from data import *
import dash
from dash import dcc
from dash import html
from dash.dependencies import Input, Output
import plotly.express as px
import dash_bootstrap_components as dbc
import pandas as pd
from unidecode import unidecode
# Create a dictionary of all the map dataframes
df_dict = {'Licenciatura': df_lic, 'Maestría': df_master, 'Doctorado': df_doc}
estados = estados_dict
# Crear la aplicación Dash
app = dash.Dash(__name__, external_stylesheets=[
'style.css',
dbc.themes.CYBORG
]
)
# Definir el layout de la aplicació
app.layout = dbc.Container(
[
html.H1("Mapa de Programas Educativos"),
dbc.Row(
[
# Columna de las tarjetas y el menú desplegable
dbc.Col(
[
dbc.Card(
[
html.Div(className="", children=[
dbc.Label("Selecciona un Estado",
style={'color': 'white', 'font-size': 28}),
dcc.Dropdown(
style={'background-color': '#696969',
'color': 'black', 'border-radius': 5, 'border': '1px solid rgba(255, 255, 255, 0.18)'},
id="estado",
options=[
{"label": col, "value": col} for col in estados
],
value="vacio",
),
],
),
],
body=True,
class_name="card-title shadow ",
style={
'border': '1px solid rgba(255, 255, 255, 0.18)'},
),
dbc.Row(
[
dbc.Col(id="stats"),
]
),
],
# Ajustar el ancho de la columna
width={'size': 12, 'order': 'first'},
lg={'size': 4, 'order': 'first'},
className='primera-columna'
),
# Columna de las pestañas y el gráfico
dbc.Col(
[
dcc.Tabs(id='tabs',
value='tab-1',
className='underTabs',
children=[
dcc.Tab(label='Licenciatura',
value='tab-1',
className='custom-tab',
selected_className='custom-tab--selected lic'
),
dcc.Tab(label='Maestría',
value='tab-2',
className='custom-tab',
selected_className='custom-tab--selected mas'
),
dcc.Tab(label='Doctorado',
value='tab-3',
className='custom-tab',
selected_className='custom-tab--selected doc'
)
]),
dcc.Graph(
figure={}, id='maps', style={'box-sizing': 'border-box', 'border-width': '1px',
'paper_bgcolor': 'rgba(0,0,0,0)',
'plot_bgcolor': 'rgba(0,0,0,0)'},
config={
'displayModeBar': False})
],
# Adjust the width of the column
className='colMapa shadow',
width={'size': 12, 'order': 'last'},
lg={'size': 8, 'order': 'last'},
),
],
justify="between",
align="start",
style={'margin-bottom': 30}
),
# crear otra fila con columnas
dbc.Row(
[
html.H2("Datos Generales"),
dbc.Col(
id="general-stats",
)
],
className='datos-generales'
),
],
fluid=True,
)
# Callback para actualizar las opciones del menú desplegable de los estados
@app.callback(
Output('estado', 'options'),
[Input('tabs', 'value')]
)
def update_dropdown_options(tab):
'''
Actualiza las opciones del menú desplegable de los estados en función de la pestaña seleccionada.
Args:
tab (str): Pestaña seleccionada en la aplicación Dash.
Returns:
list: Listado de opciones para el menú desplegable de los estados.
Cada opción es un diccionario con una etiqueta ("label") y un valor ("value").
'''
if tab == 'tab-1':
df = df_lic
elif tab == 'tab-2':
df = df_master
else:
df = df_doc
entidad_options = [{'label': entidad, 'value': entidad}
for entidad in df['Entidad Federativa donde se imparte'].unique()]
return entidad_options
# Callback para renderizar el contenido del gráfico
@app.callback(
Output('maps', 'figure'),
[
Input('tabs', 'value'),
Input('estado', 'value')
],
)
def render_content(tab, estado):
'''
Genera una figura interactiva de dispersión en un mapa según la pestaña y estado seleccionados.
Args:
tab (str): Pestaña seleccionada en la aplicación Dash.
estado (str): Estado seleccionado en el menú desplegable.
Returns:
plotly.graph_objects.Figure: Figura interactiva de dispersión en un mapa.
'''
hover_template = """
Institución/Universidad: %{customdata[0]}
Nombre del programa: %{customdata[1]}
¿Pertenece al PNPC?: %{customdata[2]}
Dirección física: %{customdata[3]}
Correo: %{customdata[4]}
Sede: %{customdata[5]}
Página web del programa: %{customdata[6]}
"""
if tab == 'tab-1':
df = df_lic
df_lic['size'] = 10
fig = px.scatter_mapbox(df,
lat=df["lat"],
lon=df.lon,
zoom=4.7,
height=700,
center={"lat": 23.6345, "lon": -102.5528},
size=df["size"],
color_discrete_sequence=["#00667C"]
)
fig.update_traces(customdata=df[["Institución/Universidad", "Nombre de la Carrera (Licenciatura)", "¿Pertenece al PNPC?", "Dirección física (Licenciatura)", "Correo", "Sede (Licenciatura)", "Página web del programa de Licenciatura (si hubiera)"]],
hovertemplate=hover_template)
fig.update_layout(hoverlabel=dict(
bgcolor="rgba( 36, 36, 36, 0.65)",
font_size=16,
font_family="Raleway",
font_color="white",
bordercolor="rgba( 36, 36, 36, 0.65 )"
), margin=dict(l=0, r=0, t=0, b=0))
elif tab == 'tab-2':
df = df_master
df_master['size'] = 10
fig = px.scatter_mapbox(df,
lat=df["lat"],
lon=df.lon,
zoom=4.7,
height=700,
center={"lat": 23.6345, "lon": -102.5528},
size=df_master["size"],
color_discrete_sequence=["#E85D7E"])
fig.update_traces(customdata=df[["Institución/Universidad", "Nombre del Programa (Maestría)", "¿Pertenece al PNPC? (Maestría)", "Dirección física (Maestría)", "Correo", "Sede (Maestría)", "Página web del programa de Maestría (si hubiera)"]],
hovertemplate=hover_template)
fig.update_layout(hoverlabel=dict(
bgcolor="rgba( 36, 36, 36, 0.65)",
font_size=16,
font_family="Raleway",
font_color="white",
bordercolor="rgba( 36, 36, 36, 0.65 )"
), margin=dict(l=0, r=0, t=0, b=0))
else:
df = df_doc
df_doc['size'] = 10
fig = px.scatter_mapbox(df,
lat=df["lat"],
lon=df.lon,
zoom=4.7,
height=700,
center={"lat": 23.6345, "lon": -102.5528},
color_discrete_sequence=["#7D5CB8"],
size=df_doc["size"])
fig.update_traces(customdata=df[["Institución/Universidad", "Nombre del programa de Doctorado", "¿Pertenece al PNPC? (Doctorado)", "Dirección física (Doctorado)", "Correo", "Sede (Doctorado)", "Página web del programa de Doctorado (si hubiera)"]],
hovertemplate=hover_template)
fig.update_layout(hoverlabel=dict(
bgcolor="rgba( 36, 36, 36, 0.65)",
font_size=16,
font_family="Raleway",
font_color="white",
bordercolor="rgba( 36, 36, 36, 0.65 )"
), margin=dict(l=0, r=0, t=0, b=0))
zoom_levels = {
'Aguascalientes': 12,
'Baja California': 8,
'Baja California Sur': 8,
'Campeche': 8,
'Chiapas': 8,
'Chihuahua': 8,
'Ciudad de México': 10,
'Coahuila': 8,
'Colima': 9,
'Durango': 8,
'Guanajuato': 9,
'Guerrero': 8,
'Hidalgo': 11,
'Jalisco': 8,
'Estado de México': 12,
'Michoacán': 8,
'Morelos': 10,
'Nayarit': 9,
'Nuevo León': 9,
'Oaxaca': 8,
'Puebla': 9,
'Querétaro': 10,
'Quintana Roo': 9,
'San Luis Potosí': 9,
'Sinaloa': 8,
'Sonora': 7.5,
'Tabasco': 9,
'Tamaulipas': 6.5,
'Tlaxcala': 11,
'Veracruz': 7.5,
'Yucatán': 9,
'Zacatecas': 9,
}
if estado is not None:
df_estado = df[df['Entidad Federativa donde se imparte'] == estado]
if len(df_estado) > 0:
zoom_level = zoom_levels.get(estado, 8)
fig.update_mapboxes(
domain={'x': [0, 1], 'y': [0, 1]},
center=dict(lat=df_estado['lat'].mean(),
lon=df_estado['lon'].mean()),
zoom=zoom_level,
style='open-street-map',
bearing=0
)
fig.update_layout(
mapbox_center={"lat": float(df_estado['lat'].mean()),
"lon": float(df_estado['lon'].mean())}
)
else:
fig.update_layout(
mapbox_center={"lat": 23.6345, "lon": -102.5528}
)
fig.update_layout(mapbox_zoom=4.2,
)
fig.update_mapboxes(
zoom=4.2,
style='open-street-map',
center=dict(lat=23.6345, lon=-102.5528)
)
fig.update_layout(
mapbox={
'center': {'lat': 23.6345, 'lon': -102.5528},
'zoom': 4.2,
'style': 'open-street-map'
}
)
else:
fig.update_layout(
mapbox_center={"lat": 23.6345, "lon": -102.5528}
)
fig.update_layout(mapbox_zoom=4.2)
fig.update_mapboxes(
zoom=4.2,
style='open-street-map',
center=dict(lat=23.6345, lon=-102.5528)
)
fig.update_layout(
mapbox={
'center': {'lat': 23.6345, 'lon': -102.5528},
'zoom': 4.2,
'style': 'open-street-map'
},
# tittle_text='Programas de Doctorado en México'
)
fig.update_layout(
mapbox=dict(
# style='carto-darkmatter', # Set the mapbox style to a desired theme
layers=[], # Remove any default layers
),
# Set the plot background color to transparent
plot_bgcolor='rgba(0,0,0,0)',
# Set the paper background color to transparent
paper_bgcolor='rgba(0,0,0,0)',
margin=dict(l=0, r=0, t=0, b=0), # Set the margin to 0
)
return fig
# Callback para actualizar las estadísticas al seleccionar cada TAB
@app.callback(
Output('stats', 'children'),
[
Input('tabs', 'value'),
Input('estado', 'value')]
)
def update_stats(tab, estado):
'''
Esta función se encarga de actualizar las estadísticas de la entidad federativa seleccionada
y las coloca en las tarjetas correspondientes.
'''
cards = [] # Lista para almacenar las tarjetas
# Convertir el contenido del dataframe a mayúsculas y sin acentos
df_master['Área(s) de interés (Maestría)'] = df_master['Área(s) de interés (Maestría)'].apply(
lambda x: unidecode(x.upper()))
df_lic['Área(s) de interés (Licenciatura)'] = df_lic['Área(s) de interés (Licenciatura)'].apply(
lambda x: unidecode(x.upper()))
df_doc['Área(s) de interés (Doctorado)'] = df_doc['Área(s) de interés (Doctorado)'].apply(
lambda x: unidecode(x.upper()))
# Obtener todas las áreas en una sola columna
areas_master = df_master['Área(s) de interés (Maestría)'].str.replace(
';', ',').str.split(',').explode().str.strip()
areas_lic = df_lic['Área(s) de interés (Licenciatura)'].str.replace(
';', ',').str.split(',').explode().str.strip()
areas_doc = df_doc['Área(s) de interés (Doctorado)'].str.replace(
';', ',').str.split(',').explode().str.strip()
# Contar la frecuencia de cada área
conteo_areas_master = areas_master.value_counts().reset_index()
conteo_areas_lic = areas_lic.value_counts().reset_index()
conteo_areas_doc = areas_doc.value_counts().reset_index()
# Renombrar las columnas del DataFrame de conteo
conteo_areas_master.columns = ['Área', 'Frecuencia']
conteo_areas_doc.columns = ['Área', 'Frecuencia']
conteo_areas_lic.columns = ['Área', 'Frecuencia']
# Combinar los dataframes en uno solo
df_conteo = pd.concat(
[conteo_areas_master, conteo_areas_lic, conteo_areas_doc])
# Agregar una columna 'Nivel' para indicar la licenciatura, maestría o doctorado
df_conteo['Nivel'] = ['Maestría'] * len(conteo_areas_master) + ['Licenciatura'] * len(
conteo_areas_lic) + ['Doctorado'] * len(conteo_areas_doc)
max_area = df_conteo[df_conteo['Frecuencia'] ==
df_conteo['Frecuencia'].max()]['Área'].iloc[0]
max_area_freq = df_conteo['Frecuencia'].max()
if estado == "vacio":
if tab == 'tab-1':
total_programs = len(df_lic)
total_pnpc = len(
df_lic[df_lic['¿Pertenece al PNPC?'] != 'No aplica'])
max_area = conteo_areas_lic[conteo_areas_lic['Frecuencia'] ==
conteo_areas_lic['Frecuencia'].max()]['Área'].iloc[0]
max_area_freq = conteo_areas_lic['Frecuencia'].max()
elif tab == 'tab-2':
total_programs = len(df_master)
total_pnpc = len(
df_master[df_master['¿Pertenece al PNPC? (Maestría)'].isin(["Si", "Sí"])])
max_area = conteo_areas_master[conteo_areas_master['Frecuencia']
== conteo_areas_master['Frecuencia'].max()]['Área'].iloc[0]
max_area_freq = conteo_areas_master['Frecuencia'].max()
elif tab == 'tab-3':
total_programs = len(df_doc)
total_pnpc = len(
df_doc[df_doc['¿Pertenece al PNPC? (Doctorado)'] == 'Si'])
max_area = conteo_areas_doc[conteo_areas_doc['Frecuencia'] ==
conteo_areas_doc['Frecuencia'].max()]['Área'].iloc[0]
max_area_freq = conteo_areas_doc['Frecuencia'].max()
else:
total_programs = 0
total_pnpc = 0
max_area = "No aplica"
max_area_freq = 0
# Crear tarjetas para las estadísticas generales
cards.append(
dbc.Col(
[
dbc.Card(
[
dbc.CardHeader("Por nivel educativo"),
dbc.CardBody(
[
html.H4("Total de Programas:",
className="card-title"),
html.H5(f"\t{total_programs}",
className="card-text"),
]
),
],
className="card border-secondary mb-3 shadow",
),
dbc.Card(
[
dbc.CardHeader("Por nivel educativo"),
dbc.CardBody(
[
html.H4("Total de Programas PNPC:",
className="card-title"),
html.H5(f"\t{total_pnpc}",
className="card-text"),
]
),
],
className="card border-secondary mb-3",
),
# Crear tarjeta para el área de interés mayor
cards.append(
dbc.Card(
[
dbc.CardHeader("Área de interés mayor"),
dbc.CardBody(
[
html.H5(f"\t{max_area}",
className="card-text"),
html.H4("Frecuencia:",
className="card-title"),
html.H5(f"\t{max_area_freq}",
className="card-text"),
]
),
],
className="card border-secondary mb-3 shadow",
)
)
],
)
)
if estado != "vacio":
if tab == 'tab-1':
df_estado = df_lic[df_lic['Entidad Federativa donde se imparte'] == estado]
# Obtener el área de interés mayor y su frecuencia para Licenciatura en el estado seleccionado
# max_area_freq = conteo_areas_lic_estado[(conteo_areas_lic_estado['Área(s) de interés (Doctorado)'] == max_area) & (conteo_areas_lic_estado['Entidad Federativa donde se imparte'] == estado)]['Frecuencia'].iloc[0]
elif tab == 'tab-2':
df_estado = df_master[df_master['Entidad Federativa donde se imparte'] == estado]
# Obtener el área de interés mayor y su frecuencia para Licenciatura en el estado seleccionado
# max_area_freq = conteo_areas_master_estado[(conteo_areas_master_estado['Área'] == max_area) & (conteo_areas_master_estado['Entidad Federativa donde se imparte'] == estado)]['Frecuencia'].iloc[0]
elif tab == 'tab-3':
df_estado = df_doc[df_doc['Entidad Federativa donde se imparte'] == estado]
# Obtener el área de interés mayor y su frecuencia para Licenciatura en el estado seleccionado
# max_area_freq = conteo_areas_doc_estado[(conteo_areas_doc_estado['Área'] == max_area) & (conteo_areas_doc_estado['Entidad Federativa donde se imparte'] == estado)]['Frecuencia'].iloc[0]
# Verificar si la columna '¿La Institución es pública o privada?' existe en el DataFrame
if '¿La Institución es pública o privada?' in df_estado.columns:
total_publicas = len(
df_estado[df_estado['¿La Institución es pública o privada?'] == 'Pública'])
total_privadas = len(
df_estado[df_estado['¿La Institución es pública o privada?'] == 'Privada'])
# Crear tarjetas para las instituciones públicas y privadas
cards.append(
dbc.Card(
[
dbc.CardHeader(f"Para el estado de {estado}:"),
dbc.CardBody(
[
html.H4("Total de Instituciones Públicas:",
className="c"),
html.H5(f"\t{total_publicas}",
className="card-text"),
]
),
],
className="card border-secondary mb-3 shadow",
)
)
cards.append(
dbc.Card(
[
dbc.CardHeader(f"Para el estado de {estado}:"),
dbc.CardBody(
[
html.H4("Total de Instituciones Privadas:",
className="card-title"),
html.H5(f"\t{total_privadas}",
className="card-text"),
]
),
],
className="card border-secondary mb-3 shadow",
)
)
# Verificar si la columna '¿Pertenece al PNPC? (Maestría)' existe en el DataFrame
if '¿Pertenece al PNPC? (Maestría)' in df_estado.columns or '¿Pertenece al PNPC? (Doctorado)' in df_estado.columns:
if '¿Pertenece al PNPC? (Doctorado)' in df_estado.columns:
total_pnpc = len(
df_estado[df_estado['¿Pertenece al PNPC? (Doctorado)'].isin(['Sí', 'Si'])])
elif '¿Pertenece al PNPC? (Maestría)' in df_estado.columns:
total_pnpc = len(
df_estado[df_estado['¿Pertenece al PNPC? (Maestría)'].isin(['Sí', 'Si'])])
else:
total_pnpc = 0
# Crear tarjeta para las instituciones pertenecientes al PNPC
cards.append(
dbc.Card(
[
dbc.CardHeader(f"Para el estado de {estado}:"),
dbc.CardBody(
[
html.H4(
"Total de Instituciones pertenecientes al PNPC:", className="card-title"),
html.H5(f"\t{total_pnpc}",
className="card-text"),
]
),
],
className="card border-secondary mb-3 shadow",
)
)
return cards
# Callback para actualizar las estadísticas generales y los gráficos de totales
@app.callback(
Output('general-stats', 'children'),
[Input('tabs', 'value')]
)
def update_general_stats(tab):
'''
Esta función se encarga de actualizar las estadísticas generales del dataframe
y generar gráficos de algunos totales.
'''
cards = [] # Lista para almacenar las tarjetas
total_pnpc = 0
# Generar gráfico de totales por tipo de programa
df_totals = pd.DataFrame({
'Tipo de Programa': ['Licenciatura', 'Maestría', 'Doctorado'],
'Total': [len(df_lic), len(df_master), len(df_doc)]
})
fig = px.bar(df_totals, x='Tipo de Programa', y='Total', color='Tipo de Programa',
labels={'Total': 'Total de Programas',
'Tipo de Programa': 'Tipo de Programa'},
color_discrete_sequence=[
"#00667C", "#E85D7E", "#7D5CB8"],
)
fig.update_layout(
plot_bgcolor='#242424',
paper_bgcolor='#242424',
modebar=dict(
remove=True
),
margin=dict(l=0, r=0, t=0, b=0),
legend_font=dict(
size=16,
color='white'
),
font=dict(
size=16,
color='white'
),
legend_entrywidth=50,
legend_entrywidthmode='pixels',
legend_itemwidth=40,
legend_orientation='v'
)
graph = dcc.Graph(figure=fig)
cards.append(
dbc.Col([
dbc.Card(
[
dbc.CardHeader("Por nivel educativo"),
dbc.CardBody(graph),
],
className="card border-secondary mb-3",
)
], )
)
fig_sunburst = px.sunburst(df_combined, path=[
'Nivel educativo', 'Entidad Federativa donde se imparte', 'Institución/Universidad'], values='Total', color_discrete_sequence=[
"#00667C", "#E85D7E", "#7D5CB8"])
cards.append(
dbc.Col([
dbc.Card(
[
dbc.CardHeader(
"Gráfico de Sunburst por Nivel Educativo y Estado"),
dbc.CardBody(dcc.Graph(figure=fig_sunburst)),
],
className="card border-secondary mb-3 shadow",
)
]
)
)
fig_sunburst.update_layout(
margin=dict(l=0, r=0, t=0, b=0),
font=dict(
size=16,
color='white'
),
grid_columns=2,
)
# Generar el gráfico de barras agrupadas utilizando Plotly Express
fig_areas = px.bar(df_conteo, x="Nivel", y="Frecuencia", color="Área", barmode="group",
hover_data=["Nivel", "Área", "Frecuencia"], title="Frecuencia de áreas de interés",
labels={"Frecuencia": "Frecuencia", "Nivel": "Nivel de estudio"})
# Ocultar la leyenda
fig_areas.update_layout(
plot_bgcolor='#242424',
paper_bgcolor='#242424',
modebar=dict(
remove=True
),
margin=dict(l=0, r=0, t=0, b=0),
legend_font=dict(
size=16,
color='white'
),
font=dict(
size=16,
color='white'
),
legend_entrywidth=300,
legend_itemsizing='trace',
legend_entrywidthmode='pixels',
legend_itemwidth=30,
legend_orientation='h',
legend_title_side='left',
legend_valign='middle'
)
cards.append(
dbc.Row([
dbc.Col([
dbc.Card(
[
dbc.CardHeader(
"Gráfico de Áreas de Interés por Nivel Educativo"),
dbc.CardBody(dcc.Graph(figure=fig_areas)),
],
className="card border-secondary mb-3 shadow",
)
],
)
]),
)
return cards
if __name__ == '__main__':
app.run_server(debug=True, port=5000)