ventas = df_ventas[df_ventas['Nombre_desarrollo'] == proyecto_seleccionado].copy() if not df_ventas.empty and 'Nombre_desarrollo' in df_ventas.columns else pd.DataFrame() historial_ventas = ensure_fecha_datetime(historial_ventas).sort_values(by='Fecha') if not historial_ventas.empty else historial_ventas # Hojas auxiliares por dataset precios_sheet_name = 'Precios' # común prototipos_sheet_map = { 'Vertical': 'Info_prototipos_vertical', 'Horizontal': 'Info_prototipos_horizontal', 'Lote': 'Info_prototipos_lote', } df_precios_local = ensure_df(sheets.get(precios_sheet_name)) df_precios_local = ensure_fecha_datetime(df_precios_local) historial_precios = df_precios_local[df_precios_local['Nombre_desarrollo'] == proyecto_seleccionado].sort_values(by='Fecha') if not df_precios_local.empty and 'Nombre_desarrollo' in df_precios_local.columns else pd.DataFrame() df_prototipos_local = ensure_df(sheets.get(prototipos_sheet_map.get(dataset_name))) info_prototipos = df_prototipos_local[df_prototipos_local['Nombre_desarrollo'] == proyecto_seleccionado] if not df_prototipos_local.empty and 'Nombre_desarrollo' in df_prototipos_local.columns else pd.DataFrame() # --- Resumen rápido --- st.write("### Resumen General del Proyecto") if not info_general.empty: datos = info_general.iloc[0] col1, col2, col3, col4 = st.columns(4) zona = datos['Zona'] if 'Zona' in info_general.columns else "-" desarrolladora = datos['Desarrolladora'] if 'Desarrolladora' in info_general.columns else "-" estatus_venta = datos['Estatus_venta'] if 'Estatus_venta' in info_general.columns else "-" deptos_planeados = datos['Departamentos_planeados'] if 'Departamentos_planeados' in info_general.columns else "-" col1.metric("Zona", zona) col2.metric("Desarrolladora", desarrolladora) col3.metric("Estatus Venta", estatus_venta) col4.metric("Deptos. Planeados", deptos_planeados) else: st.warning("No hay información general disponible para este proyecto.") # --- Pestañas de detalle --- tab_ventas, tab_precios, tab_prototipos, tab_info = st.tabs([ "Historial de Ventas", "Historial de Precios", "Prototipos", "Información Completa" ]) with tab_ventas: st.write("#### Evolución de Ventas e Inventario") if not historial_ventas.empty and 'Fecha' in historial_ventas.columns: df_plot = historial_ventas.set_index('Fecha') cols_to_plot = [c for c in ['Ventas_acumuladas', 'Inventario_disponible'] if c in df_plot.columns] if len(cols_to_plot) > 0: st.line_chart(df_plot[cols_to_plot]) else: st.warning("Faltan columnas 'Ventas_acumuladas' o 'Inventario_disponible' en el historial de ventas.") else: st.warning("No hay datos de ventas registrados para este proyecto.") with tab_precios: st.write("#### Evolución de Precios por Prototipo") if not historial_precios.empty and 'Fecha' in historial_precios.columns: if 'Nombre_prototipos' in historial_precios.columns and 'Precio' in historial_precios.columns: pivot = historial_precios.pivot_table(index='Fecha', columns='Nombre_prototipos', values='Precio') st.line_chart(pivot) elif 'Precio' in historial_precios.columns: st.line_chart(historial_precios.set_index('Fecha')['Precio']) else: st.warning("La hoja de precios no contiene la columna 'Precio'.") else: st.warning("No hay datos de precios registrados para este proyecto.") with tab_prototipos: st.write("#### Información de Prototipos") if not info_prototipos.empty: st.dataframe(info_prototipos, use_container_width=True) else: st.info("No hay información de prototipos para este proyecto.") with tab_info: st.write("#### Ficha Técnica Completa") if not info_general.empty: st.dataframe(info_general.T, use_container_width=True) else: st.info("No hay información general a mostrar.") # ----------------------------------------------------------------------------- # Render según navegación del sidebar # ----------------------------------------------------------------------------- if seccion == "Análisis del mercado": # Mostrar tabs para Vertical / Horizontal / Lote tab_v, tab_h, tab_l = st.tabs(["Vertical", "Horizontal", "Lote"]) with tab_v: render_market_analysis(ensure_df(sheets.get('Vertical')), df_ventas, 'Vertical', estatus_sel) with tab_h: render_market_analysis(ensure_df(sheets.get('Horizontal')), df_ventas, 'Horizontal', estatus_sel) with tab_l: render_market_analysis(ensure_df(sheets.get('Lote')), df_ventas, 'Lote', estatus_sel) else: render_project_analysis(df_main, df_ventas, sheets, dataset_sel)