File size: 1,933 Bytes
f3f77c0
ee18ffc
f3f77c0
f33a271
f3f77c0
ee18ffc
f3f77c0
ee18ffc
 
 
 
f33a271
f3f77c0
ee18ffc
 
 
 
f33a271
 
ee18ffc
 
f33a271
2e99c86
 
ee18ffc
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
import gradio as gr
import pandas as pd

def create_interface(process_fn):
    with gr.Blocks() as demo:
        gr.Markdown("# Interfaz de Usuario para el Procesamiento de Datos de Bioproceso")

        # **Inputs de Archivo y Parámetros**
        file_input = gr.File(label="Subir archivo Excel con los datos", file_types=[".xls", ".xlsx"])

        # Botón para Procesar
        process_button = gr.Button("Procesar")

        # Salida
        output_image = gr.Image(label="Gráfico Generado")
        output_text = gr.Textbox(label="Análisis Generado", lines=10)

        # Conectar el botón con la función de procesamiento
        process_button.click(
            fn=process_fn,
            inputs=[file_input],  # Solo necesitamos el archivo aquí
            outputs=[output_image, output_text]
        )

    return demo

def process_and_plot(file):
    # Leer el archivo Excel proporcionado
    combined_data = read_excel_data(file.name)

    # Aquí puedes procesar los datos como lo has hecho anteriormente
    # Procesamiento y visualización de los resultados, basado en los datos leídos

    # Retornar gráficos generados y análisis
    # Para fines de ejemplo, solo mostramos una vista previa de los datos
    return combined_data.head(), "Análisis de los datos realizados"

# Aquí se define la función que limpia y procesa los datos
def read_excel_data(file_path):
    excel_data = pd.ExcelFile(file_path)
    all_data = []
    
    for sheet in excel_data.sheet_names:
        df = pd.read_excel(excel_data, sheet_name=sheet)
        
        # Eliminar columnas innecesarias y renombrar las importantes
        df_clean = df.iloc[:, :4]  # Las primeras 4 columnas contienen datos importantes
        df_clean.columns = ['Tiempo', 'Biomasa', 'Sustrato', 'Producto']
        
        all_data.append(df_clean)
    
    combined_data = pd.concat(all_data, ignore_index=True)
    
    return combined_data