[FIX] clean code

doctest.py

@@ -1,5 +0,0 @@
-import janitor
-import pandas as pd
-
-diabetes_df = pd.read_csv("https://nrvis.com/data/mldata/pima-indians-diabetes.csv", names=['pregnancies', 'glucose', 'blood_pressurte', 'skin_thinckness', 'insulin', 'bmi', 'diabetes_pedigree_function', 'age', 'outcome'])
-print(diabetes_df.info())

modelo.py

@@ -1,137 +0,0 @@
-import random
-import os
-import requests
-from dotenv import load_dotenv
-import folium
-import streamlit as st
-import joblib
-from sklearn.cluster import KMeans
-import numpy as np
-import matplotlib.pyplot as plt
-
-load_dotenv()
-
-API_KEY = os.getenv('API_KEY')
-BASE_URL = os.getenv('BASE_URL')
-
-def geocode_address(address):
-    # Aquí debes insertar tu clave de API de Google Maps
-    api_key = API_KEY
-
-    # URL base de la API de Geocodificación de Google Maps
-    base_url = BASE_URL
-
-    # Parámetros de la solicitud
-    params = {
-        'address': address,
-        'key': api_key
-    }
-
-    try:
-        # Realizar la solicitud a la API de Geocodificación
-        response = requests.get(base_url, params=params)
-        data = response.json()
-
-        if data['status'] == 'OK' and len(data['results']) > 0:
-            # Obtener las coordenadas geográficas de la primera coincidencia
-            location = data['results'][0]['geometry']['location']
-            latitude = location['lat']
-            longitude = location['lng']
-
-            return latitude, longitude
-        else:
-            print('No se encontraron resultados para la dirección especificada.')
-    except requests.exceptions.RequestException as e:
-        print('Error en la solicitud:', e)
-
-
-# Direcciones ficticias en Cosquín, Córdoba, Argentina
-direcciones = [
-    'San Martín 123',
-    'Tucumán 456',
-    'Catamarca 789',
-    'Perón 1321',
-    'Corrientes 654',
-    'Laurencena 877',
-    'San Martín 234',
-    'Tucumán 567',
-    'Catamarca 890',
-    'San Martin 1432',
-    'Avenida parana 10',
-    'Japon 23'
-]
-
-# Obtener las coordenadas geográficas de cada dirección
-coordenadas = []
-for direccion in direcciones:
-    resultado = geocode_address(direccion + ', Cosquín, Córdoba, Argentina')
-    if resultado:
-        coordenadas.append(resultado)
-    else:
-        coordenadas.append((None, None))
-
-# Calcular el número de zonas (k) utilizando el método del codo
-max_k = len(coordenadas)
-inertias = []
-for k in range(2, max_k+1):
-    modelo = KMeans(n_clusters=k, random_state=42)
-    modelo.fit(coordenadas)
-    inertias.append(modelo.inertia_)
-
-# Graficar las inercias en función de k
-plt.plot(range(2, max_k+1), inertias, marker='o')
-plt.xlabel('Número de zonas (k)')
-plt.ylabel('Inercia')
-plt.title('Método del Codo')
-plt.show()
-
-# Elegir el valor de k óptimo
-k_optimo = int(input("Ingrese el valor óptimo de k según el gráfico: "))
-
-# Crear el modelo de K-Means con k_optimo zonas
-modelo = KMeans(n_clusters=k_optimo, random_state=42)
-modelo.fit(coordenadas)
-
-# Obtener las etiquetas de las zonas
-etiquetas = modelo.labels_
-
-# Contar el número de zonas
-num_zonas = len(set(etiquetas))
-
-# Crear un diccionario para almacenar las direcciones por zona
-zonas = {}
-for i, etiqueta in enumerate(etiquetas):
-    if etiqueta not in zonas:
-        zonas[etiqueta] = []
-    zonas[etiqueta].append(direcciones[i])
-
-# Mostrar las direcciones por zona
-for zona, direcciones_zona in zonas.items():
-    print(f"Zona {zona + 1}:")
-    for direccion in direcciones_zona:
-        print(direccion)
-    print()
-
-# Lista de colores predefinidos
-colores = ['red', 'blue', 'green', 'purple', 'orange', 'gray', 'pink',
-           'cyan', 'yellow', 'brown', 'black', 'white', 'violet']
-
-# Crear un mapa centrado en la primera coordenada
-primer_coordenada = coordenadas[0]
-mapa = folium.Map(location=primer_coordenada, zoom_start=15)
-
-# Agregar marcadores para cada coordenada con su zona y color correspondiente
-for i, coordenada in enumerate(coordenadas):
-    zona = etiquetas[i] + 1  # Sumar 1 para que las zonas se muestren como números a partir de 1
-    if coordenada != (None, None):
-        color = colores[zona % len(colores)]  # Obtener el color correspondiente a la zona
-        folium.Marker(location=coordenada, popup=f'Zona: {zona}', icon=folium.Icon(color=color)).add_to(mapa)
-    else:
-        folium.Marker(location=coordenada, popup='Ubicación desconocida').add_to(mapa)
-
-# Guardar el mapa como un archivo HTML
-mapa.save('mapa.html')
-
-# Abrir el archivo HTML en el navegador para visualizar el mapa
-import webbrowser
-webbrowser.open('mapa.html')

requirements.txt

@@ -1,65 +0,0 @@
-altair==4.2.2
-args==0.1.0
-attrs==23.1.0
-blinker==1.6.2
-branca==0.6.0
-cachetools==5.3.0
-certifi==2023.5.7
-charset-normalizer==3.1.0
-click==8.1.3
-clint==0.5.1
-contourpy==1.0.7
-coverage==7.2.5
-cycler==0.11.0
-decorator==5.1.1
-entrypoints==0.4
-folium==0.14.0
-fonttools==4.39.4
-gitdb==4.0.10
-GitPython==3.1.31
-idna==3.4
-importlib-metadata==6.6.0
-Jinja2==3.1.2
-joblib==1.2.0
-jsonschema==4.17.3
-kiwisolver==1.4.4
-mamba==0.11.2
-markdown-it-py==2.2.0
-MarkupSafe==2.1.2
-matplotlib==3.7.1
-mdurl==0.1.2
-numpy==1.24.3
-packaging==23.1
-pandas==2.0.1
-Pillow==9.5.0
-plotly==5.14.1
-protobuf==3.20.3
-pyarrow==12.0.0
-pydeck==0.8.1b0
-Pygments==2.15.1
-Pympler==1.0.1
-pyparsing==3.0.9
-pyrsistent==0.19.3
-python-dateutil==2.8.2
-python-dotenv==1.0.0
-pytz==2023.3
-requests==2.31.0
-rich==13.3.5
-scikit-learn==1.2.2
-scipy==1.10.1
-six==1.16.0
-smmap==5.0.0
-streamlit==1.22.0
-streamlit-folium==0.11.1
-tenacity==8.2.2
-threadpoolctl==3.1.0
-toml==0.10.2
-toolz==0.12.0
-tornado==6.3.2
-typing_extensions==4.6.0
-tzdata==2023.3
-tzlocal==5.0.1
-urllib3==2.0.2
-validators==0.20.0
-watchdog==3.0.0
-zipp==3.15.0