Update app.py

app.py

@@ -1,45 +1,61 @@
-from flask import Flask, request, jsonify, render_template
+import streamlit as st
 import numpy as np
-import plotly.graph_objs as go
-
-app = Flask(__name__)
-
-@app.route('/')
-def index():
-    return render_template('index.html')
-
-@app.route('/procesar_datos', methods=['POST'])
-def procesar_datos():
-    try:
-        # Obtener los datos ingresados por el usuario
-        lista_x1 = [float(x.strip()) for x in request.form.get('lista_x1').split(',') if x.strip()]
-        lista_x2 = [float(x.strip()) for x in request.form.get('lista_x2').split(',') if x.strip()]
-        
-        # Verificar que las listas tengan más de 10 elementos
-        if len(lista_x1) < 10 or len(lista_x2) < 10:
-            raise ValueError("Ambas listas deben contener al menos 10 elementos.")
-
-        # Calcular E(x1) y E(x2)
-        mean_x1 = np.mean(lista_x1)
-        mean_x2 = np.mean(lista_x2)
-        
-        # Calcular la desviación estándar
-        std_x1 = np.std(lista_x1)
-        std_x2 = np.std(lista_x2)
-        
-        # Calcular la correlación
-        correlation = np.corrcoef(lista_x1, lista_x2)[0, 1]
-        
-        # Generar la gráfica de puntos
-        trace = go.Scatter(x=lista_x1, y=lista_x2, mode='markers', marker=dict(color='blue'))
-        layout = go.Layout(title='Gráfica de Correlación', xaxis=dict(title='x1'), yaxis=dict(title='x2'))
-        fig = go.Figure(data=[trace], layout=layout)
-        graph_json = fig.to_json()
-
-        return render_template('resultado.html', mean_x1=mean_x1, mean_x2=mean_x2, std_x1=std_x1, std_x2=std_x2, correlation=correlation, graph=graph_json)
-
-    except Exception as e:
-        return render_template('error.html', error=str(e))
-
-if __name__ == '__main__':
-    app.run(debug=True)
+import matplotlib.pyplot as plt
+
+def analizar_inversiones(lista1, lista2):
+    # Convertir las listas en arrays numpy
+    array1 = np.array(lista1)
+    array2 = np.array(lista2)
+
+    # Calcular desviación estándar
+    std_dev1 = np.std(array1)
+    std_dev2 = np.std(array2)
+
+    # Calcular valor esperado
+    mean1 = np.mean(array1)
+    mean2 = np.mean(array2)
+
+    # Calcular correlación
+    correlation = np.corrcoef(array1, array2)[0, 1]
+
+    # Crear gráfica
+    fig, ax = plt.subplots()
+    ax.scatter(array1, array2)
+    ax.set_xlabel('Lista 1')
+    ax.set_ylabel('Lista 2')
+    ax.set_title('Investment graph')
+    ax.grid(True)
+    st.pyplot(fig)
+
+    # Decidir a cuál invertir más y a cuál menos
+    if mean1 > mean2:
+        invertir_mas = "List 1"
+        invertir_menos = "List 2"
+    else:
+        invertir_mas = "List 2"
+        invertir_menos = "List 1"
+
+    # Mostrar resultados con un formato agradable
+    st.write("Results of the Analisis:")
+    st.write(f"Standar desviation of list 1: {std_dev1}")
+    st.write(f"Standar desviation of list 2: {std_dev2}")
+    st.write(f"Estimated value list 1: {mean1}")
+    st.write(f"Estimated value list 2: {mean2}")
+    st.write(f"Correlation: {correlation}")
+    st.write(f"Invest more in: {invertir_mas}")
+    st.write(f"Invest less in: {invertir_menos}")
+
+def main():
+    st.title("Portfolio")
+    st.write("Isert the values for the lists:")
+
+    # Solicitar al usuario que ingrese los valores de las listas
+    lista1 = [st.number_input(f"List 1 - Value {i+1}", value=0.0) for i in range(10)]
+    lista2 = [st.number_input(f"List 2 - Value {i+1}", value=0.0) for i in range(10)]
+
+    # Botón para realizar el análisis
+    if st.button("Make Analisis"):
+        analizar_inversiones(lista1, lista2)
+
+if _name_ == "_main_":
+    main()