adicion de gráficas de grupos de IMC

estadisticas.py

@@ -2,12 +2,14 @@ import pandas as pd
 from dash import Dash, Input, Output, dcc, html
 import plotly.graph_objects as go
 import plotly.express as px
+import plotly.figure_factory as ff
 import requests
 import numpy as np
 from plotly.subplots import make_subplots
 from sklearn.cluster import KMeans
 from scipy import stats
 from ast import literal_eval
+
 import flask
 
 server = flask.Flask(__name__)
@@ -76,6 +78,30 @@ def popcorr(datos):
 
 
 
+def imc_cat(datos):
+    medidas = [ "glucose", "hba1c", "ct", "hdl", "insuline"]
+    grupos = ["LW","NW","OW","O-CI","O-CII","O-CIII"]
+    datos["imc_cat"] = pd.cut(datos["imc"], bins=[0,18,25,30,35,40,100], labels=grupos)
+    fig = make_subplots(rows=2, cols=3, shared_yaxes=False, subplot_titles=medidas)
+    lcol = 1
+    lrow = 1
+
+    for medida in medidas:
+        datosfil = datos.groupby("imc_cat")[medida].mean()
+        fig.add_trace(
+            go.Scatter(x=grupos, y=datosfil, name=medida),
+            row=lrow, col=lcol
+        )
+        lrow = lrow + (lcol // 3)
+        lcol = lcol + 1 if lcol < 3 else 1
+
+    fig.update_layout(
+        showlegend = False
+    )
+
+    return fig
+    
+
 def correlaciones(datos, controlado):
 # filtramos solo a los que tienen datos del controlado
     datos_fil = datos.loc[datos[controlado].notnull()]
@@ -137,17 +163,13 @@ def correlaciones_v2(datos, controlado):
 def controlado_ppgr(datos):
     datos_fil = datos.loc[datos["Glucosa"].notnull()]
     controlados = ["Glucosa", "Gelatina", "Pan"]
-    figura = make_subplots(rows=2, cols=3, subplot_titles=controlados)
+    figura = make_subplots(rows=1, cols=3, subplot_titles=controlados)
     lcol = 1
     for controlado in controlados:
         figura.add_trace(
-            go.Scatter(y=datos[controlado], name=controlado, mode="markers"),
+            go.Scatter(x=datos["id"],y=datos[controlado], name=controlado, mode="markers"),
             row = 1, col = lcol
         )
-        figura.add_trace(
-            go.Histogram(x=datos[controlado], name=controlado, histnorm = "probability"),
-            row = 2, col = lcol
-        )
         lcol = lcol + 1
     figura.update_layout(
         showlegend = False,
@@ -156,6 +178,14 @@ def controlado_ppgr(datos):
     )
     return figura
 
+def controlado_ppgr2(datos):
+    controlados = ["Glucosa", "Gelatina", "Pan"]
+    datos_fil = datos[controlados]
+    datos_fil = datos_fil[~datos_fil.isnull().any(axis=1)]
+
+    figura = ff.create_distplot([ datos_fil[controlado] for controlado in controlados], controlados, show_hist = False, show_rug=False)
+    return figura
+
 def triareas(pacientes):
     figura = make_subplots(rows=1,cols=1)
     for paciente in pacientes:
@@ -466,18 +496,21 @@ app.layout = html.Div(children=[
     # descripción por diferentes indices
     html.Div(children=[
         html.Div(children= [ html.H1("Distribuciones de la población", className= "header-title2"),], ),
-        dcc.Graph(figure=popdist(visitas_incluidos))
+        dcc.Graph(figure=popdist(visitas_incluidos)),
+
     ]),
     # correlaciones entre indices de la poblacion
     html.Div(children=[
-        html.Div(children= [ html.H1("Correlaciones entre medidas", className= "header-title2"),], ),
-        dcc.Graph(figure=popcorr(visitas_incluidos))
+        html.Div(children= [ html.H1("Relaciones entre IMC y QS", className= "header-title2"),], ),
+        dcc.Graph(figure=popcorr(visitas_incluidos)),
+        dcc.Graph(figure=imc_cat(visitas_incluidos))        
     ]),
 
     # ppgr a controlados
     html.Div(children= [
         html.Div(children= [html.H1("iAUC/Controlados ", className = "header-title2")]),
-        dcc.Graph(figure=controlado_ppgr(visitas_incluidos))
+        dcc.Graph(figure=controlado_ppgr(visitas_incluidos)),
+        dcc.Graph(figure=controlado_ppgr2(visitas_incluidos))
     ]),
 
     # correlaciones