Upload 12 files

.gitattributes

@@ -34,3 +34,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
 images/Logo[[:space:]]dashboard.png filter=lfs diff=lfs merge=lfs -text
+paginas/images/Logo[[:space:]]dashboard.png filter=lfs diff=lfs merge=lfs -text

paginas/conexionMysql.py

@@ -0,0 +1,24 @@
+from contextlib import contextmanager
+import MySQLdb
+import os
+from dotenv import load_dotenv
+
+
+
+load_dotenv()
+
+
+@contextmanager
+def get_db_connection():
+    connection = MySQLdb.connect(
+        host=os.environ["DB_HOST"],
+        port=int(os.environ["DB_PORT"]),
+        user=os.environ["DB_USER"],
+        passwd=os.environ["DB_PASSWORD"],
+        db=os.environ["DB_NAME"]
+    )
+    
+    try:
+        yield connection
+    finally:
+        connection.close()

paginas/conexionTest.py

@@ -0,0 +1 @@
+

paginas/dashboard.py

@@ -0,0 +1,813 @@
+import streamlit as st
+import pandas as pd
+import plotly.express as px
+import random
+import time
+import joblib
+import os
+import statsmodels
+from dotenv import load_dotenv
+import os
+from groq import Groq
+import html
+from pydub import AudioSegment
+import tempfile
+from io import BytesIO
+import tempfile
+#from langchain.agents.agent_toolkits import create_csv_agent
+#from langchain_groq import ChatGroq
+# ===========================
+# Función para generar datos ficticios
+# ===========================
+def generar_datos():
+    meses = [
+        "Enero", "Febrero", "Marzo", "Abril", "Mayo", "Junio",
+        "Julio", "Agosto", "Septiembre", "Octubre", "Noviembre", "Diciembre"
+    ]
+    paises = ["México", "Colombia", "Argentina", "Chile", "Perú"]
+    data = [
+        {"mes": mes, "pais": pais, "Total": random.randint(100, 1000)}
+        for mes in meses for pais in paises
+    ]
+    return pd.DataFrame(data), meses, paises
+
+# ===========================
+# Función para el dashboard principal
+# ===========================
+def mostrar_dashboard():
+    # Cargar variables desde el archivo .env
+    load_dotenv()
+
+    # Acceder a la clave
+    groq_key = os.getenv("GROQ_API_KEY")
+    client = Groq(api_key=groq_key)
+    
+    dfDatos, meses, paises = generar_datos()
+    
+    # Opciones del selectbox
+    lista_opciones = ['5 años', '3 años', '1 año', '5 meses']
+
+    # Mostrar barra lateral
+    mostrar_sidebar(client)
+
+    # Título principal
+    st.header(':bar_chart: Dashboard Sales')
+
+    # Mostrar métricas
+    #mostrar_metricas()
+
+    # Mostrar gráficos
+    mostrar_graficos(lista_opciones)
+
+# ===========================
+# Configuración inicial de la página
+# ===========================
+#def configurar_pagina():
+    #st.set_page_config(
+    #   page_title="Dashboard Sales",
+    #    page_icon=":smile:",
+    #    layout="wide",
+    #    initial_sidebar_state="expanded"
+    #)
+    
+    
+
+# ===========================
+# Función para la barra lateral
+# ===========================
+def mostrar_sidebar(client):
+    sidebar_logo = r"paginas\images\Logo general.png"
+    main_body_logo = r"paginas\images\Logo.png"
+    sidebar_logo_dashboard = r"paginas\images\Logo dashboard.png"
+
+    st.logo(sidebar_logo, size="large", icon_image=main_body_logo)
+    
+    st.sidebar.image(sidebar_logo_dashboard)
+    st.sidebar.title('🧠 GenAI Forecast')
+    
+    loadCSV()
+        
+    archivo_csv = "df_articles.csv"
+    chatBotProtech(client)   
+    downloadCSV(archivo_csv)
+
+                
+    # Mostrar la tabla solo si se ha subido un archivo válido
+    '''
+    if 'archivo_subido' in st.session_state and st.session_state.archivo_subido:  # Verificamos si el archivo ha sido subido y es válido
+        st.sidebar.markdown("Vista previa del archivo CSV:")
+        # Usar st.dataframe() para que ocupe todo el ancho disponible
+        st.sidebar.dataframe(st.session_state.df_subido, use_container_width=True)  # Mostrar la tabla con el archivo subido
+    '''
+    
+            
+    
+    if st.sidebar.button("Cerrar Sesión"):
+        cerrar_sesion()
+    
+
+# ===========================
+# Función para métricas principales
+# ===========================
+'''
+def mostrar_metricas():
+    c1, c2, c3, c4, c5 = st.columns(5)
+    valores = [89, 78, 67, 56, 45]
+    for i, col in enumerate([c1, c2, c3, c4, c5]):
+        valor1 = valores[i]
+        valor2 = valor1 - 10  # Simulación de variación
+        variacion = valor1 - valor2
+        unidad = "unidades" if i < 4 else "%"
+        col.metric(f"Productos vendidos", f'{valor1:,.0f} {unidad}', f'{variacion:,.0f}')
+'''
+
+
+# Función para obtener los meses relevantes
+def obtener_meses_relevantes(df):
+    # Extraemos los años y meses de la columna 'Date'
+    df['Year'] = pd.to_datetime(df['orddt']).dt.year
+    df['Month'] = pd.to_datetime(df['orddt']).dt.month
+
+    # Encontramos el primer y último año en el dataset
+    primer_ano = df['Year'].min()
+    ultimo_ano = df['Year'].max()
+
+    meses_relevantes = []
+    nombres_meses_relevantes = []
+    
+    # Recorrer todos los años dentro del rango
+    for ano in range(primer_ano, ultimo_ano + 1):
+        for mes in [1, 4, 7, 10]:  # Meses relevantes: enero (1), abril (4), julio (7), octubre (10)
+            if mes in df[df['Year'] == ano]['Month'].values:
+                # Obtener el nombre del mes
+                nombre_mes = pd.to_datetime(f"{ano}-{mes}-01").strftime('%B')  # Mes en formato textual (Enero, Abril, etc.)
+                meses_relevantes.append(f"{nombre_mes}-{ano}")
+                nombres_meses_relevantes.append(f"{nombre_mes}-{ano}")
+    
+    return meses_relevantes, nombres_meses_relevantes
+
+# ===========================
+# Función para gráficos
+# ===========================
+def mostrar_graficos(lista_opciones):
+      
+    """
+    c1, c2 = st.columns([20, 80])
+    
+    with c1:
+        filtroAnios = st.selectbox('Año', options=lista_opciones)
+             
+    with c2:
+        st.markdown("### :pushpin: Ventas actuales")
+        # Si hay un archivo válido subido
+        if "archivo_subido" in st.session_state and st.session_state.archivo_subido:
+            # Cargar datos del archivo subido
+            df = st.session_state.df_subido.copy()
+            df['Date'] = pd.to_datetime(df['Date'])
+            df['Mes-Año'] = df['Date'].dt.strftime('%B-%Y')  # Formato deseado
+            df = df.sort_values('Date')  # Ordenar por fecha
+
+            # Obtener los meses relevantes del dataset
+            meses_relevantes, nombres_meses_relevantes = obtener_meses_relevantes(df)
+            
+            # Crear la gráfica
+            fig = px.line(
+                df,
+                x='Mes-Año',
+                y='Sale',
+                title='Ventas mensuales (Archivo Subido)',
+                labels={'Mes-Año': 'Mes-Año', 'Sale': 'Ventas'},
+            )
+        else:
+            # Datos por defecto
+            df = pd.DataFrame({
+                "Mes-Año": ["Enero-2024", "Febrero-2024", "Marzo-2024", "Abril-2024", "Mayo-2024", "Junio-2024", "Julio-2024", "Agosto-2024", "Septiembre-2024", "Octubre-2024", "Noviembre-2024", "Diciembre-2024"],
+                "Sale": [100, 150, 120, 200, 250, 220, 280, 300, 350, 400, 450, 500],
+            })
+
+            # Obtener los meses relevantes
+            meses_relevantes = ["Enero-2024", "Abril-2024", "Julio-2024", "Octubre-2024"]
+            nombres_meses_relevantes = ["Enero-2024", "Abril-2024", "Julio-2024", "Octubre-2024"]
+
+            # Crear la gráfica
+            fig = px.line(
+                df,
+                x='Mes-Año',
+                y='Sale',
+                title='Ventas mensuales (Datos por defecto)',
+                labels={'Mes-Año': 'Mes-Año', 'Sale': 'Ventas'},
+                line_shape='linear'  # Línea continua
+            )
+
+
+        fig.update_xaxes(tickangle=-45)  # Ajustar ángulo de etiquetas en X
+    
+        # Mejorar el diseño de la gráfica
+        fig = mejorar_diseno_grafica(fig, meses_relevantes, nombres_meses_relevantes)
+        st.plotly_chart(fig, use_container_width=True)  # Evita que ocupe todo el ancho
+    
+     # Gráfica 2: Ventas actuales y proyectadas
+    st.markdown("### :chart_with_upwards_trend: Pronóstico")
+    mostrar_ventas_proyectadas(filtroAnios)
+    """
+    if "archivo_subido" not in st.session_state or not st.session_state.archivo_subido:
+        st.warning("Por favor, sube un archivo CSV válido para visualizar los gráficos.")
+        return
+    
+    df = st.session_state.df_subido.copy()
+
+    # Fila 1: 3 gráficas
+    col1, col2, col3 = st.columns(3)
+    with col1:
+        fig1 = px.histogram(df, x='sales', title='Distribución de Ventas')
+        st.plotly_chart(fig1, use_container_width=True)
+
+    with col2:
+        fig2 = px.box(df, x='segmt', y='sales', title='Ventas por Segmento')
+        st.plotly_chart(fig2, use_container_width=True)
+
+    with col3:
+        print("")
+
+    # Fila 2: 2 gráficas
+    col4, col5 = st.columns(2)
+    with col4:
+        fig4 = px.pie(df, names='categ', values='sales', title='Ventas por Categoría')
+        st.plotly_chart(fig4, use_container_width=True)
+
+    with col5:
+        
+        # Agrupar por nombre de producto y sumar las ventas
+        top_productos = (
+            df.groupby('prdna')['sales']
+            .sum()
+            .sort_values(ascending=False)
+            .head(10)
+            .reset_index()
+        )
+
+        # Crear gráfica de barras horizontales
+        fig5 = px.bar(
+            top_productos,
+            x='sales',
+            y='prdna',
+            orientation='h',
+            title='Top 10 productos más vendidos',
+            labels={'sales': 'Ventas', 'prdna': 'Producto'},
+            color='sales',
+            color_continuous_scale='Blues'
+        )
+
+        fig5.update_layout(yaxis={'categoryorder': 'total ascending'})
+        st.plotly_chart(fig5, use_container_width=True)
+        
+    col6, col7 = st.columns(2)
+    with col6: 
+        # Fuera del sistema de columnas
+        tabla = df.pivot_table(index='state', columns='subct', values='sales', aggfunc='sum').fillna(0)
+
+        if not tabla.empty:
+            tabla = tabla.astype(float)
+            fig6 = px.imshow(
+                tabla.values,
+                labels=dict(x="Categoría", y="Estado", color="Ventas"),
+                x=tabla.columns,
+                y=tabla.index,
+                text_auto=True,
+                title="Mapa de Calor: Ventas por Estado y Categoría"
+            )
+
+            # Ajuste del tamaño de la figura
+            # fig6.update_layout(height=600, width=1000)  # Puedes ajustar según tu pantalla
+            st.plotly_chart(fig6, use_container_width=True)
+        else:
+            st.warning("No hay datos suficientes para mostrar el mapa de calor.")
+
+            
+    with col7:
+        fig7 = px.bar(df.groupby('state')['sales'].sum().reset_index(), x='state', y='sales', title='Ventas por Estado')
+        st.plotly_chart(fig7, use_container_width=True)
+
+# -------------------------------
+# CARGA DE CSV Y GUARDADO EN SESIÓN
+# -------------------------------
+
+def loadCSV():
+    columnas_requeridas = [
+        'rowid','ordid','orddt',
+        'shpdt','segmt','state',
+        'cono','prodid','categ',
+        'subct','prdna','sales'
+    ]
+    with st.sidebar.expander("📁 Subir archivo"):
+        uploaded_file = st.file_uploader("Sube un archivo CSV:", type=["csv"], key="upload_csv")
+    
+
+    if uploaded_file is not None:
+        # Reseteamos el estado de 'descargado' cuando se sube un archivo
+        st.session_state.descargado = False
+        st.session_state.archivo_subido = False  # Reinicia el estado
+        try:
+            # Leer el archivo subido
+            df = pd.read_csv(uploaded_file)
+
+            # Verificar que las columnas estén presentes y en el orden correcto
+            if list(df.columns) == columnas_requeridas:
+                st.session_state.df_subido = df
+                st.session_state.archivo_subido = True
+                aviso = st.sidebar.success("✅ Archivo subido correctamente.")
+                time.sleep(3)
+                aviso.empty()
+                
+
+            else:
+                st.session_state.archivo_subido = False
+                aviso = st.sidebar.error(f"El archivo no tiene las columnas requeridas: {columnas_requeridas}.")
+                time.sleep(3)
+                aviso.empty()
+            
+        except Exception as e:
+            aviso = st.sidebar.error(f"Error al procesar el archivo: {str(e)}")
+            time.sleep(3)
+            aviso.empty()
+      
+# ===========================
+# Función para descargar archivo CSV
+# ===========================
+def downloadCSV(archivo_csv):
+    # Verificamos si el archivo ya ha sido descargado
+    if 'descargado' not in st.session_state:
+        st.session_state.descargado = False
+
+    if not st.session_state.descargado:
+        
+        # Usamos st.spinner para mostrar un estado de descarga inicial
+        #with st.spinner("Preparando archivo para descarga..."):
+        #    time.sleep(2)  # Simulación de preparación del archivo
+        # Botón de descarga
+        descarga = st.sidebar.download_button(
+            label="Descargar archivo CSV",
+            data=open(archivo_csv, "rb"),
+            file_name="ventas.csv",
+            mime="text/csv"
+        )
+       
+        if descarga:
+            # Marcamos el archivo como descargado
+            st.session_state.descargado = True
+            aviso = st.sidebar.success("¡Descarga completada!")
+            # Hacer que el mensaje desaparezca después de 2 segundos
+            time.sleep(3)
+            aviso.empty()
+    else:
+        aviso = st.sidebar.success("¡Ya has descargado el archivo!")
+        time.sleep(3)
+        aviso.empty()
+
+# -------------------------------
+# CREACIÓN DE AGENTE CSV
+# -------------------------------
+'''
+def createCSVAgent(client, df):
+    temp_csv = tempfile.NamedTemporaryFile(delete=False, suffix=".csv")
+    df.to_csv(temp_csv.name, index=False)
+    agent = create_csv_agent(
+        client,
+        temp_csv.name,
+        verbose=False,
+        handle_parsing_errors=True
+    )
+    return agent
+'''
+'''
+def callCSVAgent(client, prompt):
+    if "df_csv" not in st.session_state:
+        return "No hay CSV cargado aún."
+
+    df = st.session_state.df_csv
+    agente = createCSVAgent(client, df)
+
+    try:
+        respuesta = agente.run(prompt)
+    except Exception as e:
+        respuesta = f"Error al procesar la pregunta: {e}"
+
+    return respuesta
+'''
+
+# -------------------------------
+# FUNCIÓN PARA DETECTAR REFERENCIA AL CSV
+# -------------------------------
+def detectedReferenceToCSV(prompt: str) -> bool:
+    palabras_clave = ["csv", "archivo", "contenido cargado", "file", "dataset"]
+    prompt_lower = prompt.lower()
+    return any(palabra in prompt_lower for palabra in palabras_clave)
+
+# ===========================
+# Función para interactuar con el bot
+# ===========================
+def chatBotProtech(client):
+    with st.sidebar.expander("📁 Chatbot"):
+
+        # Inicializar estados
+        if "chat_history" not in st.session_state:
+            st.session_state.chat_history = []
+
+        if "audio_data" not in st.session_state:
+            st.session_state.audio_data = None
+
+        if "transcripcion" not in st.session_state:
+            st.session_state.transcripcion = ""
+
+        if "mostrar_grabador" not in st.session_state:
+            st.session_state.mostrar_grabador = True
+
+        # Contenedor para mensajes
+        messages = st.container(height=400)
+            
+
+        # CSS: estilo tipo Messenger
+        st.markdown("""
+            <style>
+                .chat-message {
+                    display: flex;
+                    align-items: flex-start;
+                    margin: 10px 0;
+                }
+                .chat-message.user {
+                    justify-content: flex-end;
+                }
+                .chat-message.assistant {
+                    justify-content: flex-start;
+                }
+                .chat-icon {
+                    width: 30px;
+                    height: 30px;
+                    border-radius: 50%;
+                    background-color: #ccc;
+                    display: flex;
+                    align-items: center;
+                    justify-content: center;
+                    font-size: 18px;
+                    margin: 0 5px;
+                }
+                .chat-bubble {
+                    max-width: 70%;
+                    padding: 10px 15px;
+                    border-radius: 15px;
+                    font-size: 14px;
+                    line-height: 1.5;
+                    word-wrap: break-word;
+                }
+                .chat-bubble.user {
+                    background-color: #DCF8C6;
+                    color: black;
+                    border-top-right-radius: 0;
+                }
+                .chat-bubble.assistant {
+                    background-color: #F1F0F0;
+                    color: black;
+                    border-top-left-radius: 0;
+                }
+            </style>
+        """, unsafe_allow_html=True)
+
+        # Mostrar historial de mensajes
+        with messages:
+            st.header("🤖 ChatBot Protech")
+            for message in st.session_state.chat_history:
+                role = message["role"]
+                content = html.escape(message["content"])  # Escapar contenido HTML
+                bubble_class = "user" if role == "user" else "assistant"
+                icon = "👤" if role == "user" else "🤖"
+
+                # Mostrar el mensaje en una sola burbuja con ícono en el mismo bloque
+                st.markdown(f"""
+                    <div class="chat-message {bubble_class}">
+                        <div class="chat-icon">{icon}</div>
+                        <div class="chat-bubble {bubble_class}">{content}</div>
+                    </div>
+                """, unsafe_allow_html=True)
+                
+        # --- Manejar transcripción como mensaje automático ---
+        if st.session_state.transcripcion:
+            prompt = st.session_state.transcripcion
+            st.session_state.transcripcion = ""
+
+            st.session_state.chat_history.append({"role": "user", "content": prompt})
+
+            with messages:
+                st.markdown(f"""
+                    <div class="chat-message user">
+                        <div class="chat-bubble user">{html.escape(prompt)}</div>
+                        <div class="chat-icon">👤</div>
+                    </div>
+                """, unsafe_allow_html=True)
+
+            with messages:
+                with st.spinner("Pensando..."):
+                    completion = callDeepseek(client, prompt)
+                    response = ""
+                    response_placeholder = st.empty()
+
+                    for chunk in completion:
+                        content = chunk.choices[0].delta.content or ""
+                        response += content
+                        response_placeholder.markdown(f"""
+                            <div class="chat-message assistant">
+                                <div class="chat-icon">🤖</div>
+                                <div class="chat-bubble assistant">{response}</div>
+                            </div>
+                        """, unsafe_allow_html=True)
+
+                    st.session_state.chat_history.append({"role": "assistant", "content": response})
+
+        # Captura del input tipo chat
+        if prompt := st.chat_input("Escribe algo..."):
+            st.session_state.chat_history.append({"role": "user", "content": prompt})
+
+            # Mostrar mensaje del usuario escapado
+            with messages:
+                
+                st.markdown(f"""
+                    <div class="chat-message user">
+                        <div class="chat-bubble user">{prompt}</div>
+                        <div class="chat-icon">👤</div>
+                    </div>
+                """, unsafe_allow_html=True)
+
+            # Mostrar respuesta del asistente
+            with messages:
+                with st.spinner("Pensando..."):
+                    completion = callDeepseek(client, prompt)
+                    response = ""
+                    response_placeholder = st.empty()
+
+                    for chunk in completion:
+                        content = chunk.choices[0].delta.content or ""
+                        response += content
+                        
+                        response_placeholder.markdown(f"""
+                            <div class="chat-message assistant">
+                                <div class="chat-icon">🤖</div>
+                                <div class="chat-bubble assistant">{response}</div>
+                            </div>
+                        """, unsafe_allow_html=True)
+
+                    st.session_state.chat_history.append({"role": "assistant", "content": response})
+        
+        # Grabación de audio (solo si está habilitada)
+        if st.session_state.mostrar_grabador and st.session_state.audio_data is None:
+            audio_data = st.audio_input("Graba tu voz aquí 🎤")
+            if audio_data:
+                st.session_state.audio_data = audio_data
+                st.session_state.mostrar_grabador = False  # Ocultar input después de grabar
+                st.rerun()  # Forzar recarga para ocultar input y evitar que reaparezca el audio cargado
+
+        # Mostrar controles solo si hay audio cargado
+        if st.session_state.audio_data:
+            st.audio(st.session_state.audio_data, format="audio/wav")
+            col1, col2 = st.columns(2)
+
+            with col1:
+                if st.button("✅ Aceptar grabación"):
+                    with st.spinner("Convirtiendo y transcribiendo..."):
+                        m4a_path = converter_bytes_m4a(st.session_state.audio_data)
+
+                        with open(m4a_path, "rb") as f:
+                            texto = callWhisper(client, m4a_path, f)
+
+                        os.remove(m4a_path)
+
+                        st.session_state.transcripcion = texto
+                        st.session_state.audio_data = None
+                        st.session_state.mostrar_grabador = True
+                        st.rerun()
+
+            with col2:
+                if st.button("❌ Descartar grabación"):
+                    st.session_state.audio_data = None
+                    st.session_state.transcripcion = ""
+                    st.session_state.mostrar_grabador = True
+                    st.rerun()
+
+        # Mostrar transcripción como texto previo al input si existe
+        '''
+        if st.session_state.transcripcion:
+            st.info(f"📝 Transcripción: {st.session_state.transcripcion}")
+            # Prellenar el input simuladamente
+            prompt = st.session_state.transcripcion
+            st.session_state.transcripcion = ""  # Limpiar
+            st.rerun()  # Simular que se envió el mensaje
+         '''  
+            
+#def speechRecognition():
+    #audio_value = st.audio_input("Record a voice message")
+                        
+def callDeepseek(client, prompt):
+    completion = client.chat.completions.create(
+        #model="meta-llama/llama-4-scout-17b-16e-instruct",
+        model = "deepseek-r1-distill-llama-70b",
+        messages=[{"role": "user", "content": prompt}],
+        temperature=0.6,
+        max_tokens=1024,
+        top_p=1,
+        stream=True,
+    )
+    return completion
+
+def callWhisper(client, filename_audio,file):
+    transcription = client.audio.transcriptions.create(
+      file=(filename_audio, file.read()),
+      model="whisper-large-v3",
+      response_format="verbose_json",
+    )
+    return transcription.text
+
+def converter_bytes_m4a(audio_bytes: BytesIO) -> str:
+    """
+    Convierte un audio en bytes (WAV, etc.) a un archivo M4A temporal.
+    Retorna la ruta del archivo .m4a temporal.
+    """
+    # Asegurarse de que el cursor del stream esté al inicio
+    audio_bytes.seek(0)
+
+    # Leer el audio desde BytesIO usando pydub
+    audio = AudioSegment.from_file(audio_bytes)
+
+    # Crear archivo temporal para guardar como .m4a
+    temp_file = tempfile.NamedTemporaryFile(delete=False, suffix=".m4a")
+    m4a_path = temp_file.name
+    temp_file.close()  # Cerramos para que pydub pueda escribirlo
+
+    # Exportar a M4A usando formato compatible con ffmpeg
+    audio.export(m4a_path, format="ipod")  # 'ipod' genera .m4a
+
+    return m4a_path
+# ===========================
+# Función para cargar el modelo SARIMA
+# ===========================
+"""def cargar_modelo_sarima(ruta_modelo):
+    # Cargar el modelo utilizando joblib
+    modelo = joblib.load(ruta_modelo)
+    return modelo"""
+
+# ===========================
+# Función para obtener el número de periodos basado en el filtro
+# ===========================
+def obtener_periodos(filtro):
+    opciones_periodos = {
+        '5 años': 60,
+        '3 años': 36,
+        '1 año': 12,
+        '5 meses': 5
+    }
+    return opciones_periodos.get(filtro, 12)
+
+# ===========================
+# Función para mostrar ventas actuales y proyectadas
+# ===========================
+"""
+def mostrar_ventas_proyectadas(filtro):
+    ruta_modelo = os.path.join("arima_sales_model.pkl")
+    modelo_sarima = cargar_modelo_sarima(ruta_modelo)
+
+    if "archivo_subido" in st.session_state and st.session_state.archivo_subido:
+        # Cargar datos del archivo subido
+        df = st.session_state.df_subido.copy()
+        df['Date'] = pd.to_datetime(df['Date'])
+        df = df.sort_values('Date')
+
+        # Generar predicciones
+        periodos = obtener_periodos(filtro)
+        predicciones = generar_predicciones(modelo_sarima, df, periodos)
+
+        # Redondear y formatear las ventas
+        df['Sale'] = df['Sale'].round(2).apply(lambda x: f"{x:,.2f}")  # Formato con 2 decimales y comas
+        predicciones = [round(val, 2) for val in predicciones]  # Redondear predicciones
+        
+        # Preparar datos para graficar
+        df['Tipo'] = 'Ventas Actuales'
+        df_pred = pd.DataFrame({
+            'Date': pd.date_range(df['Date'].max(), periods=periodos + 1, freq='ME')[1:],
+            'Sale': predicciones,
+            'Tipo': 'Ventas Pronosticadas'
+        })
+
+        df_grafico = pd.concat([df[['Date', 'Sale', 'Tipo']], df_pred])
+    else:
+        st.warning("Por favor, sube un archivo CSV válido para generasr predicciones.")
+        return
+
+    # Crear gráfica
+    fig = px.line(
+        df_grafico,
+        x='Date',
+        y='Sale',
+        color='Tipo',
+        title='Ventas pronosticadas (Ventas vs Mes)',
+        labels={'Date': 'Fecha', 'Sale': 'Ventas', 'Tipo': 'Serie'}
+    )
+    
+    # Centramos el título del gráfico
+    fig.update_layout(
+        title={
+            'text': "Ventas Actuales y Pronosticadas",
+            
+            'x': 0.5,  # Centrado horizontal
+            'xanchor': 'center',  # Asegura el anclaje central
+            'yanchor': 'top'  # Anclaje superior (opcional)
+        },
+        title_font=dict(size=18, family="Arial, sans-serif", color='black'),
+    )
+    
+    fig.update_xaxes(tickangle=-45)
+    
+    # Mejorar el diseño de la leyenda
+    fig.update_layout(
+        legend=dict(
+            title="Leyenda",  # Título de la leyenda
+            title_font=dict(size=12, color="black"),
+            font=dict(size=10, color="black"),
+            bgcolor="rgba(240,240,240,0.8)",  # Fondo semitransparente
+            bordercolor="gray",
+            borderwidth=1,
+            orientation="h",  # Leyenda horizontal
+            yanchor="top",
+            y=-0.3,  # Ajustar la posición vertical
+            xanchor="right",
+            x=0.5  # Centrar horizontalmente
+        )
+    )
+    
+    st.plotly_chart(fig, use_container_width=True)
+"""
+# ===========================
+# Función para generar predicciones
+# ===========================
+def generar_predicciones(modelo, df, periodos):
+    ventas = df['Sale']
+    predicciones = modelo.forecast(steps=periodos)
+    return predicciones
+
+# Función para mejorar el diseño de las gráficas
+def mejorar_diseno_grafica(fig, meses_relevantes, nombres_meses_relevantes):
+    fig.update_layout(
+        title={
+            'text': "Ventas vs Mes",
+            
+            'x': 0.5,  # Centrado horizontal
+            'xanchor': 'center',  # Asegura el anclaje central
+            'yanchor': 'top'  # Anclaje superior (opcional)
+        },
+        title_font=dict(size=18, family="Arial, sans-serif", color='black'),
+        xaxis=dict(
+            title='Mes-Año',
+            title_font=dict(size=14, family="Arial, sans-serif", color='black'),
+            tickangle=-45,  # Rotar las etiquetas
+            showgrid=True,
+            gridwidth=0.5,
+            gridcolor='lightgrey',
+            showline=True,
+            linecolor='black',
+            linewidth=2,
+            tickmode='array',  # Controla qué etiquetas mostrar
+            tickvals=meses_relevantes,  # Selecciona solo los meses relevantes
+            ticktext=nombres_meses_relevantes,  # Meses seleccionados
+            tickfont=dict(size=10),  # Reducir el tamaño de la fuente de las etiquetas
+        ),
+        yaxis=dict(
+            title='Ventas',
+            title_font=dict(size=14, family="Arial, sans-serif", color='black'),
+            showgrid=True,
+            gridwidth=0.5,
+            gridcolor='lightgrey',
+            showline=True,
+            linecolor='black',
+            linewidth=2
+        ),
+        plot_bgcolor='white',  # Fondo blanco
+        paper_bgcolor='white',  # Fondo del lienzo de la gráfica
+        font=dict(family="Arial, sans-serif", size=12, color="black"),
+        showlegend=False,  # Desactivar la leyenda si no es necesaria
+        margin=dict(l=50, r=50, t=50, b=50)  # Márgenes ajustados
+    )
+    
+    
+
+    return fig
+
+# ===========================
+# Función para cerrar sesión
+# ===========================
+def cerrar_sesion():
+    st.session_state.logged_in = False
+    st.session_state.usuario = None
+    st.session_state.pagina_actual = "login"
+    st.session_state.archivo_subido = False  # Limpiar el archivo subido al cerrar sesión
+    st.session_state.df_subido = None  # Limpiar datos del archivo
+    # Eliminar parámetros de la URL usando st.query_params
+    st.query_params.clear()  # Método correcto para limpiar parámetros de consulta
+
+    # Redirigir a la página de login
+    st.rerun()

paginas/dashboardDemo.py

@@ -0,0 +1,916 @@
+import streamlit as st
+import pandas as pd
+import plotly.express as px
+import random
+import time
+import joblib
+import os
+import statsmodels
+from dotenv import load_dotenv
+import os
+from groq import Groq
+import html
+from pydub import AudioSegment
+import tempfile
+from io import BytesIO
+from fpdf import FPDF
+from PIL import Image
+from math import ceil
+from datetime import datetime
+from sklearn.metrics import r2_score
+#from langchain.agents.agent_toolkits import create_csv_agent
+#from langchain_groq import ChatGroq
+# ===========================
+# Función para generar datos ficticios
+# ===========================
+def generar_datos():
+    meses = [
+        "Enero", "Febrero", "Marzo", "Abril", "Mayo", "Junio",
+        "Julio", "Agosto", "Septiembre", "Octubre", "Noviembre", "Diciembre"
+    ]
+    paises = ["México", "Colombia", "Argentina", "Chile", "Perú"]
+    data = [
+        {"mes": mes, "pais": pais, "Total": random.randint(100, 1000)}
+        for mes in meses for pais in paises
+    ]
+    return pd.DataFrame(data), meses, paises
+
+    
+# ===========================
+# Función para el dashboard principal
+# ===========================
+def mostrar_dashboard():
+    # Cargar variables desde el archivo .env
+    load_dotenv()
+
+    # Acceder a la clave
+    groq_key = os.getenv("GROQ_API_KEY")
+    client = Groq(api_key=groq_key)
+    
+    dfDatos, meses, paises = generar_datos()
+    
+    # Opciones del selectbox
+    lista_opciones = ['5 años', '3 años', '1 año', '5 meses']
+
+    # Mostrar barra lateral
+    mostrar_sidebar(client)
+
+    # Título principal
+    st.header(':bar_chart: Dashboard Sales')
+    
+    # Mostrar gráficos
+    mostrar_graficos(lista_opciones)
+
+# ===========================
+# Configuración inicial de la página
+# ===========================
+#def configurar_pagina():
+    #st.set_page_config(
+    #   page_title="Dashboard Sales",
+    #    page_icon=":smile:",
+    #    layout="wide",
+    #    initial_sidebar_state="expanded"
+    #)
+    
+    
+
+# ===========================
+# Función para la barra lateral
+# ===========================
+def mostrar_sidebar(client):
+    sidebar_logo = r"paginas\images\Logo general.png"
+    main_body_logo = r"paginas\images\Logo.png"
+    sidebar_logo_dashboard = r"paginas\images\Logo dashboard.png"
+
+    st.logo(sidebar_logo, size="large", icon_image=main_body_logo)
+    
+    st.sidebar.image(sidebar_logo_dashboard)
+    st.sidebar.title('🧠 GenAI Forecast')
+    
+    uploaded_file = selectedFile()
+    verifyFile(uploaded_file)
+    archivo_csv = "df_articles.csv"
+    chatBotProtech(client)   
+    downloadCSV(archivo_csv)
+    closeSession()
+
+    
+
+def closeSession():
+    if st.sidebar.button("Cerrar Sesión"):
+        cerrar_sesion()
+        
+
+def guardar_graficas_como_imagen(figuras: dict):
+    rutas_imagenes = []
+    temp_dir = tempfile.gettempdir()
+
+    for nombre, figura in figuras.items():
+        ruta_png = os.path.join(temp_dir, f"{nombre}.png")
+        ruta_jpeg = os.path.join(temp_dir, f"{nombre}.jpg")
+
+        # Guardar como PNG primero
+        figura.write_image(ruta_png, width=900, height=500, engine="kaleido")
+
+        # Convertir a JPEG usando PIL
+        with Image.open(ruta_png) as img:
+            rgb_img = img.convert("RGB")  # Asegura formato compatible con JPEG
+            rgb_img.save(ruta_jpeg, "JPEG", quality=95)
+
+        rutas_imagenes.append((nombre, ruta_jpeg))
+
+        # Opcional: borrar el PNG temporal
+        os.remove(ruta_png)
+
+    return rutas_imagenes
+
+def generateHeaderPDF(pdf):
+    # Logo
+    logo_path = r"paginas\images\Logo general.png"
+    if os.path.exists(logo_path):
+        pdf.image(logo_path, x=7, y=6, w=35)
+
+    # Título centrado
+    pdf.set_font('Arial', 'B', 16)
+    pdf.set_xy(5, 10)
+    pdf.cell(w=0, h=10, txt="Reporte del Dashboard de Ventas", border=0, ln=0, align='C')
+
+    # Fecha lado derecho
+    fecha = datetime.now().strftime("%d/%m/%Y")
+    pdf.set_xy(-40, 5)
+    pdf.set_font('Arial', '', 10)
+    pdf.cell(w=30, h=10, txt=fecha, border=0, ln=0, align='R')
+
+    pdf.ln(15)
+
+def generateFooterPDF(pdf):
+    pdf.set_y(-30)
+    pdf.set_font('Arial', 'I', 8)
+    pdf.set_text_color(100)
+    pdf.cell(0, 5, "PRO TECHNOLOGY SOLUTIONS S.A.C - Área de ventas", 0, 1, 'C')
+    pdf.cell(0, 5, "Reporte generado automáticamente por el sistema de análisis", 0, 1, 'C')
+    pdf.cell(0, 5, f"Página {pdf.page_no()}", 0, 0, 'C')
+
+def generateContentPDF(pdf, imagenes):
+    for i in range(0, len(imagenes), 2):
+        pdf.add_page()
+
+        generateHeaderPDF(pdf)
+
+        # Primera imagen
+        titulo1, ruta1 = imagenes[i]
+        if os.path.exists(ruta1):
+            img1 = Image.open(ruta1).convert("RGB")
+            ruta_color1 = ruta1.replace(".png", "_color.png")
+            img1.save(ruta_color1)
+            pdf.image(ruta_color1, x=10, y=30, w=180)
+
+        # Segunda imagen
+        if i + 1 < len(imagenes):
+            titulo2, ruta2 = imagenes[i + 1]
+            if os.path.exists(ruta2):
+                img2 = Image.open(ruta2).convert("RGB")
+                ruta_color2 = ruta2.replace(".png", "_color.png")
+                img2.save(ruta_color2)
+                pdf.image(ruta_color2, x=10, y=150, w=180)
+
+        generateFooterPDF(pdf)
+
+def generar_reporte_dashboard(imagenes):
+    pdf = FPDF(orientation='P', unit='mm', format='A4')
+    pdf.set_auto_page_break(auto=True, margin=15)
+
+    generateContentPDF(pdf, imagenes)
+
+    ruta_pdf = "reporte.pdf"
+    pdf.output(ruta_pdf)
+    return ruta_pdf
+
+
+# Función para obtener los meses relevantes
+def obtener_meses_relevantes(df):
+    # Extraemos los años y meses de la columna 'Date'
+    df['Year'] = pd.to_datetime(df['orddt']).dt.year
+    df['Month'] = pd.to_datetime(df['orddt']).dt.month
+
+    # Encontramos el primer y último año en el dataset
+    primer_ano = df['Year'].min()
+    ultimo_ano = df['Year'].max()
+
+    meses_relevantes = []
+    nombres_meses_relevantes = []
+    
+    # Recorrer todos los años dentro del rango
+    for ano in range(primer_ano, ultimo_ano + 1):
+        for mes in [1, 4, 7, 10]:  # Meses relevantes: enero (1), abril (4), julio (7), octubre (10)
+            if mes in df[df['Year'] == ano]['Month'].values:
+                # Obtener el nombre del mes
+                nombre_mes = pd.to_datetime(f"{ano}-{mes}-01").strftime('%B')  # Mes en formato textual (Enero, Abril, etc.)
+                meses_relevantes.append(f"{nombre_mes}-{ano}")
+                nombres_meses_relevantes.append(f"{nombre_mes}-{ano}")
+    
+    return meses_relevantes, nombres_meses_relevantes
+
+
+# ===========================
+# Función para gráficos
+# ===========================
+def mostrar_graficos(lista_opciones):
+    if "archivo_subido" not in st.session_state or not st.session_state.archivo_subido:
+        st.warning("Por favor, sube un archivo CSV válido para visualizar los gráficos.")
+        return
+
+    df = st.session_state.df_subido.copy()
+
+# --- Tarjetas con métricas clave ---
+    # Tasa de crecimiento por fecha si existe
+    total_ventas = df["sales"].sum()
+    promedio_ventas = df["sales"].mean()
+
+    st.subheader("📈 Resumen General")
+    
+
+    # Tasa de crecimiento por fecha si existe
+    df['orddt'] = pd.to_datetime(df['orddt'], errors='coerce')
+    
+    #Total de ventas
+    total_ventas = df['sales'].sum()
+    promedio_ventas = df['sales'].mean()
+    total_registros = df.shape[0]
+
+    # Tasa de crecimiento
+    df_filtrado = df.dropna(subset=['orddt'])
+    df_filtrado['mes_anio'] = df_filtrado['orddt'].dt.to_period('M')
+    ventas_por_mes = df_filtrado.groupby('mes_anio')['sales'].sum().sort_index()
+
+    tasa_crecimiento = None
+    if len(ventas_por_mes) >= 2:
+        primera_venta = ventas_por_mes.iloc[0]
+        ultima_venta = ventas_por_mes.iloc[-1]
+        if primera_venta != 0:
+            tasa_crecimiento = ((ultima_venta - primera_venta) / primera_venta) * 100
+
+    tarjetas = [
+        {"titulo": "Total de Ventas", "valor": abreviar_monto(total_ventas), "color": "#4CAF50"},
+        {"titulo": "Promedio de Ventas", "valor": f"${promedio_ventas:,.0f}", "color": "#2196F3"},
+        {"titulo": "Ventas registradas", "valor": total_registros, "color": "#9C27B0"},
+        {"titulo": "Tasa de crecimiento", "valor": f"{tasa_crecimiento:.2f}%" if tasa_crecimiento is not None else "N/A", "color": "#FF5722"},
+    ]
+
+    col1, col2, col3, col4 = st.columns(4)
+    cols = [col1, col2, col3, col4]
+
+    for i, tarjeta in enumerate(tarjetas):
+        with cols[i]:
+            st.markdown(f"""
+                <div style='background-color:{tarjeta["color"]}; padding:20px; border-radius:10px; color:white; text-align:center;'>
+                    <h4 style='margin:0;'>{tarjeta["titulo"]}</h4>
+                    <h2 style='margin:0;'>{tarjeta["valor"]}</h2>
+                </div>
+            """, unsafe_allow_html=True)
+
+    st.markdown("---")
+    
+    # Opciones de modelos (incluye una opción por defecto)
+    opciones_modelos = ["(Sin predicción)"] + ["LightGBM", "XGBoost", 
+                                               "HistGradientBoosting", 
+                                               "MLPRegressor", "GradientBoosting", 
+                                               "RandomForest", "CatBoost"]
+
+    col_select, col_plot = st.columns([1, 5])
+
+    with col_select:
+        modelo_seleccionado = st.selectbox("Selecciona un modelo", opciones_modelos)
+
+    with col_plot.container(border=True):
+        if modelo_seleccionado == "(Sin predicción)":
+            if modelo_seleccionado == "(Sin predicción)":
+                df_real = df.copy()
+                df_real = df_real.dropna(subset=["orddt", "sales"])  
+
+                fig_real = px.scatter(
+                    df_real,
+                    x="orddt",
+                    y="sales",
+                    trendline="ols",  # Línea de regresión
+                    color_discrete_sequence=["#1f77b4"],
+                    trendline_color_override="orange",
+                    labels={"sales": "Ventas", "orddt": "Fecha"},
+                    title="Ventas Reales (Dispersión + Tendencia)",
+                    width=600,
+                    height=400
+                )
+
+                fig_real.update_traces(marker=dict(size=6), selector=dict(mode='markers'))
+                fig_real.update_layout(
+                    template="plotly_white",
+                    margin=dict(l=40, r=40, t=60, b=40),
+                    legend_title_text="Datos",
+                    showlegend=True
+                )
+
+                st.plotly_chart(fig_real, use_container_width=True)
+
+        else:
+            # Cargar modelo .pkl correspondiente
+            modelo_path = f"regressionmodels/{modelo_seleccionado.lower()}.pkl"
+            modelo = joblib.load(modelo_path)
+
+            # Preparar datos
+            df_pred = df.copy()
+            df_pred = df_pred.dropna(subset=["orddt"])
+            X_nuevo = df_pred.drop(columns=["sales"])  # Asegúrate que coincida con el modelo
+            y_pred = modelo.predict(X_nuevo)
+            df_pred["pred"] = y_pred
+
+            # Calcular precisión del modelo
+            r2 = r2_score(df_pred["sales"], df_pred["pred"])
+
+            # Gráfico de dispersión con línea de regresión
+            fig_pred = px.scatter(
+                df_pred,
+                x="sales",
+                y="pred",
+                trendline="ols",
+                color_discrete_sequence=["#1f77b4"],
+                trendline_color_override="orange",
+                labels={"sales": "Ventas Reales", "pred": "Ventas Predichas"},
+                title=f"Ventas Reales vs Predicción ({modelo_seleccionado})<br><sup>Precisión (R²): {r2:.3f}</sup>",
+                width=600, height=400
+            )
+            fig_pred.update_traces(marker=dict(size=6), selector=dict(mode='markers'))
+            fig_pred.update_layout(
+                legend_title_text='Datos',
+                template="plotly_white",
+                showlegend=True
+            )
+            st.plotly_chart(fig_pred, use_container_width=True)
+
+
+
+    # Fila 1: 3 gráficas
+    col1, col2 = st.columns(2)
+    with col1:
+        with col1.container(border=True):
+            fig1 = px.histogram(df, x='sales', title='Distribución de Ventas',
+                                color_discrete_sequence=['#1f77b4'])
+            
+            fig1.update_layout(
+                template="plotly_white",
+                margin=dict(l=40, r=40, t=60, b=40),
+                width=600,
+                height=400,
+                legend_title_text="Leyenda"
+            )
+            fig1.update_traces(marker=dict(line=dict(width=0.5, color='white')))
+
+            st.plotly_chart(fig1, use_container_width=True)
+
+    with col2:
+        with col2.container(border=True):
+            fig2 = px.box(df, x='segmt', y='sales', title='Ventas por Segmento',
+                        color='segmt', color_discrete_sequence=px.colors.qualitative.Plotly)
+            st.plotly_chart(fig2, use_container_width=True)
+
+    # Fila 2: 2 gráficas
+    col4, col5 = st.columns(2)
+    with col4:
+        with col4.container(border=True):
+            fig4 = px.pie(df, names='categ', values='sales', title='Ventas por Categoría',
+                        color_discrete_sequence=px.colors.qualitative.Set3)
+            st.plotly_chart(fig4, use_container_width=True)
+
+    with col5:
+        top_productos = (
+            df.groupby('prdna')['sales']
+            .sum()
+            .sort_values(ascending=False)
+            .head(10)
+            .reset_index()
+        )
+        with col5.container(border=True):
+            fig5 = px.bar(
+                top_productos,
+                x='sales',
+                y='prdna',
+                orientation='h',
+                title='Top 10 productos más vendidos',
+                labels={'sales': 'Ventas', 'prdna': 'Producto'},
+                color='sales',
+                color_continuous_scale='Blues'
+            )
+
+            fig5.update_layout(yaxis={'categoryorder': 'total ascending'})
+            st.plotly_chart(fig5, use_container_width=True)
+
+    col6, col7 = st.columns(2)
+    with col6:
+        with col6.container(border=True):
+            tabla = df.pivot_table(index='state', columns='subct', values='sales', aggfunc='sum').fillna(0)
+
+            if not tabla.empty:
+                tabla = tabla.astype(float)
+                fig6 = px.imshow(
+                    tabla.values,
+                    labels=dict(x="Categoría", y="Estado", color="Ventas"),
+                    x=tabla.columns,
+                    y=tabla.index,
+                    text_auto=True,
+                    title="Mapa de Calor: Ventas por distrito y categoría",
+                    color_continuous_scale="Viridis"
+                )
+                st.plotly_chart(fig6, use_container_width=True)
+            else:
+                st.warning("No hay datos suficientes para mostrar el mapa de calor.")
+
+    with col7:
+        ventas_estado = df.groupby('state')['sales'].sum().reset_index()
+        with col7.container(border=True):
+            fig7 = px.bar(ventas_estado, x='state', y='sales', title='Ventas por distrito',
+                        color='sales', color_continuous_scale='Teal')
+            st.plotly_chart(fig7, use_container_width=True)
+
+    if st.button("📄 Generar Reporte PDF del Dashboard"):
+        figs = [fig1, fig2, fig4, fig5, fig6, fig7]
+
+        figuras = {}
+        for fig in figs:
+            titulo = fig.layout.title.text or "Sin Título"
+            figuras[titulo] = fig
+
+        st.info("Generando imágenes de las gráficas...")
+        imagenes = guardar_graficas_como_imagen(figuras)
+        st.info("Generando PDF...")
+        ruta_pdf = generar_reporte_dashboard(imagenes)
+
+        with open(ruta_pdf, "rb") as f:
+            st.download_button("⬇️ Descargar Reporte PDF", f, file_name="reporte_dashboard.pdf")
+
+
+
+def abreviar_monto(valor):
+    if valor >= 1_000_000:
+        return f"${valor / 1_000_000:.2f}M"
+    elif valor >= 1_000:
+        return f"${valor / 1_000:.2f}K"
+    else:
+        return f"${valor:.2f}"
+    
+# -------------------------------
+# CARGA DE CSV Y GUARDADO EN SESIÓN
+# -------------------------------
+
+def loadCSV():
+    columnas_requeridas = [
+        'rowid','ordid','orddt','shpdt',
+        'segmt','state','cono','prodid',
+        'categ','subct','prdna','sales',
+        'order_month','order_day','order_year',
+        'order_dayofweek','shipping_delay'
+    ]
+    with st.sidebar.expander("📁 Subir archivo"):
+        uploaded_file = st.file_uploader("Sube un archivo CSV:", type=["csv"], key="upload_csv")
+
+    if uploaded_file is not None:
+        # Reseteamos el estado de 'descargado' cuando se sube un archivo
+        st.session_state.descargado = False
+        st.session_state.archivo_subido = False  # Reinicia el estado
+        try:
+            # Leer el archivo subido
+            df = pd.read_csv(uploaded_file)
+
+            # Verificar que las columnas estén presentes y en el orden correcto
+            if list(df.columns) == columnas_requeridas:
+                st.session_state.df_subido = df
+                st.session_state.archivo_subido = True
+                aviso = st.sidebar.success("✅ Archivo subido correctamente.")
+                time.sleep(3)
+                aviso.empty()
+                
+
+            else:
+                st.session_state.archivo_subido = False
+                aviso = st.sidebar.error(f"El archivo no tiene las columnas requeridas: {columnas_requeridas}.")
+                time.sleep(3)
+                aviso.empty()
+            
+        except Exception as e:
+            aviso = st.sidebar.error(f"Error al procesar el archivo: {str(e)}")
+            time.sleep(3)
+            aviso.empty()
+
+# -------------------------------
+# Mostrar uploader y manejar estado
+# -------------------------------
+def selectedFile():
+    with st.sidebar.expander("📁 Subir archivo"):
+        uploaded_file = st.file_uploader("Sube un archivo CSV:", type=["csv"], key="upload_csv")
+
+    if uploaded_file is not None:
+        st.session_state.descargado = False
+        st.session_state.archivo_subido = False
+        return uploaded_file
+    return None
+
+# -------------------------------
+# Procesar y validar archivo (con cache)
+# -------------------------------
+@st.cache_data
+def loadCSV(uploaded_file):
+    columnas_requeridas = [
+        'rowid','ordid','orddt','shpdt',
+        'segmt','state','cono','prodid',
+        'categ','subct','prdna','sales',
+        'order_month','order_day','order_year',
+        'order_dayofweek','shipping_delay'
+    ]
+    
+    df = pd.read_csv(uploaded_file)
+
+    if list(df.columns) == columnas_requeridas:
+        return df, None
+    else:
+        return None, f"❌ El archivo no tiene las columnas requeridas: {columnas_requeridas}"
+
+# -------------------------------
+# Procesar y validar archivo (con cache)
+# -------------------------------
+def verifyFile(uploadedFile):
+    if uploadedFile:
+        try:
+            df, error = loadCSV(uploadedFile)
+            if error is None:
+                st.session_state.df_subido = df
+                st.session_state.archivo_subido = True
+                aviso = st.sidebar.success("✅ Archivo subido correctamente.")
+            else:
+                aviso = st.sidebar.error(error)
+            time.sleep(3)
+            aviso.empty()
+
+        except Exception as e:
+            aviso = st.sidebar.error(f"⚠️ Error al procesar el archivo: {str(e)}")
+            time.sleep(3)
+            aviso.empty()
+
+# ===========================
+# Función para descargar archivo CSV
+# ===========================
+def downloadCSV(archivo_csv):
+    # Verificamos si el archivo ya ha sido descargado
+    if 'descargado' not in st.session_state:
+        st.session_state.descargado = False
+
+    if not st.session_state.descargado:
+        descarga = st.sidebar.download_button(
+            label="Descargar archivo CSV",
+            data=open(archivo_csv, "rb"),
+            file_name="ventas.csv",
+            mime="text/csv"
+        )
+        if descarga:
+            # Marcamos el archivo como descargado
+            st.session_state.descargado = True
+            aviso = st.sidebar.success("¡Descarga completada!")
+            # Hacer que el mensaje desaparezca después de 2 segundos
+            time.sleep(3)
+            aviso.empty()
+    else:
+        aviso = st.sidebar.success("¡Ya has descargado el archivo!")
+        time.sleep(3)
+        aviso.empty()
+
+# -------------------------------
+# FUNCIÓN PARA DETECTAR REFERENCIA AL CSV
+# -------------------------------
+def detectedReferenceToCSV(prompt: str) -> bool:
+    palabras_clave = ["csv", "archivo", "contenido cargado", "file", "dataset"]
+    prompt_lower = prompt.lower()
+    return any(palabra in prompt_lower for palabra in palabras_clave)
+
+# ===========================
+# Función para interactuar con el bot
+# ===========================
+def chatBotProtech(client):
+    with st.sidebar.expander("📁 Chatbot"):
+
+        # Inicializar estados
+        if "chat_history" not in st.session_state:
+            st.session_state.chat_history = []
+
+        if "audio_data" not in st.session_state:
+            st.session_state.audio_data = None
+
+        if "transcripcion" not in st.session_state:
+            st.session_state.transcripcion = ""
+
+        if "mostrar_grabador" not in st.session_state:
+            st.session_state.mostrar_grabador = True
+
+        # Contenedor para mensajes
+        messages = st.container(height=400)
+            
+
+        # CSS: estilo tipo Messenger
+        st.markdown("""
+            <style>
+                .chat-message {
+                    display: flex;
+                    align-items: flex-start;
+                    margin: 10px 0;
+                }
+                .chat-message.user {
+                    justify-content: flex-end;
+                }
+                .chat-message.assistant {
+                    justify-content: flex-start;
+                }
+                .chat-icon {
+                    width: 30px;
+                    height: 30px;
+                    border-radius: 50%;
+                    background-color: #ccc;
+                    display: flex;
+                    align-items: center;
+                    justify-content: center;
+                    font-size: 18px;
+                    margin: 0 5px;
+                }
+                .chat-bubble {
+                    max-width: 70%;
+                    padding: 10px 15px;
+                    border-radius: 15px;
+                    font-size: 14px;
+                    line-height: 1.5;
+                    word-wrap: break-word;
+                }
+                .chat-bubble.user {
+                    background-color: #DCF8C6;
+                    color: black;
+                    border-top-right-radius: 0;
+                }
+                .chat-bubble.assistant {
+                    background-color: #F1F0F0;
+                    color: black;
+                    border-top-left-radius: 0;
+                }
+            </style>
+        """, unsafe_allow_html=True)
+
+        # Mostrar historial de mensajes
+        with messages:
+            st.header("🤖 ChatBot Protech")
+            for message in st.session_state.chat_history:
+                role = message["role"]
+                content = html.escape(message["content"])  # Escapar contenido HTML
+                bubble_class = "user" if role == "user" else "assistant"
+                icon = "👤" if role == "user" else "🤖"
+
+                # Mostrar el mensaje en una sola burbuja con ícono en el mismo bloque
+                st.markdown(f"""
+                    <div class="chat-message {bubble_class}">
+                        <div class="chat-icon">{icon}</div>
+                        <div class="chat-bubble {bubble_class}">{content}</div>
+                    </div>
+                """, unsafe_allow_html=True)
+                
+        # --- Manejar transcripción como mensaje automático ---
+        if st.session_state.transcripcion:
+            prompt = st.session_state.transcripcion
+            st.session_state.transcripcion = ""
+
+            st.session_state.chat_history.append({"role": "user", "content": prompt})
+
+            with messages:
+                st.markdown(f"""
+                    <div class="chat-message user">
+                        <div class="chat-bubble user">{html.escape(prompt)}</div>
+                        <div class="chat-icon">👤</div>
+                    </div>
+                """, unsafe_allow_html=True)
+
+            with messages:
+                with st.spinner("Pensando..."):
+                    completion = callDeepseek(client, prompt)
+                    response = ""
+                    response_placeholder = st.empty()
+
+                    for chunk in completion:
+                        content = chunk.choices[0].delta.content or ""
+                        response += content
+                        response_placeholder.markdown(f"""
+                            <div class="chat-message assistant">
+                                <div class="chat-icon">🤖</div>
+                                <div class="chat-bubble assistant">{response}</div>
+                            </div>
+                        """, unsafe_allow_html=True)
+
+                    st.session_state.chat_history.append({"role": "assistant", "content": response})
+
+        # Captura del input tipo chat
+        if prompt := st.chat_input("Escribe algo..."):
+            st.session_state.chat_history.append({"role": "user", "content": prompt})
+
+            # Mostrar mensaje del usuario escapado
+            with messages:
+                
+                st.markdown(f"""
+                    <div class="chat-message user">
+                        <div class="chat-bubble user">{prompt}</div>
+                        <div class="chat-icon">👤</div>
+                    </div>
+                """, unsafe_allow_html=True)
+
+            # Mostrar respuesta del asistente
+            with messages:
+                with st.spinner("Pensando..."):
+                    completion = callDeepseek(client, prompt)
+                    response = ""
+                    response_placeholder = st.empty()
+
+                    for chunk in completion:
+                        content = chunk.choices[0].delta.content or ""
+                        response += content
+                        
+                        response_placeholder.markdown(f"""
+                            <div class="chat-message assistant">
+                                <div class="chat-icon">🤖</div>
+                                <div class="chat-bubble assistant">{response}</div>
+                            </div>
+                        """, unsafe_allow_html=True)
+
+                    st.session_state.chat_history.append({"role": "assistant", "content": response})
+        
+        # Grabación de audio (solo si está habilitada)
+        if st.session_state.mostrar_grabador and st.session_state.audio_data is None:
+            audio_data = st.audio_input("Graba tu voz aquí 🎤")
+            if audio_data:
+                st.session_state.audio_data = audio_data
+                st.session_state.mostrar_grabador = False  # Ocultar input después de grabar
+                st.rerun()  # Forzar recarga para ocultar input y evitar que reaparezca el audio cargado
+
+        # Mostrar controles solo si hay audio cargado
+        if st.session_state.audio_data:
+            st.audio(st.session_state.audio_data, format="audio/wav")
+            col1, col2 = st.columns(2)
+
+            with col1:
+                if st.button("✅ Aceptar grabación"):
+                    with st.spinner("Convirtiendo y transcribiendo..."):
+                        m4a_path = converter_bytes_m4a(st.session_state.audio_data)
+
+                        with open(m4a_path, "rb") as f:
+                            texto = callWhisper(client, m4a_path, f)
+
+                        os.remove(m4a_path)
+
+                        st.session_state.transcripcion = texto
+                        st.session_state.audio_data = None
+                        st.session_state.mostrar_grabador = True
+                        st.rerun()
+
+            with col2:
+                if st.button("❌ Descartar grabación"):
+                    st.session_state.audio_data = None
+                    st.session_state.transcripcion = ""
+                    st.session_state.mostrar_grabador = True
+                    st.rerun()
+
+
+def callDeepseek(client, prompt):
+    completion = client.chat.completions.create(
+        model="deepseek-r1-distill-llama-70b",
+        messages=[
+            {
+                "role": "system",
+                "content": (
+                    "Tu nombre es Protech, el asistente virtual de PRO TECHNOLOGY SOLUTIONS S.A.C. "
+                    "Saluda al usuario con cordialidad y responde en español de forma clara, profesional y amable. "
+                    "No expliques tus pensamientos ni cómo generas tus respuestas. "
+                    "No digas que eres un modelo de lenguaje. "
+                    "Simplemente responde como un asistente humano capacitado en atención al cliente. "
+                    "Comienza con un saludo y pregunta: '¿En qué puedo ayudarte hoy?'."
+                )
+            },
+            {"role": "user", "content": prompt}
+        ],
+        temperature=0.6,
+        max_tokens=4096,
+        top_p=1,
+        stream=True,
+    )
+    return completion
+
+
+
+def callWhisper(client, filename_audio,file):
+    transcription = client.audio.transcriptions.create(
+      file=(filename_audio, file.read()),
+      model="whisper-large-v3",
+      response_format="verbose_json",
+    )
+    return transcription.text
+
+def converter_bytes_m4a(audio_bytes: BytesIO) -> str:
+    """
+    Convierte un audio en bytes (WAV, etc.) a un archivo M4A temporal.
+    Retorna la ruta del archivo .m4a temporal.
+    """
+    # Asegurarse de que el cursor del stream esté al inicio
+    audio_bytes.seek(0)
+
+    # Leer el audio desde BytesIO usando pydub
+    audio = AudioSegment.from_file(audio_bytes)
+
+    # Crear archivo temporal para guardar como .m4a
+    temp_file = tempfile.NamedTemporaryFile(delete=False, suffix=".m4a")
+    m4a_path = temp_file.name
+    temp_file.close()  # Cerramos para que pydub pueda escribirlo
+
+    # Exportar a M4A usando formato compatible con ffmpeg
+    audio.export(m4a_path, format="ipod")  # 'ipod' genera .m4a
+
+    return m4a_path
+
+# ===========================
+# Función para obtener el número de periodos basado en el filtro
+# ===========================
+def obtener_periodos(filtro):
+    opciones_periodos = {
+        '5 años': 60,
+        '3 años': 36,
+        '1 año': 12,
+        '5 meses': 5
+    }
+    return opciones_periodos.get(filtro, 12)
+
+
+# ===========================
+# Función para generar predicciones
+# ===========================
+def generar_predicciones(modelo, df, periodos):
+    ventas = df['Sale']
+    predicciones = modelo.forecast(steps=periodos)
+    return predicciones
+
+# Función para mejorar el diseño de las gráficas
+def mejorar_diseno_grafica(fig, meses_relevantes, nombres_meses_relevantes):
+    fig.update_layout(
+        title={
+            'text': "Ventas vs Mes",
+            
+            'x': 0.5,  # Centrado horizontal
+            'xanchor': 'center',  # Asegura el anclaje central
+            'yanchor': 'top'  # Anclaje superior (opcional)
+        },
+        title_font=dict(size=18, family="Arial, sans-serif", color='black'),
+        xaxis=dict(
+            title='Mes-Año',
+            title_font=dict(size=14, family="Arial, sans-serif", color='black'),
+            tickangle=-45,  # Rotar las etiquetas
+            showgrid=True,
+            gridwidth=0.5,
+            gridcolor='lightgrey',
+            showline=True,
+            linecolor='black',
+            linewidth=2,
+            tickmode='array',  # Controla qué etiquetas mostrar
+            tickvals=meses_relevantes,  # Selecciona solo los meses relevantes
+            ticktext=nombres_meses_relevantes,  # Meses seleccionados
+            tickfont=dict(size=10),  # Reducir el tamaño de la fuente de las etiquetas
+        ),
+        yaxis=dict(
+            title='Ventas',
+            title_font=dict(size=14, family="Arial, sans-serif", color='black'),
+            showgrid=True,
+            gridwidth=0.5,
+            gridcolor='lightgrey',
+            showline=True,
+            linecolor='black',
+            linewidth=2
+        ),
+        plot_bgcolor='white',  # Fondo blanco
+        paper_bgcolor='white',  # Fondo del lienzo de la gráfica
+        font=dict(family="Arial, sans-serif", size=12, color="black"),
+        showlegend=False,  # Desactivar la leyenda si no es necesaria
+        margin=dict(l=50, r=50, t=50, b=50)  # Márgenes ajustados
+    )
+    
+    
+
+    return fig
+
+# ===========================
+# Función para cerrar sesión
+# ===========================
+def cerrar_sesion():
+    st.session_state.logged_in = False
+    st.session_state.usuario = None
+    st.session_state.pagina_actual = "login"
+    st.session_state.archivo_subido = False  # Limpiar el archivo subido al cerrar sesión
+    st.session_state.df_subido = None  # Limpiar datos del archivo
+    # Eliminar parámetros de la URL usando st.query_params
+    st.query_params.clear()  # Método correcto para limpiar parámetros de consulta
+
+    # Redirigir a la página de login
+    st.rerun()

paginas/demo.py

@@ -0,0 +1,27 @@
+from base64 import b64encode
+from fpdf import FPDF
+import streamlit as st
+
+st.title("Demo of fpdf2 usage with streamlit")
+
+@st.cache_data
+def gen_pdf():
+    pdf = FPDF()
+    pdf.add_page()
+    pdf.set_font("Helvetica", size=24)
+    pdf.cell(w=40,h=10,border=1,txt="hello world")
+    return pdf.output(dest='S').encode('latin1')
+
+
+# Embed PDF to display it:
+base64_pdf = b64encode(gen_pdf()).decode("utf-8")
+pdf_display = f'<embed src="data:application/pdf;base64,{base64_pdf}" width="700" height="400" type="application/pdf">'
+st.markdown(pdf_display, unsafe_allow_html=True)
+
+# Add a download button:
+st.download_button(
+    label="Download PDF",
+    data=gen_pdf(),
+    file_name="file_name.pdf",
+    mime="application/pdf",
+)

paginas/demokaleido.py

@@ -0,0 +1,5 @@
+import plotly.express as px
+
+fig = px.line(x=[1, 2, 3], y=[4, 5, 6])
+fig.write_image("test_fig.png", width=900, height=500)
+print("✅ Imagen guardada correctamente")

paginas/login.py

@@ -0,0 +1,59 @@
+import streamlit as st
+import pandas as pd
+import json 
+from streamlit_lottie import st_lottie
+import os
+import time
+from .userManagement import verifyCredentials
+
+def validateCredentials(usuario, contrasena):
+    return verifyCredentials(usuario, contrasena)
+
+def load_lottiefile(filepath: str):
+    with open(filepath, "r") as f:
+        return json.load(f)
+    
+    
+def showLogin():
+    
+    c1, c2 = st.columns([60, 40])
+    
+    with c1:
+        # Ajusta la ruta al archivo JSON de animación
+        ruta_animacion_laptop = os.path.join("animations", "laptopUser.json")
+        lottie_coding = load_lottiefile(ruta_animacion_laptop)
+        st_lottie(
+            lottie_coding,
+            speed=1,
+            reverse=False,
+            loop=True,
+            quality="low",
+            height=None,
+            width=None,
+            key=None,
+        )
+
+    with c2:
+        st.title("🔐  Inicio de :blue[Sesión] :sunglasses:")
+
+        # Formulario de inicio de sesión
+        with st.form("login_form"):
+            usuario = st.text_input("Usuario 👇")
+            contrasena = st.text_input("Contraseña 👇", type="password")
+            boton_login = st.form_submit_button("Iniciar Sesión", type="primary",use_container_width=True)
+
+        # Validación de credenciales
+        if boton_login:
+            if validateCredentials(usuario, contrasena):
+                st.session_state.logged_in = True
+                st.session_state.usuario = usuario
+                aviso = st.success("Inicio de sesión exitoso. Redirigiendo al dashboard...")
+                time.sleep(3)
+                aviso.empty()
+                # Simular redirección recargando el flujo principal
+                st.session_state.pagina_actual = "dashboard"
+                st.rerun()
+            else:
+                aviso = st.error("Usuario o contraseña incorrectos")
+                time.sleep(3)
+                aviso.empty()

paginas/userManagement.py

@@ -0,0 +1,32 @@
+import MySQLdb
+from .conexionMysql import get_db_connection
+
+def verifyCredentials(username: str, password: str) -> bool:
+    """
+    Verifica si las credenciales del usuario son válidas.
+    Retorna True si el usuario existe y la contraseña es correcta.
+    """
+    try:
+        with get_db_connection() as conn:
+            cursor = conn.cursor()
+            query = "SELECT COUNT(*) FROM usuarios WHERE username = %s AND password = %s"
+            cursor.execute(query, (username, password))
+            resultado = cursor.fetchone()
+            return resultado[0] > 0
+    except MySQLdb.Error as e:
+        print(f"Error en la verificación de credenciales: {e}")
+        return False
+
+def getDataUser(correo: str) -> dict | None:
+    """
+    Devuelve un diccionario con los datos del usuario si existe, o None si no se encuentra.
+    """
+    try:
+        with get_db_connection() as conn:
+            cursor = conn.cursor(MySQLdb.cursors.DictCursor)
+            query = "SELECT nombre, apellido, correo, telefono FROM usuarios WHERE correo = %s"
+            cursor.execute(query, (correo,))
+            return cursor.fetchone()
+    except MySQLdb.Error as e:
+        print(f"Error al obtener datos del usuario: {e}")
+        return None