Test Heatmaps

app.py

@@ -2,7 +2,7 @@ import streamlit as st
 import pandas as pd
 import numpy as np
 from bokeh.plotting import figure
-from bokeh.models import ColumnDataSource, DataTable, TableColumn, CustomJS, Select, Button, HoverTool
+from bokeh.models import ColumnDataSource, DataTable, TableColumn, CustomJS, Select, Button, HoverTool, LinearColorMapper, ColorBar
 from bokeh.layouts import column
 from bokeh.palettes import Reds9, Blues9, Oranges9, Purples9, Greys9, BuGn9, Greens9
 from sklearn.decomposition import PCA
@@ -11,6 +11,8 @@ from sklearn.metrics import pairwise_distances
 import io
 import ot
 from sklearn.linear_model import LinearRegression
+from scipy.stats import binned_statistic_2d
+
 
 N_COMPONENTS = 2
 TSNE_NEIGHBOURS = 150
@@ -1054,6 +1056,74 @@ def run_model(model_name):
 
         st.write(f"Regresión global (Nueva PCA): R² = {r2_new:.4f}, Slope = {slope_new:.4f}, Intercept = {intercept_new:.4f}")
 
+        # --- INICIO DEL BLOQUE: Heatmap de características ---
+        st.markdown("## Heatmap de Características")
+
+        # Cargar el CSV que contiene las características para el heatmap.
+        # Se asume que el archivo se encuentra en "data/heatmaps.csv"
+        try:
+            df_heat = pd.read_csv("data/heatmaps.csv", sep=";")
+            df_heat.columns = [col.strip("'\"") for col in df_heat.columns]
+        except Exception as e:
+            st.error(f"Error al cargar heatmaps.csv: {e}")
+            df_heat = None
+
+        if df_heat is not None:
+            # Verificamos que la columna 'img' esté presente en df_all["real"]
+            if 'img' not in df_all["real"].columns:
+                st.error("La columna 'img' no se encuentra en las muestras reales para hacer el merge con heatmaps.csv.")
+            else:
+                # Crear la columna 'name' extrayendo el nombre sin la extensión '.png'
+                df_all["real"]["name"] = df_all["real"]["img"].apply(
+                    lambda x: x.split("/")[-1].replace(".png", "") if isinstance(x, str) else x
+                )
+                print(df_all["real"]["name"])
+                print(df_heat)
+                
+                # Hacemos merge de las posiciones reales con el CSV de heatmaps usando la columna 'name'
+                df_heatmap = pd.merge(df_all["real"], df_heat, on="name", how="inner")
+                
+                # Extraemos las características disponibles (excluyendo 'name')
+                feature_options = [col for col in df_heat.columns if col != "name"]
+                selected_feature = st.selectbox("Seleccione la característica para el heatmap:", options=feature_options)
+                
+                # Determinar el rango de las posiciones (x, y) de las muestras reales
+                x_min, x_max = df_heatmap['x'].min(), df_heatmap['x'].max()
+                y_min, y_max = df_heatmap['y'].min(), df_heatmap['y'].max()
+                
+                # Definir resolución de la rejilla (por ejemplo, 50x50)
+                grid_size = 50
+                x_bins = np.linspace(x_min, x_max, grid_size + 1)
+                y_bins = np.linspace(y_min, y_max, grid_size + 1)
+                
+                # Utilizamos binned_statistic_2d para calcular la media de la característica seleccionada en cada celda
+                heat_stat, x_edges, y_edges, binnumber = binned_statistic_2d(
+                    df_heatmap['x'], df_heatmap['y'], df_heatmap[selected_feature],
+                    statistic='mean', bins=[x_bins, y_bins]
+                )
+                
+                # La función image de Bokeh espera una lista de arrays y el arreglo debe estar orientado correctamente
+                heatmap_data = heat_stat.T  # Transponemos para alinear los ejes
+                
+                # Crear el mapa de color
+                color_mapper = LinearColorMapper(palette="Viridis256", low=np.nanmin(heatmap_data), high=np.nanmax(heatmap_data))
+                
+                # Crear la figura para el heatmap
+                heatmap_fig = figure(title=f"Heatmap de '{selected_feature}'",
+                                    x_range=(x_min, x_max), y_range=(y_min, y_max),
+                                    width=600, height=600,
+                                    tools="pan,wheel_zoom,reset,save", active_scroll="wheel_zoom")
+                
+                # Dibujar el heatmap usando la imagen (se pasa la lista con el array de datos)
+                heatmap_fig.image(image=[heatmap_data], x=x_min, y=y_min,
+                                dw=x_max - x_min, dh=y_max - y_min,
+                                color_mapper=color_mapper)
+                
+                # Agregar barra de colores
+                color_bar = ColorBar(color_mapper=color_mapper, location=(0, 0))
+                heatmap_fig.add_layout(color_bar, 'right')
+                
+                st.bokeh_chart(heatmap_fig)
 
 def main():
     config_style()