#!/usr/bin/env python
### DESEMBARQUE CALETAS
# -*- coding: utf-8 -*-
import pandas as pd
from dash import Dash, dcc, html
from dash.dependencies import Input, Output
import plotly.express as px
TODAS_ESPECIES_VALUE = "__TODAS__"
# ============================
# 1) Leer base y normalizar
# ============================
df = pd.read_csv("data/DESEMBARQUE_ARTESANAL_CALETA_2000_2024.csv", low_memory=False)
df.columns = df.columns.str.strip()
# Normalizar columnas clave
df["ESPECIE"] = df["ESPECIE"].astype(str).str.upper().str.strip()
# --- REGIÓN: puede venir como 10.0, etc. ---
df["REGION"] = df["REGION"].astype(str).str.strip()
df["REGION"] = df["REGION"].str.replace(".0", "", regex=False)
# --- Cd_Caleta: forzar a string limpio (por si viene como 123.0) ---
df["Cd_Caleta"] = df["Cd_Caleta"].astype(str).str.strip()
df["Cd_Caleta"] = df["Cd_Caleta"].str.replace(".0", "", regex=False)
df["Nm_Caleta"] = df["Nm_Caleta"].astype(str).str.strip()
# Diccionario oficial con nombre + número romano
dicc_regiones = {
"15": "Arica y Parinacota (XV)",
"1": "Tarapacá (I)",
"2": "Antofagasta (II)",
"3": "Atacama (III)",
"4": "Coquimbo (IV)",
"5": "Valparaíso (V)",
"6": "Libertador General Bernardo O'Higgins (VI)",
"7": "Maule (VII)",
"16": "Ñuble (XVI)",
"8": "Biobío (VIII)",
"9": "Araucanía (IX)",
"14": "Los Ríos (XIV)",
"10": "Los Lagos (X)",
"11": "Aysén del General Carlos Ibáñez del Campo (XI)",
"12": "Magallanes y Antártica Chilena (XII)",
"13": "Región Metropolitana de Santiago (RM)",
}
df["REGION_NOMBRE"] = df["REGION"].map(dicc_regiones).fillna(df["REGION"])
# Numéricos
df["AÑO"] = pd.to_numeric(df["AÑO"], errors="coerce").round().astype("Int64")
df["TOTAL"] = pd.to_numeric(df["TOTAL"], errors="coerce")
# ============================
# 2) Base reducida
# ============================
df_base = df[["ESPECIE", "AÑO", "TOTAL", "REGION", "REGION_NOMBRE", "Cd_Caleta", "Nm_Caleta"]].dropna(subset=["AÑO", "TOTAL"]).copy()
df_base["AÑO"] = df_base["AÑO"].astype(int)
min_year = int(df_base["AÑO"].min())
max_year = int(df_base["AÑO"].max())
# Especies ordenadas por tonelaje total
especies_ordenadas = (
df_base.groupby("ESPECIE")["TOTAL"]
.sum()
.sort_values(ascending=False)
.index.tolist()
)
# Especies por defecto
especies_default_deseadas = ["ANCHOVETA", "SARDINA COMUN"]
default_especies = [e for e in especies_default_deseadas if e in especies_ordenadas] or especies_ordenadas[:2]
# ----- Regiones únicas en orden geográfico -----
region_order_geo = ["15", "1", "2", "3", "4", "5", "13", "6", "7", "16", "8", "9", "14", "10", "11", "12"]
regiones_presentes = sorted(df_base["REGION"].dropna().unique().tolist())
regiones_unicas = [r for r in region_order_geo if r in regiones_presentes]
map_region_nombre = {code: dicc_regiones.get(code, code) for code in regiones_unicas}
def build_caleta_options(dff):
caletas_unique = (
dff[["Cd_Caleta", "Nm_Caleta"]]
.drop_duplicates()
.sort_values("Nm_Caleta")
)
return [
{"label": f"{row['Nm_Caleta']} ({row['Cd_Caleta']})", "value": row["Cd_Caleta"]}
for _, row in caletas_unique.iterrows()
]
def format_tons(x):
return f"{x:,.1f} t".replace(",", "X").replace(".", ",").replace("X", ".")
def build_species_options(species_list):
return [{"label": "TODAS LAS ESPECIES", "value": TODAS_ESPECIES_VALUE}] + [
{"label": e, "value": e} for e in species_list
]
caleta_options_all = build_caleta_options(df_base)
# ============================
# 3) Estilos
# ============================
COLORS = {
"bg": "#f5f7fa",
"card": "white",
"accent": "#005f73",
"muted": "#666666",
"info_bg": "#eef6f8",
"info_border": "#005f73",
"soft_box": "#f9fbfc",
"soft_border": "#dde7ea",
}
CARD_STYLE = {
"backgroundColor": COLORS["card"],
"borderRadius": "8px",
"padding": "15px",
"boxShadow": "0 2px 5px rgba(0,0,0,0.08)",
"marginBottom": "15px",
}
TOP5_BOX_STYLE = {
"marginTop": "16px",
"padding": "12px 14px",
"backgroundColor": COLORS["soft_box"],
"border": f"1px solid {COLORS['soft_border']}",
"borderRadius": "8px",
}
INFO_BOX_STYLE = {
"marginBottom": "10px",
"padding": "10px 12px",
"backgroundColor": COLORS["info_bg"],
"borderLeft": f"4px solid {COLORS['info_border']}",
"fontSize": "13px",
"borderRadius": "4px",
"lineHeight": "1.5",
}
# ============================
# 4) App Layout
# ============================
app = Dash(__name__, requests_pathname_prefix="/apps/caletas/")
app.layout = html.Div(
style={"fontFamily": "Arial", "backgroundColor": COLORS["bg"], "minHeight": "100vh"},
children=[
html.Div(
style={"backgroundColor": COLORS["accent"], "color": "white", "padding": "12px 25px"},
children=[
html.H1("Desembarques por caleta (Artesanal)", style={"margin": 0, "fontSize": "22px"}),
html.Div("Serie de tiempo 2000–2024", style={"fontSize": "13px"}),
],
),
html.Div(
style={"padding": "20px 25px"},
children=[
html.Div(
style={"display": "flex", "gap": "20px", "flexWrap": "wrap"},
children=[
# ----- FILTROS -------
html.Div(
style={"flex": "1 1 260px", "maxWidth": "380px"},
children=[
html.Div(
style=CARD_STYLE,
children=[
html.H3("Filtros", style={"marginTop": 0}),
html.Label("Regiones"),
dcc.Dropdown(
id="region-dropdown",
options=(
[{"label": "Nacional (todas)", "value": "NACIONAL"}] +
[{"label": map_region_nombre.get(r, r), "value": r} for r in regiones_unicas]
),
value=["NACIONAL"],
multi=True,
placeholder="Selecciona una o más regiones",
style={"marginBottom": "12px"},
),
html.Label("Caleta"),
dcc.Dropdown(
id="caleta-dropdown",
options=caleta_options_all,
value=[],
multi=True,
placeholder="Selecciona una o más caletas",
style={"marginBottom": "12px"},
),
html.Label("Especies"),
dcc.Dropdown(
id="especie-dropdown",
options=build_species_options(especies_ordenadas),
value=default_especies,
multi=True,
style={"marginBottom": "12px"},
),
],
)
],
),
# ----- GRÁFICO -----
html.Div(
style={"flex": "3 1 500px"},
children=[
html.Div(
style=CARD_STYLE,
children=[
html.Div(id="mensaje-contexto", style=INFO_BOX_STYLE),
dcc.Graph(id="grafico-caletas"),
html.Div(id="top5-especies", style=TOP5_BOX_STYLE),
html.Div(
[
html.Label(
"Rango de años",
style={"fontWeight": "bold", "fontSize": "13px", "marginBottom": "4px"},
),
dcc.RangeSlider(
id="year-range",
min=min_year,
max=max_year,
value=[min_year, max_year],
step=1,
marks={y: str(y) for y in range(min_year, max_year + 1, 5)},
),
],
style={"marginTop": "20px"},
),
html.Div(
["Valores: Toneladas anuales desembarcadas por especie a nivel de caletas."],
style={"fontSize": "12px", "color": COLORS["muted"], "marginTop": "10px"},
),
html.Div(
[
"Elaboración: Instituto en Socio-Ecología Costera (SECOS) – Datacenter",
html.Br(),
"Fuente: Sernapesca",
],
style={"fontSize": "11px", "color": COLORS["muted"], "marginTop": "4px"},
),
],
)
],
),
],
)
],
),
],
)
# ============================
# 5A) CALLBACK: Si el usuario elige una región, sacar "NACIONAL"
# ============================
@app.callback(
Output("region-dropdown", "value"),
Input("region-dropdown", "value"),
)
def auto_quitar_nacional(regiones_sel):
regiones_sel = regiones_sel or []
if "NACIONAL" in regiones_sel:
reales = [r for r in regiones_sel if r != "NACIONAL"]
if len(reales) > 0:
return reales
return regiones_sel
# ============================
# 5B) CALLBACK: Filtrar caletas por región
# ============================
@app.callback(
Output("caleta-dropdown", "options"),
Output("caleta-dropdown", "value"),
Input("region-dropdown", "value"),
Input("caleta-dropdown", "value"),
)
def actualizar_caletas_por_region(regiones_sel, caletas_sel):
regiones_sel = regiones_sel or []
caletas_sel = caletas_sel or []
if (not regiones_sel) or ("NACIONAL" in regiones_sel):
return caleta_options_all, caletas_sel
dff = df_base[df_base["REGION"].isin(regiones_sel)]
opts = build_caleta_options(dff)
valid_values = {o["value"] for o in opts}
caletas_filtradas = [c for c in caletas_sel if c in valid_values]
return opts, caletas_filtradas
# ============================
# 5C) CALLBACK: Ajustar especies automáticamente
# - Siempre ofrece "TODAS LAS ESPECIES"
# - Por defecto selecciona las 2 más desembarcadas de la selección actual
# ============================
@app.callback(
Output("especie-dropdown", "options"),
Output("especie-dropdown", "value"),
Input("region-dropdown", "value"),
Input("caleta-dropdown", "value"),
)
def actualizar_especies_disponibles(regiones_sel, caletas_sel):
regiones_sel = regiones_sel or []
caletas_sel = caletas_sel or []
dff = df_base.copy()
regiones_limpias = [r for r in regiones_sel if r != "NACIONAL"]
if regiones_limpias:
dff = dff[dff["REGION"].isin(regiones_limpias)]
if caletas_sel:
if isinstance(caletas_sel, str):
caletas_sel = [caletas_sel]
dff = dff[dff["Cd_Caleta"].isin(caletas_sel)]
especies_locales = (
dff.groupby("ESPECIE")["TOTAL"]
.sum()
.sort_values(ascending=False)
.index.tolist()
)
if not especies_locales:
return build_species_options([]), []
opts = build_species_options(especies_locales)
# Por defecto: las 2 más desembarcadas
defaults = especies_locales[:2]
# Si no hay suficientes, usar las disponibles
if not defaults:
defaults = especies_locales[:1]
return opts, defaults
# ============================
# 5D) CALLBACK: Gráfico + Top 5 + mensaje contexto
# ============================
@app.callback(
Output("grafico-caletas", "figure"),
Output("top5-especies", "children"),
Output("mensaje-contexto", "children"),
Input("region-dropdown", "value"),
Input("caleta-dropdown", "value"),
Input("especie-dropdown", "value"),
Input("year-range", "value"),
)
def actualizar_grafico(regiones_sel, caletas_sel, especies_sel, year_range):
dff = df_base.copy()
regiones_sel = regiones_sel or []
caletas_sel = caletas_sel or []
# Filtrar regiones
regiones_limpias = [r for r in regiones_sel if r != "NACIONAL"]
if regiones_limpias:
dff = dff[dff["REGION"].isin(regiones_limpias)]
# Filtrar caletas
if caletas_sel:
if isinstance(caletas_sel, str):
caletas_sel = [caletas_sel]
dff = dff[dff["Cd_Caleta"].isin(caletas_sel)]
# Filtrar años
a0, a1 = year_range
dff = dff[(dff["AÑO"] >= a0) & (dff["AÑO"] <= a1)]
# ============================
# Mensaje contextual + Top 5
# ============================
if caletas_sel:
caleta_names = (
df_base[df_base["Cd_Caleta"].isin(caletas_sel)][["Cd_Caleta", "Nm_Caleta"]]
.drop_duplicates()
.sort_values("Nm_Caleta")["Nm_Caleta"]
.tolist()
)
caleta_texto = ", ".join(caleta_names)
if not dff.empty:
resumen_especies = (
dff.groupby("ESPECIE", as_index=False)["TOTAL"]
.sum()
.sort_values("TOTAL", ascending=False)
)
n_especies = resumen_especies["ESPECIE"].nunique()
total_periodo = resumen_especies["TOTAL"].sum()
top5 = resumen_especies.head(5)
total_top5 = top5["TOTAL"].sum()
pct_top5 = (total_top5 / total_periodo * 100) if total_periodo > 0 else 0
mensaje = html.Div([
html.Div([
html.B("Modo caleta: "),
f"al seleccionar {caleta_texto}, el selector de especies ofrece la opción ",
html.B("TODAS LAS ESPECIES"),
" y, por defecto, muestra las 2 especies más desembarcadas de la selección actual."
]),
html.Div(
[
html.B(f"{n_especies} especies "),
"registran desembarque en esta caleta. ",
html.B(f"Top 5 representan {pct_top5:.0f}% "),
f"del desembarque para el periodo {a0}–{a1}."
],
style={"marginTop": "6px"}
)
])
top5_children = [
html.Div(
f"Top 5 especies con mayor desembarque acumulado ({a0}–{a1})",
style={"fontWeight": "bold", "marginBottom": "8px"}
),
html.Ol(
[
html.Li(f"{row['ESPECIE']}: {format_tons(row['TOTAL'])}")
for _, row in top5.iterrows()
],
style={"margin": 0, "paddingLeft": "20px"}
)
]
else:
mensaje = html.Div([
html.Div([
html.B("Modo caleta: "),
f"se seleccionó {caleta_texto}, pero no hay desembarques registrados para el periodo {a0}–{a1}."
])
])
top5_children = html.Div("No hay desembarques para esta caleta en el rango de años seleccionado.")
else:
mensaje = html.Div([
html.Div([
html.B("Modo general: "),
"el gráfico muestra, por defecto, las 2 especies más desembarcadas de la selección actual."
]),
html.Div(
[
"También puedes elegir ",
html.B("TODAS LAS ESPECIES"),
" o seleccionar manualmente una o más especies específicas."
],
style={"marginTop": "6px"}
)
])
top5_children = html.Div(
"Selecciona una caleta para ver el resumen automático de especies y el Top 5 de desembarques.",
style={"color": COLORS["muted"]}
)
# ============================
# Filtrar especies para el gráfico
# ============================
if isinstance(especies_sel, str):
especies_sel = [especies_sel]
especies_sel = especies_sel or []
if TODAS_ESPECIES_VALUE in especies_sel:
dff_plot = dff.copy()
elif especies_sel:
dff_plot = dff[dff["ESPECIE"].isin(especies_sel)]
else:
dff_plot = dff.copy()
if dff_plot.empty:
fig = px.line()
fig.update_layout(
title="No hay datos disponibles para la selección actual",
template="simple_white",
margin={"l": 60, "r": 20, "t": 70, "b": 40},
)
fig.update_xaxes(type="linear", dtick=1, tickmode="linear")
return fig, top5_children, mensaje
dff_grouped = (
dff_plot.groupby(["AÑO", "ESPECIE"], as_index=False)["TOTAL"]
.sum()
.sort_values(["ESPECIE", "AÑO"])
)
fig = px.line(
dff_grouped,
x="AÑO",
y="TOTAL",
color="ESPECIE",
markers=True
)
# Título dinámico
if caletas_sel:
titulo = "Caletas: " + ", ".join(caleta_names)
else:
titulo = "Todas las caletas"
fig.update_layout(
title=f"Desembarques artesanales por caleta
{titulo}",
xaxis_title="Año",
yaxis_title="Toneladas",
template="simple_white",
hovermode="x unified",
margin={"l": 60, "r": 20, "t": 70, "b": 40},
legend_title_text="Especie",
)
fig.update_xaxes(
type="linear",
dtick=1,
tickmode="linear"
)
return fig, top5_children, mensaje
# ============================
# 6) RUN
# ============================
if __name__ == "__main__":
app.run(host="127.0.0.1", port=8050, debug=False)