BPR17/EDMproject

1from pathlib import Path2import pandas as pd3import numpy as np4import streamlit as st5import plotly.express as px6import warnings7 8warnings.filterwarnings("ignore")9 10COL_STATION = "Numero"11DIAS_SEMANA = ["Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday", "Sunday"]12MESES_VERANO = {6: "June", 7: "July", 8: "August"}13 14 15@st.cache_data16def cargar_predicciones_2026() -> pd.DataFrame:17    base_dir = Path(__file__).resolve().parent18    pred_path = base_dir / "predicciones_2026.parquet"19 20    if not pred_path.exists():21        st.error(22            "No se ha encontrado `predicciones_2026.parquet`.\n\n"23            "Ejecuta primero `python predecir_2026.py` para generar las predicciones."24        )25        st.stop()26 27    df = pd.read_parquet(pred_path)28    df["fecha_prediccion"] = pd.to_datetime(df["fecha_prediccion"])29    df[COL_STATION] = pd.to_numeric(df[COL_STATION], errors="coerce").astype(int)30 31    return df32 33 34def clasificar_ocupacion(pct):35    if pct < 25:36        return "Low occupancy"37    elif pct < 60:38        return "Medium occupancy"39    else:40        return "High occupancy"41 42 43st.set_page_config(44    page_title="Valenbisi 2026",45    page_icon="🚲",46    layout="wide"47)48 49st.title("🚲 Valenbisi Smart Forecast")50st.caption("Interactive app to predict Valenbisi occupancy during the summer of 2026")51 52with st.spinner("Cargando predicciones 2026..."):53    df_predicciones = cargar_predicciones_2026()54 55st.header("Availability forecast by station and date")56 57estaciones_disponibles = sorted(df_predicciones[COL_STATION].dropna().unique())58ano_pred = 202659 60col_a, col_b, col_c = st.columns(3)61 62with col_a:63    estacion_pred = st.selectbox("Station", estaciones_disponibles, key="estacion_pred")64    st.text_input("Year", value="2026", disabled=True)65 66with col_b:67    mes_pred = st.selectbox(68        "Month",69        list(MESES_VERANO.keys()),70        format_func=lambda x: MESES_VERANO[x],71        key="mes_pred"72    )73    dia_pred = st.slider("Day of the month", 1, 31, 15, key="dia_pred")74 75with col_c:76    hora_pred = st.slider("Hour of the day", 0, 23, 12, key="hora_pred")77    minuto_pred = st.selectbox("Minute", [0, 15, 30, 45], key="minuto_pred")78 79 80try:81    fecha_elegida = pd.Timestamp(82        year=int(ano_pred),83        month=int(mes_pred),84        day=int(dia_pred),85        hour=int(hora_pred),86        minute=int(minuto_pred)87    )88except ValueError:89    st.warning("Esa combinación de día y mes no es válida. Por ejemplo, el 31 de junio no existe.")90    st.stop()91 92 93df_instante = df_predicciones[df_predicciones["fecha_prediccion"] == fecha_elegida]94 95if df_instante.empty:96    st.error("No hay predicciones guardadas para esa fecha y hora.")97    st.stop()98 99 100resultado_individual = df_instante[df_instante[COL_STATION] == estacion_pred]101 102if resultado_individual.empty:103    st.error("No hay predicción guardada para esa estación en esa fecha y hora.")104    st.stop()105 106resultado_individual = resultado_individual.iloc[0]107 108bicis_pred = int(resultado_individual["Bicis_predichas"])109huecos_pred = int(resultado_individual["Huecos_predichos"])110capacidad_estacion = int(resultado_individual["Capacidad"])111 112dia_semana_pred = fecha_elegida.dayofweek113 114st.caption(115    f"{fecha_elegida.strftime('%d/%m/%Y')} ({DIAS_SEMANA[dia_semana_pred]}) · "116    f"{hora_pred:02d}:{minuto_pred:02d}h · Station Nº {estacion_pred}"117)118 119res1, res2, res3 = st.columns(3)120res1.metric("Estimated bikes available", f"{bicis_pred} bikes")121res2.metric("Estimated free docks", f"{huecos_pred} docks")122res3.metric("Station capacity", f"{capacidad_estacion} docks")123 124 125st.header("Estimated station occupancy map")126st.write("The map displays all stations for the selected date and time.")127 128columnas_necesarias = {"Latitud", "Longitud", "Bicis_predichas", "Huecos_predichos", "Capacidad"}129 130if not columnas_necesarias.issubset(df_instante.columns):131    st.warning(132        "El archivo `predicciones_2026.parquet` no contiene todas las columnas necesarias "133        "para dibujar el mapa. Debe incluir Latitud y Longitud."134    )135else:136    df_mapa = df_instante.dropna(subset=["Latitud", "Longitud"]).copy()137 138    df_mapa["Ocupación (%)"] = np.where(139        df_mapa["Capacidad"] > 0,140        df_mapa["Bicis_predichas"] / df_mapa["Capacidad"] * 100,141        0142    )143 144    df_mapa["Occupancy level"] = df_mapa["Ocupación (%)"].apply(clasificar_ocupacion)145 146    df_mapa = df_mapa.rename(columns={147        "Bicis_predichas": "Bicis estimadas",148        "Huecos_predichos": "Huecos estimados"149    })150 151    fig_mapa = px.scatter_mapbox(152        df_mapa,153        lat="Latitud",154        lon="Longitud",155        color="Occupancy level",156        color_discrete_map={157 158            "Low occupancy":"#2ECC71",159            "Medium occupancy":"#F1C40F",160            "High occupancy":"#E74C3C"161        },162        hover_name=COL_STATION,163        hover_data={164            "Bicis estimadas": True,165            "Huecos estimados": True,166            "Capacidad": True,167            "Ocupación (%)": ":.1f",168            "Latitud": False,169            "Longitud": False170        },171        zoom=12,172        height=650,173        mapbox_style="open-street-map",174        title="Estimated station occupancy map"175    )176    fig_mapa.update_traces(177            marker=dict(size=18)178    )179 180    fig_mapa.update_layout(181            legend_title_text="Nivel de ocupación"182    )183 184    st.plotly_chart(fig_mapa, use_container_width=True)185 186 187with st.expander("Ver tabla de predicciones para la fecha y hora seleccionadas"):188    columnas_tabla = [189        COL_STATION,190        "fecha_prediccion",191        "Bicis_predichas",192        "Huecos_predichos",193        "Capacidad",194        "Latitud",195        "Longitud"196    ]197 198    columnas_tabla = [col for col in columnas_tabla if col in df_instante.columns]199 200    st.dataframe(201        df_instante[columnas_tabla].sort_values(COL_STATION),202        use_container_width=True203    )204