Update app.py

app.py

@@ -49,7 +49,7 @@ def cargar_dataframe_1():
 
     df = pd.read_csv('Dataset/Tabla_alimentos.csv')
     nombre_primera_columna = df.columns[0]
-    columnas_siguientes = df.columns[5:7]
+    columnas_siguientes = df.columns[7:9]
     nuevo_df = df[[nombre_primera_columna] + list(columnas_siguientes)]
 
     # Filtrar las filas que corresponden a los nombres dados
@@ -63,7 +63,7 @@ def cargar_dataframe_2():
 
     df = pd.read_csv('Dataset/Tabla_alimentos.csv')
     nombre_primera_columna = df.columns[0]
-    columnas_siguientes = df.columns[7:10]
+    columnas_siguientes = df.columns[9:12]
     nuevo_df = df[[nombre_primera_columna] + list(columnas_siguientes)]
 
     # Filtrar las filas que corresponden a los nombres dados
@@ -71,15 +71,52 @@ def cargar_dataframe_2():
 
     return nuevo_df
 
-def calcular_suma(dataframe):
+def cargar_dataframe_3():
+
+    global etiquetas_filtradas
+
+    df = pd.read_csv('Dataset/Tabla_alimentos.csv')
+    nombre_primera_columna = df.columns[0]
+    columnas_siguientes = df.columns[1:4]
+    nuevo_df = df[[nombre_primera_columna] + list(columnas_siguientes)]
+
+    # Filtrar las filas que corresponden a los nombres dados
+    nuevo_df = nuevo_df[nuevo_df[nombre_primera_columna].isin(etiquetas_filtradas)]
+
+    return nuevo_df
+
+def cargar_dataframe_4():
+
+    global etiquetas_filtradas
+
+    df = pd.read_csv('Dataset/Tabla_alimentos.csv')
+    nombre_primera_columna = df.columns[0]
+    columnas_siguientes = df.columns[4:7]
+    nuevo_df = df[[nombre_primera_columna] + list(columnas_siguientes)]
+
+    # Filtrar las filas que corresponden a los nombres dados
+    nuevo_df = nuevo_df[nuevo_df[nombre_primera_columna].isin(etiquetas_filtradas)]
+
+    return nuevo_df
+
+def calcular_suma1(dataframe):
     # Inicializar la suma
-    suma = 0
+    suma = 0.0
     # Utilizar un bucle for para sumar todas las filas de la columna
-    for valor in dataframe['Total']:
-        suma += int(valor)
+    for valor in dataframe['Kcal/100g']:
+        suma += float(valor)
     # Devolver la suma como un string
     return f"{suma} kcal"
 
+def calcular_suma2(dataframe):
+    # Inicializar la suma
+    suma = 0.0
+    # Utilizar un bucle for para sumar todas las filas de la columna
+    for valor in dataframe['Kcal/Ración(g)']:
+        suma += float(valor)
+    # Devolver la suma como un string
+    return f"{suma} kcal"
+    
 def umbralizar_imagen(imagen, umbral):
 
   # Obtener la imagen original
@@ -174,18 +211,14 @@ Imagen = gr.Interface(
     description = "Detección y segmentación de los alimentos de la imagen aportada por el usuario.",
     #theme='Taithrah/Minimal'
 )
-
-def actualizar_interfaz():
-    # Recalcula la función principal
-    Tabla.recompute()
     
-Tabla = gr.Interface(
-      calcular_suma,
+Tabla1 = gr.Interface(
+      calcular_suma1,
       [
         gr.Dataframe(
             cargar_dataframe_1,
             label="Resumen alimenticio",
-        ).change(actualizar_interfaz),  # Registrar la función de actualización
+        ),
           
         gr.Dataframe(
             cargar_dataframe_2,
@@ -197,10 +230,25 @@ Tabla = gr.Interface(
     description="Desglose de los alimentos y sus calorías, así como recuento total.",
 )
 
-# Asociar la función de actualización al primer DataFrame dentro del contexto
-Tabla[0].change(actualizar_interfaz)
+Tabla2 = gr.Interface(
+      calcular_suma2,
+      [
+        gr.Dataframe(
+            cargar_dataframe_3,
+            label="Resumen alimenticio",
+        ),
+          
+        gr.Dataframe(
+            cargar_dataframe_4,
+            label="Mas detalles",
+        ),
+    ],
+    outputs = gr.Textbox(label="Total kcal"),
+    live=True,
+    description="Desglose de los alimentos y sus calorías, así como recuento total.",
+)
 
-demo = gr.TabbedInterface([Imagen, Tabla], ["Imagen", "Tabla"], 
+demo = gr.TabbedInterface([Imagen, Tabla1, Tabla2], ["Imagen", "Casual", "Preciso"], 
                           title = "Detección de alimentos", theme='gradio/soft')
 
 if __name__ == "__main__":