seleccion dinamica de controlado para hacer correlaciones

estadisticas.py

 import pandas as pd
-from dash import Dash, Input, Output, dcc, html
+from dash import Dash, Input, Output, dcc, html, callback
 import plotly.graph_objects as go
 import plotly.express as px
 import plotly.figure_factory as ff
@@ -102,33 +102,7 @@ def imc_cat(datos):
     return fig
     
 
-def correlaciones(datos, controlado):
-# filtramos solo a los que tienen datos del controlado
-    datos_fil = datos.loc[datos[controlado].notnull()]
-    datos_sorted = datos_fil.sort_values(by=controlado, ascending=True)
-    datos_sorted.reset_index(inplace=True)
-    metricas = ["imc", "age", "glucose", "hba1c"]
-    figura = make_subplots(rows=2, cols=2, shared_xaxes=True, vertical_spacing=0.1, subplot_titles=metricas)
-    lrow = 1
-    lcol = 1
-    for metrica in metricas:
-        datosfil = datos_sorted[np.abs(stats.zscore(datos_sorted[metrica], nan_policy='omit')) < 3]     
-
-        figura.add_trace(
-            go.Scatter(x=datosfil.index, y=datosfil[metrica], name=metrica, mode='markers'),
-            row=lrow, col=lcol
-        )
-        figura.add_trace(
-            go.Scatter(x=datosfil.index, y=datosfil[metrica].rolling(5).mean(), name="PM(5)"),
-            row=lrow, col=lcol
-        )
-        corr = datos_sorted[[metrica]].corrwith(datos_sorted[controlado]).values[0]
-        figura.add_annotation(row=lrow, col=lcol, text="R = " + "{:.2f}".format(corr))
-        lcol = lcol + 1 if lcol < 2 else 1
-        lrow = lrow + (lcol % 2)
-    figura.update_layout(showlegend=False)
 
-    return figura
 
 def correlaciones_v2(datos, controlado):
 # filtramos solo a los que tienen datos del controlado
@@ -506,11 +480,27 @@ app.layout = html.Div(children=[
 
     # correlaciones
     html.Div(children= [
-        html.Div(children= [html.H1("Relación de iAUC/Controlados con diversos índices", className = "header-title2")]),        dcc.Graph(figure=correlaciones(visitas_incluidos, "Glucosa"))
+        html.Div(children= [html.H1("Relación de iAUC/Controlados (glucosa) con diversos índices", className = "header-title2")]),
+        html.Div(children=[
+            dcc.Dropdown(
+                id="selControlado",
+                options=[
+                    {"label":"Pan", "value":"Pan"},
+                    {"label":"Gelatina", "value":"Gelatina"},
+                    {"label":"Glucosa", "value":"Glucosa"},
+                ],
+                value="Gelatina",
+                clearable=False,
+                searchable=False,
+                className="dropdown",
+            ),        
+        ], className="menu-title2"),
+        dcc.Graph(id="figCorrelaciones")
     ]),
     # correlaciones transpuesta
     html.Div(children= [
-        html.Div(children= [html.H1("Relación de iAUC/Controlados con diversos índices (traspuesta)", className = "header-title2")]),        dcc.Graph(figure=correlaciones_v2(visitas_incluidos, "Glucosa"))
+        html.Div(children= [html.H1("Relación de iAUC/Controlados con diversos índices (traspuesta)", className = "header-title2")]),
+        dcc.Graph(figure=correlaciones_v2(visitas_incluidos, "Glucosa"))
     ]),
 
     # areas de tres pacientes
@@ -568,5 +558,42 @@ app.layout = html.Div(children=[
 
 
 
+
+
+@callback(
+    Output("figCorrelaciones", "figure"),
+    Input("selControlado", "value"),
+)  
+
+def update_correlacion(controlado):
+
+# filtramos solo a los que tienen datos del controlado
+    datos = visitas_incluidos
+    datos_fil = datos.loc[datos[controlado].notnull()]
+    datos_sorted = datos_fil.sort_values(by=controlado, ascending=True)
+    datos_sorted.reset_index(inplace=True)
+    metricas = ["imc", "age", "glucose", "hba1c"]
+    figura = make_subplots(rows=2, cols=2, shared_xaxes=True, vertical_spacing=0.1, subplot_titles=metricas)
+    lrow = 1
+    lcol = 1
+    for metrica in metricas:
+        datosfil = datos_sorted[np.abs(stats.zscore(datos_sorted[metrica], nan_policy='omit')) < 3]     
+
+        figura.add_trace(
+            go.Scatter(x=datosfil.index, y=datosfil[metrica], name=metrica, mode='markers'),
+            row=lrow, col=lcol
+        )
+        figura.add_trace(
+            go.Scatter(x=datosfil.index, y=datosfil[metrica].rolling(5).mean(), name="PM(5)"),
+            row=lrow, col=lcol
+        )
+        corr = datos_sorted[[metrica]].corrwith(datos_sorted[controlado]).values[0]
+        figura.add_annotation(row=lrow, col=lcol, text="R = " + "{:.2f}".format(corr))
+        lcol = lcol + 1 if lcol < 2 else 1
+        lrow = lrow + (lcol % 2)
+    figura.update_layout(showlegend=False)
+    return  figura
+
 if __name__ == "__main__":
     app.run_server(debug=True, port=8051, host='0.0.0.0')
+