Update app.py

app.py

@@ -1175,7 +1175,15 @@ def normalizar_nombres_ciudades(nombre):
         'Juliana': 'Juliaca',
         'Chimbote': 'Chimbote',
         'Arequipa': 'Arequipa',
-        'Trujillo': 'Trujillo'
+        'Trujillo': 'Trujillo',
+        'Cervo de Pasco': 'Cerro de Pasco',
+        'Lima Metropolitana y la Provincia Constitucional del Calleo': 'Lima-Callao',
+        'Moyaegua': 'Moquegua',
+        'Mayobamba': 'Moyobamba',
+        'Hueva': 'Huancavelica',
+        'Pluto Júnior': 'Piura',
+        'Guido Mianzano': 'Cajamarca',
+        'Guyo Morales': 'Ayacucho'
     }
     return correcciones.get(nombre, nombre)
 
@@ -1195,10 +1203,7 @@ def crear_grafico_lineas(df, titulo, eje_y, formato=None):
                 y=df[columna],
                 name=columna,
                 mode='lines+markers',
-                line=dict(
-                    color=COLORES.get(columna, '#000000'), 
-                    width=3
-                ),
+                line=dict(color=COLORES.get(columna, '#000000'), width=3),
                 marker=dict(size=8),
                 hovertemplate=f'<b>{columna}</b>: %{{y:{formato or ".2f"}}}<extra></extra>'
             ))
@@ -1209,13 +1214,7 @@ def crear_grafico_lineas(df, titulo, eje_y, formato=None):
         xaxis_title='Periodo',
         hovermode='x unified',
         template='plotly_white',
-        legend=dict(
-            orientation="h",
-            yanchor="bottom",
-            y=1.02,
-            xanchor="right",
-            x=1
-        ),
+        legend=dict(orientation="h", yanchor="bottom", y=1.02, xanchor="right", x=1),
         height=500
     )
     
@@ -1224,53 +1223,81 @@ def crear_grafico_lineas(df, titulo, eje_y, formato=None):
     
     return fig
 
-def crear_radar_plot(dfs):
-    metricas = {}
-    
-    try:
-        metricas['Desempleo'] = dfs['desempleo']['Total'].iloc[-1]
-        metricas['Informalidad'] = dfs['informal']['Total'].iloc[-1]
-        metricas['Actividad'] = dfs['actividad']['Total'].iloc[-1]
-        metricas['Brecha Salarial'] = ((dfs['ingresos']['Hombres'].iloc[-1] - 
-                                      dfs['ingresos']['Mujeres'].iloc[-1]) / 
-                                     dfs['ingresos']['Hombres'].iloc[-1]) * 100
-    except (KeyError, IndexError, ZeroDivisionError) as e:
-        print(f"Error al generar radar plot: {str(e)}")
-        return go.Figure()
+def crear_grafico_barras_anual(df, titulo, eje_y, columna_metricas, palette=px.colors.sequential.Viridis):
+    # Ordenar datos de mayor a menor
+    df = df.sort_values(by=columna_metricas, ascending=False)
     
-    categories = list(metricas.keys())
-    values = list(metricas.values())
+    # Resto de la función se mantiene igual
+    df['Año'] = df['Periodo'].str.split('-').str[0]
+    df = df.groupby(['Ciudad', 'Año'], as_index=False)[columna_metricas].mean()
     
-    fig = go.Figure()
+    # Crear categorías ordenadas
+    orden_ciudades = df.groupby('Ciudad')[columna_metricas].mean().sort_values(ascending=False).index
+    df['Ciudad'] = pd.Categorical(df['Ciudad'], categories=orden_ciudades, ordered=True)
+    df = df.sort_values('Ciudad')
     
-    fig.add_trace(go.Scatterpolar(
-        r=values + [values[0]],
-        theta=categories + [categories[0]],
-        fill='toself',
-        fillcolor='rgba(142, 68, 173, 0.2)',
-        line=dict(color=COLORES['Brecha'], width=2),
-        name='Indicadores'
-    ))
+    fig = px.bar(df,
+                 x='Ciudad',
+                 y=columna_metricas,
+                 color='Año',
+                 barmode='group',
+                 title=f'<b>{titulo}</b>',
+                 labels={columna_metricas: eje_y},
+                 color_discrete_sequence=palette,
+                 height=600)
     
     fig.update_layout(
-        polar=dict(
-            radialaxis=dict(visible=True, range=[0, 100], tickfont=dict(size=12)),
-            angularaxis=dict(rotation=90, direction='clockwise', tickfont=dict(size=14))
-        ),
-        title=dict(text='Radar de Indicadores Laborales', x=0.5, font=dict(size=20)),
-        showlegend=False,
-        height=500
+        xaxis_title='Ciudad',
+        yaxis_title=eje_y,
+        legend_title='Año',
+        xaxis={'categoryorder': 'total descending'},
+        uniformtext_minsize=8,
+        margin=dict(b=150),
+        hovermode='x unified'
     )
     
+    fig.update_xaxes(tickangle=45)
     return fig
 
+def crear_radar_plot(dfs):
+    try:
+        metricas = {
+            'Desempleo': dfs['desempleo']['Total'].iloc[-1],
+            'Informalidad': dfs['informal']['Total'].iloc[-1],
+            'Actividad': dfs['actividad']['Total'].iloc[-1],
+            'Brecha Salarial': ((dfs['ingresos']['Hombres'].iloc[-1] - dfs['ingresos']['Mujeres'].iloc[-1]) / 
+                               dfs['ingresos']['Hombres'].iloc[-1]) * 100
+        }
+        
+        fig = go.Figure()
+        fig.add_trace(go.Scatterpolar(
+            r=list(metricas.values()) + [list(metricas.values())[0]],
+            theta=list(metricas.keys()) + [list(metricas.keys())[0]],
+            fill='toself',
+            fillcolor='rgba(142, 68, 173, 0.2)',
+            line=dict(color=COLORES['Brecha'], width=2)
+        ))
+        
+        fig.update_layout(
+            polar=dict(
+                radialaxis=dict(visible=True, range=[0, 100]),
+                angularaxis=dict(rotation=90, direction='clockwise')
+            ),
+            title=dict(text='Radar de Indicadores Laborales', x=0.5, font=dict(size=20)),
+            showlegend=False,
+            height=500
+        )
+        return fig
+    
+    except Exception as e:
+        print(f"Error en radar plot: {str(e)}")
+        return go.Figure()
+
 def analisis_comparativo_desempleo():
     datos = []
-    
     for ciudad, data in cities_data.items():
         nombre = normalizar_nombres_ciudades(ciudad)
-        df = procesar_dataframe(data['desempleo_trimestral'], 
-                              ["Trimestre", "Total", "Hombres", "Mujeres"])
+        df = procesar_dataframe(data['desempleo_trimestral'], ["Trimestre", "Total", "Hombres", "Mujeres"])
         if not df.empty:
             ultimo_valor = df['Total'].iloc[-1]
             datos.append({'Ciudad': nombre, 'Desempleo': ultimo_valor})
@@ -1279,66 +1306,57 @@ def analisis_comparativo_desempleo():
         return go.Figure()
     
     df_comparativo = pd.DataFrame(datos).sort_values('Desempleo', ascending=False)
-    
     fig = px.bar(df_comparativo, 
                 x='Ciudad', 
                 y='Desempleo',
                 color='Desempleo',
                 color_continuous_scale='Bluered',
                 text_auto='.1f%',
-                title='Comparación de Tasa de Desempleo entre Ciudades')
+                title='<b>Comparación de Tasa de Desempleo entre Ciudades</b>',
+                height=600)
     
     fig.update_layout(
         xaxis_title='',
         yaxis_title='Tasa de Desempleo (%)',
         coloraxis_showscale=False,
         xaxis={'categoryorder':'total descending'},
-        height=600
+        margin=dict(b=150)
     )
-    
     return fig
 
 def generar_analisis_global():
     figs = []
     
-    # Gráfico comparativo de desempleo
+    # 1. Ranking de Desempleo
     figs.append(analisis_comparativo_desempleo())
     
-    # Gráfico de tendencia de ingresos (full width)
+    # 2. Evolución de Ingresos
     datos_ingresos = []
     for ciudad, data in cities_data.items():
         nombre = normalizar_nombres_ciudades(ciudad)
-        df = procesar_dataframe(data['ingresos_periodo'], 
-                              ["Periodo", "Total", "Hombres", "Mujeres"])
+        df = procesar_dataframe(data['ingresos_periodo'], ["Periodo", "Total", "Hombres", "Mujeres"])
         if not df.empty:
             df['Ciudad'] = nombre
             datos_ingresos.append(df)
     
     if datos_ingresos:
         df_ingresos = pd.concat(datos_ingresos)
-        fig_ingresos = px.line(df_ingresos, 
-                              x='Periodo', 
-                              y='Total', 
-                              color='Ciudad',
-                              title='<b>Evolución Histórica de Ingresos Promedio por Ciudad</b>',
-                              markers=True,
-                              height=600)
-        fig_ingresos.update_layout(
-            xaxis_title='Periodo',
-            yaxis_title='Ingresos (Soles)',
-            legend=dict(title='Ciudades'),
-            margin=dict(l=50, r=50, t=80, b=50)
+        fig_ingresos = crear_grafico_barras_anual(
+            df_ingresos,
+            'Evolución Anual de Ingresos Promedio por Ciudad',
+            'Ingresos (Soles)',
+            'Total',
+            px.colors.sequential.Viridis
         )
         figs.append(fig_ingresos)
     else:
         figs.append(go.Figure())
     
-    # Gráfico de brecha salarial (full width)
+    # 3. Evolución de Brecha Salarial
     datos_brecha = []
     for ciudad, data in cities_data.items():
         nombre = normalizar_nombres_ciudades(ciudad)
-        df = procesar_dataframe(data['ingresos_periodo'], 
-                              ["Periodo", "Total", "Hombres", "Mujeres"])
+        df = procesar_dataframe(data['ingresos_periodo'], ["Periodo", "Total", "Hombres", "Mujeres"])
         if not df.empty:
             df['Brecha'] = (df['Hombres'] - df['Mujeres']) / df['Hombres'].replace(0, np.nan) * 100
             df['Ciudad'] = nombre
@@ -1346,23 +1364,12 @@ def generar_analisis_global():
     
     if datos_brecha:
         df_brecha = pd.concat(datos_brecha)
-        fig_brecha = px.bar(df_brecha, 
-                           x='Ciudad', 
-                           y='Brecha',
-                           color='Brecha',
-                           title='<b>Comparación de Brecha Salarial por Ciudad</b>',
-                           text_auto='.1f%',
-                           height=600,
-                           color_continuous_scale='Viridis')
-        
-        fig_brecha.update_layout(
-            xaxis_title='Ciudad',
-            yaxis_title='Brecha Salarial (%)',
-            coloraxis_showscale=False,
-            xaxis={'categoryorder':'total descending'},
-            margin=dict(l=50, r=50, t=80, b=150),
-            uniformtext_minsize=8,
-            uniformtext_mode='hide'
+        fig_brecha = crear_grafico_barras_anual(
+            df_brecha,
+            'Evolución Anual de la Brecha Salarial por Ciudad',
+            'Brecha Salarial (%)',
+            'Brecha',
+            px.colors.diverging.RdYlGn
         )
         figs.append(fig_brecha)
     else:
@@ -1394,6 +1401,7 @@ def actualizar_graficos(ciudad):
 with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue"), css="""
     .gradio-container {background-color: #f8f9fa}
     .plot-container {margin: 20px 0}
+    .column-container {gap: 15px}
     """) as app:
     
     gr.Markdown("# 📊 Dashboard Analítico del Mercado Laboral Peruano")
@@ -1407,34 +1415,36 @@ with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue"), css="""
         )
     
     with gr.Tab("Análisis por Ciudad"):
+        # Primera fila: Radar plot
         with gr.Row():
-            desempleo_plot = Plot(label="Tasa de Desempleo")
-        with gr.Row():
-            ingresos_plot = Plot(label="Ingresos Promedio")
-        with gr.Row():
-            informalidad_plot = Plot(label="Tasa de Informalidad")
-        with gr.Row():
-            actividad_plot = Plot(label="Tasa de Actividad")
-        with gr.Row():
-            radar_plot = Plot(label="Radar de Indicadores")
+            radar_plot = Plot(label="Radar de Indicadores Laborales")
+        
+        # Segunda fila: 2 columnas para los demás gráficos
         with gr.Row():
-            brecha_plot = Plot(label="Brecha Salarial")
+            with gr.Column(elem_classes="column-container"):
+                desempleo_plot = Plot(label="Tasa de Desempleo")
+                ingresos_plot = Plot(label="Ingresos Promedio")
+                informalidad_plot = Plot(label="Tasa de Informalidad")
+            
+            with gr.Column(elem_classes="column-container"):
+                actividad_plot = Plot(label="Tasa de Actividad")
+                brecha_plot = Plot(label="Brecha Salarial")
     
     with gr.Tab("Análisis Comparativo"):
         with gr.Row():
             global_desempleo = Plot(label="Ranking de Desempleo")
         with gr.Row():
-            global_ingresos = Plot(label="Evolución de Ingresos")
+            global_ingresos = Plot(label="Evolución Anual de Ingresos")
         with gr.Row():
-            global_brecha = Plot(label="Comparación de Brecha Salarial")
+            global_brecha = Plot(label="Evolución Anual de Brecha Salarial")
         with gr.Row():
-            global_btn = gr.Button("Actualizar Datos", variant="primary")
+            global_btn = gr.Button("Actualizar Análisis", variant="primary")
 
-    # Eventos
+    # Eventos (se mantienen igual)
     ciudad.change(
         fn=actualizar_graficos,
         inputs=ciudad,
-        outputs=[desempleo_plot, ingresos_plot, informalidad_plot, actividad_plot, radar_plot, brecha_plot]
+        outputs=[radar_plot, desempleo_plot, ingresos_plot, informalidad_plot, actividad_plot, brecha_plot]
     )
     
     global_btn.click(