[FIX] colores y estilos

.streamlit/config.toml

@@ -3,4 +3,4 @@ primaryColor = "#FC5C9C"
 backgroundColor = "#F5FFFA"
 secondaryBackgroundColor = "#C4C754"
 textColor = "#556B2F"
-font = "sans serif"
+font = "sans"

app.py

@@ -1,6 +1,4 @@
 # Importación de las bibliotecas necesarias
-import subprocess
-
 import pandas as pd
 import streamlit as st
 
@@ -13,7 +11,8 @@ df = pd.read_csv('data/po_excel_original.csv')
 
 # Seleccionar top clientes por ventas
 top_clientes = df.groupby("Clientes")["Total"].sum().sort_values(
-    ascending=False)
+        ascending=False
+        )
 
 # Título de la aplicación Streamlit
 st.title("Análisis de Clientes y Ventas de Punto Orgánico")
@@ -26,6 +25,5 @@ def run():
     boxplot()
 
 
-
 if __name__ == "__main__":
     run()

boxplot_clientes.py

@@ -1,5 +1,4 @@
 import pandas as pd
-import plotly.express as px
 import plotly.graph_objects as go
 import streamlit as st
 
@@ -9,6 +8,7 @@ df = pd.read_csv('data/po_excel_original.csv')
 # Ordenar el DataFrame por la columna "Total" en orden descendente
 df = df.sort_values(by="Total", ascending=False)
 
+
 def boxplot():
     # Subtítulo: Boxplot de Clientes
     st.subheader("Boxplot de Clientes")
@@ -17,35 +17,45 @@ def boxplot():
     fig = go.Figure()
 
     # Agregar los boxplots
-    fig.add_trace(go.Box(y=df["Total"],
-                         name="Boxplot",
-                         marker_color = 'green'))  # Color del boxplot
+    fig.add_trace(
+        go.Box(
+            y=df["Total"],
+            name="Boxplot",
+            marker_color='green'
+            )
+        )  # Color del boxplot
 
     # Agregar los puntos de los clientes y sus nombres a la leyenda
     for i, row in df.iterrows():
-        fig.add_trace(go.Scatter(x=[len(df) + 2],
-                                 y=[row["Total"]],
-                                 mode='markers',
-                                 name=row["Clientes"],
-                                 marker=dict(color='#FC5C9C', size=12,
-                                             symbol='circle'),  # Color de los markers
-                                 visible='legendonly'))
+        fig.add_trace(
+            go.Scatter(
+                x=[len(df) + 2],
+                y=[row["Total"]],
+                mode='markers',
+                name=row["Clientes"],
+                marker=dict(
+                    color='#FC5C9C', size=12,
+                    symbol='circle'
+                    ),  # Color de los markers
+                visible='legendonly'
+                )
+            )
 
     # Configurar el diseño del boxplot y el tamaño de la figura
     fig.update_layout(
-        yaxis=dict(title="Ventas"),
-        boxmode='group',
-        autosize=True,
-        width=900,
-        height=600,
-        legend=dict(
-            x=1.1,
-            y=0.5,
-            bgcolor='rgba(255, 255, 255, 0.5)',
-            bordercolor='rgba(0, 0, 0, 0.3)',
-            borderwidth=1
-        )
-    )
+            yaxis=dict(title="Ventas"),
+            boxmode='group',
+            autosize=True,
+            width=900,
+            height=600,
+            legend=dict(
+                    x=1.1,
+                    y=0.5,
+                    bgcolor='rgba(255, 255, 255, 0.5)',
+                    bordercolor='rgba(0, 0, 0, 0.3)',
+                    borderwidth=1
+                    )
+            )
 
     # Mostrar el boxplot con los nombres de los clientes
     st.plotly_chart(fig, use_container_width=True)

top_5_clientes.py

@@ -1,10 +1,11 @@
 import pandas as pd
-import streamlit as st
 import plotly.express as px
+import streamlit as st
 
 # Carga del archivo CSV
 df = pd.read_csv('data/po_excel_original.csv')
 
+
 def top_5():
     # Ordenar el DataFrame por el total de forma descendente
     df_sorted = df.sort_values("Total", ascending=False)
@@ -13,15 +14,20 @@ def top_5():
     st.sidebar.title("Filtros Ventas Anuales TOP clientes")
 
     # Crear los controles interactivos para los filtros en la barra lateral
-    filtro_x = st.sidebar.slider("Monto mínimo de compras", min_value=0, max_value=int(df_sorted["Total"].max()),
-                         value=100, step=1)
+    filtro_x = st.sidebar.slider(
+        "Monto mínimo de compras", min_value=0,
+        max_value=int(df_sorted["Total"].max()),
+        value=100, step=1
+        )
 
     # Aplicar los filtros al DataFrame
     df_filtrado = df_sorted[df_sorted["Total"] >= filtro_x]
 
     # Control para la cantidad de clientes a mostrar
-    filtro_n = st.sidebar.slider("Cantidad de clientes a mostrar", min_value=1,
-                         max_value=len(df_filtrado), value=10)
+    filtro_n = st.sidebar.slider(
+        "Cantidad de clientes a mostrar", min_value=1,
+        max_value=len(df_filtrado), value=10
+        )
 
     # Aplicar el segundo filtro al DataFrame
     df_filtrado = df_filtrado.head(filtro_n)
@@ -30,23 +36,24 @@ def top_5():
     st.subheader("Ventas Anuales por TOP de clientes")
 
     # Crear el gráfico interactivo con Plotly
-    fig = px.bar(df_filtrado, x="Total", y="Clientes", color="Total",
-                 log_x=True, color_continuous_scale="greens")  # Modificar la paleta de colores
+    fig = px.bar(
+        df_filtrado, x="Total", y="Clientes", color="Total",
+        log_x=True, color_continuous_scale="greens"
+        )  # Modificar la paleta de colores
 
     # Personalizar el diseño del gráfico
     fig.update_layout(
-        xaxis=dict(categoryorder="total descending"),
-        yaxis={'categoryorder':'total ascending'},
-        showlegend=False
-    )
+            xaxis=dict(categoryorder="total descending"),
+            yaxis={'categoryorder': 'total ascending'},
+            showlegend=False
+            )
 
     # Configurar el tamaño del gráfico para que se muestren todos los nombres
     fig.update_layout(
-        autosize=True,
-        width=800,
-        height=500
-    )
+            autosize=True,
+            width=800,
+            height=500
+            )
 
     # Mostrar el gráfico en Streamlit
     st.plotly_chart(fig)
-

ventas_anuales_clientes.py

@@ -1,7 +1,9 @@
+from datetime import date
+
 import pandas as pd
 import plotly.express as px
 import streamlit as st
-from datetime import date
+
 
 def ventas_anuales():
     # Carga del archivo CSV
@@ -13,17 +15,22 @@ def ventas_anuales():
     # Reordena los meses en orden cronológico
     meses_ordenados = ['Ene', 'Feb', 'Mar', 'Abr', 'May', 'Jun', 'Jul', 'Ago',
                        'Sep', 'Oct', 'Nov', 'Dic']
-    df['Mes'] = pd.Categorical(df['Mes'], categories=meses_ordenados, ordered=True)
+    df['Mes'] = pd.Categorical(
+            df['Mes'], categories=meses_ordenados, ordered=True
+            )
 
     # Ordena el DataFrame por año y mes
     df = df.sort_values(['Año', 'Mes'])
 
     # Filtra los datos hasta el último mes mostrado
-    ultimo_mes_mostrado = meses_ordenados[date.today().month-1]
+    ultimo_mes_mostrado = meses_ordenados[date.today().month - 1]
     df = df[df['Mes'] <= ultimo_mes_mostrado]
 
     # Crea el gráfico de barras
-    fig = px.bar(df, x='Mes', y='Ventas', title='Ventas Anuales', labels={'Ventas': 'Ventas ($)', 'Mes': 'Mes', 'Año': 'Año'})
+    fig = px.bar(
+        df, x='Mes', y='Ventas', title='Ventas Anuales',
+        labels={'Ventas': 'Ventas ($)', 'Mes': 'Mes', 'Año': 'Año'}
+        )
 
     # Cambia el color de las barras a verde
     fig.update_traces(marker_color='green')