Update app.py

app.py

@@ -86,6 +86,7 @@ def predecir_estado(csv_file):
     # Leer el archivo CSV
     df = pd.read_csv(csv_file, sep =";" ,encoding="latin-1")
 
+    #Transformar los datos para el modelo
     X_train_scaled_df = transformacion(df)
 
     # Realizar las predicciones
@@ -94,10 +95,28 @@ def predecir_estado(csv_file):
     resultados_red=(resultados_red>0.5).astype(int)
 
     # Crear un DataFrame para mostrar las predicciones
-    resultados = pd.DataFrame({
-        'Característica_{}'.format(i+1): X_train_scaled_df.iloc[:, i] for i in range(X_train_scaled_df.shape[1])
-    })
+    resultados = pd.DataFrame()
+    resultados['Id terminal'] = df['terminal']
     resultados['Estado_Predicho'] = resultados_red
+    resultados['trx_dia_cero'] = df['trx_dia_cero']
+    resultados['trx_dia_uno'] = df['trx_dia_uno']
+    resultados['trx_dia_dos'] = df['trx_dia_dos']
+    resultados['trx_dia_tres'] = df['trx_dia_tres']
+    resultados['trx_dia_cuatro'] = df['trx_dia_cuatro']
+    resultados['trx_dia_cinco'] = df['trx_dia_cinco']
+    resultados['trx_dia_seis'] = df['trx_dia_seis']
+    resultados['trx_mes_tres'] = df['trx_mes_tres']
+    resultados['trx_mes_dos'] = df['trx_mes_dos']
+    resultados['trx_mes_uno'] = df['trx_mes_uno']
+    resultados['total_terminales'] = df['total_terminales']
+    resultados['cantidad_falla_m3'] = df['cantidad_falla_m3']
+    resultados['cantidad_falla_m2'] = df['cantidad_falla_m2']
+    resultados['cantidad_falla_mes1'] = df['cantidad_falla_mes1']
+    resultados['antiguedad_creacion_terminal'] = df['antiguedad_creacion_terminal']
+    resultados['antiguedad_version'] = df['antiguedad_version']
+    resultados['antiguedad_compra_pos'] = df['antiguedad_compra_pos']
+    resultados['tecnologiapp'] = df['tecnologiapp']
+    resultados['tecnologiaaf'] = df['tecnologiaaf']
 
     return resultados