File size: 3,892 Bytes
c09a626 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 |
from datasets import load_dataset
import requests
import json
import matplotlib.pyplot as plt
# Cargar modalidades y tareas desde un archivo JSON
with open("modalidades_tareas.json", "r") as file:
MODALIDAD_TAREAS = json.load(file)
def validar_modalidades_tareas(modalidades_tareas):
for modalidad, tareas in modalidades_tareas.items():
if not isinstance(modalidad, str) or not isinstance(tareas, list):
raise ValueError(f"Formato incorrecto para la modalidad: {modalidad}")
for tarea in tareas:
if not isinstance(tarea, str):
raise ValueError(f"Formato incorrecto para la tarea: {tarea} en la modalidad {modalidad}")
# Validar el diccionario
validar_modalidades_tareas(MODALIDAD_TAREAS)
# Funci贸n para generar la gr谩fica de barras
def generar_grafica_barras(tareas_seleccionadas):
# Contar la cantidad de tareas seleccionadas por modalidad
conteo_modalidades = {}
for modalidad, tareas in MODALIDAD_TAREAS.items():
conteo_modalidades[modalidad] = len([tarea for tarea in tareas if tarea in tareas_seleccionadas])
modalidades = list(conteo_modalidades.keys())
cantidades = [conteo_modalidades[modalidad] for modalidad in modalidades]
# Crear la gr谩fica de barras horizontal
fig, ax = plt.subplots(figsize=(10, 6))
ax.barh(modalidades, cantidades, color='skyblue', edgecolor='black')
ax.set_xlabel('Cantidad de Tareas Seleccionadas')
ax.set_ylabel('Modalidades')
ax.set_title('Distribuci贸n de Tareas Seleccionadas por Modalidad')
ax.invert_yaxis() # Invertir el eje Y para que las modalidades aparezcan de arriba hacia abajo
return fig
# Funci贸n para generar el encabezado del CSV
def generar_encabezado(tareas_seleccionadas):
if not tareas_seleccionadas:
raise ValueError("Debes seleccionar al menos una tarea.")
columnas = ["id"] # A帽adimos 'id' como primer elemento
for tarea in tareas_seleccionadas:
columnas.append(f"{tarea.lower().replace(' ', '_')}_label")
return ",".join(columnas)
# Funci贸n para buscar datasets compatibles en HuggingFace
def buscar_datasets(tareas_seleccionadas, filtro_tama帽o=None, filtro_licencia=None):
query = "+".join(tareas_seleccionadas)
url = f"https://huggingface.co/api/datasets?search={query}"
response = requests.get(url)
datasets = response.json()
resultados = []
for dataset in datasets:
# Aplicar filtros adicionales
if filtro_tama帽o and dataset.get("size_categories") != filtro_tama帽o:
continue
if filtro_licencia and dataset.get("license") != filtro_licencia:
continue
resultados.append(f"- {dataset['id']}: {dataset['description']}")
return "\n".join(resultados)
# Funci贸n para generar el dataset
def generar_dataset(encabezado, datasets_seleccionados, pagina_actual=1, filas_por_pagina=5):
if not datasets_seleccionados:
raise ValueError("Debes seleccionar al menos un dataset.")
columnas = encabezado.split(",")
filas = []
# Cargar datos reales desde los datasets seleccionados
for dataset_id in datasets_seleccionados.split("\n"):
dataset_id = dataset_id.strip("- ").split(":")[0] # Extraer ID del dataset
try:
dataset = load_dataset(dataset_id, split="train")
inicio = (pagina_actual - 1) * filas_por_pagina
fin = pagina_actual * filas_por_pagina
for i, fila in enumerate(dataset[inicio:fin]):
valores = [str(fila.get(col, "valor_default")) for col in columnas[1:]] # Ignorar 'id'
filas.append(f"id_{inicio + i}," + ",".join(valores))
except Exception as e:
filas.append(f"Error cargando dataset {dataset_id}: {str(e)}")
contenido_csv = "\n".join([encabezado] + filas)
return contenido_csv
|