Revert "Revert "Choose t-sne or PCA""

This reverts commit 6071181bfa738ccb89f21fbfc4f518d9ca0ef7e0.

app.py

@@ -4,7 +4,6 @@ from bokeh.plotting import figure
 from bokeh.models import ColumnDataSource
 from bokeh.palettes import Category10
 
-
 TOOLTIPS = """
 <div>
     <div>
@@ -16,7 +15,6 @@ TOOLTIPS = """
 </div>
 """
 
-
 def render_plot(selected_labels, df, plot_placeholder):
     if not selected_labels:
         st.write("No data to display. Please select at least one subset.")
@@ -51,17 +49,7 @@ def render_plot(selected_labels, df, plot_placeholder):
 
     plot_placeholder.bokeh_chart(p)
 
-
-def render_plot_donut(selected_labels):
-    render_plot(selected_labels, df, plot_placeholder)
-
-
-def render_plot_idefics2(selected_labels):
-    render_plot(selected_labels, df2, plot_placeholder2)
-
-
 def config_style():
-    
     st.markdown(
         """
         <style>
@@ -95,50 +83,67 @@ def config_style():
     )
 
 if __name__ == "__main__":
-
     config_style()
 
-    # --- Primer gráfico: datos de data.csv ---
-    df = pd.read_csv("data/data_donut_pca.csv")
-    unique_labels = df['label'].unique().tolist()
+    # --- Primer gráfico: datos de Donut ---
+    df_donut_pca = pd.read_csv("data/data_donut_pca.csv")
+    df_donut_tsne = pd.read_csv("data/data_donut_tsne.csv")
 
-    # Contenedor para el primer gráfico
+    # Desplegable para seleccionar visualización
+    donut_mode = st.selectbox(
+        "Seleccione visualización para Donut:",
+        options=["PCA", "t-SNE"]
+    )
+    
+    # Escoger el DataFrame según la selección
+    if donut_mode == "PCA":
+        current_df_donut = df_donut_pca
+    else:
+        current_df_donut = df_donut_tsne
+
+    unique_labels = current_df_donut['label'].unique().tolist()
     plot_placeholder = st.empty()
 
-    # Mostrar inicialmente el primer gráfico con todas las etiquetas
-    render_plot_donut(unique_labels)
+    # Mostrar gráfico inicial con todas las etiquetas
+    render_plot(unique_labels, current_df_donut, plot_placeholder)
 
-    # Desplegable (multiselect) para el primer gráfico
+    # Desplegable para filtrar etiquetas
     selected_labels = st.multiselect(
-        "",
+        "Seleccione subsets para visualizar (Donut):",
         options=unique_labels,
         default=unique_labels
     )
 
-    # Actualizar gráfico al cambiar la selección
-    render_plot_donut(selected_labels)
+    render_plot(selected_labels, current_df_donut, plot_placeholder)
 
-    # --- Segundo gráfico: datos de data_idefics2.csv ---
+    # --- Segundo gráfico: datos de Idefics2 ---
     st.markdown('<h2 class="sub-title">Idefics2</h2>', unsafe_allow_html=True)
 
-    df2 = pd.read_csv("data/data_donut_tnse.csv")
-    unique_labels2 = df2['label'].unique().tolist()
+    df_idefics2_pca = pd.read_csv("data/data_idefics2_pca.csv")
+    df_idefics2_tsne = pd.read_csv("data/data_idefics2_tsne.csv")
 
+    # Desplegable para seleccionar visualización para Idefics2
+    idefics2_mode = st.selectbox(
+        "Seleccione visualización para Idefics2:",
+        options=["PCA", "t-SNE"],
+        key="idefics2_mode"
+    )
+    
+    if idefics2_mode == "PCA":
+        current_df_idefics2 = df_idefics2_pca
+    else:
+        current_df_idefics2 = df_idefics2_tsne
 
-    # Contenedor para el segundo gráfico
+    unique_labels2 = current_df_idefics2['label'].unique().tolist()
     plot_placeholder2 = st.empty()
 
+    render_plot(unique_labels2, current_df_idefics2, plot_placeholder2)
 
-    # Mostrar inicialmente el segundo gráfico con todas las etiquetas
-    render_plot_idefics2(unique_labels2)
-
-    # Desplegable (multiselect) para el segundo gráfico
     selected_labels2 = st.multiselect(
-        "",
+        "Seleccione subsets para visualizar (Idefics2):",
         options=unique_labels2,
         default=unique_labels2,
         key="idefics2"
     )
 
-    # Actualizar el gráfico del segundo conjunto de datos al cambiar la selección
-    render_plot_idefics2(selected_labels2)
+    render_plot(selected_labels2, current_df_idefics2, plot_placeholder2)