#!/usr/bin/env python
# -*- coding: utf-8 -*-
import pandas as pd
import dash
from dash import Dash, dcc, html
from dash.dependencies import Input, Output
import plotly.express as px
import plotly.graph_objects as go
# ============================
# 1) Leer base y normalizar
# ============================
df = pd.read_csv("data/PESCADORESINSCRITOS_2003-2024.csv", low_memory=False)
df.columns = df.columns.str.strip()
# ---- Normalizar Región (viene como 10.0, etc.) ----
df["Region"] = df["Region"].astype(str).str.strip()
df["Region"] = df["Region"].str.replace(".0", "", regex=False)
# Diccionario oficial con número romano + nombre, en orden geográfico
dicc_regiones = {
"15": "XV Arica y Parinacota",
"1": "I Tarapacá",
"2": "II Antofagasta",
"3": "III Atacama",
"4": "IV Coquimbo",
"5": "V Valparaíso",
"6": "VI Libertador General Bernardo O'Higgins",
"7": "VII Maule",
"16": "XVI Ñuble",
"8": "VIII Biobío",
"9": "IX de Araucanía",
"14": "XIV Los Ríos",
"10": "X Los Lagos",
"11": "XI Aysén del General Carlos Ibáñez del Campo",
"12": "XII Magallanes y Antártica Chilena",
}
# Columna con nombre elegante de región
df["Region_Nombre"] = df["Region"].map(dicc_regiones).fillna(df["Region"])
# Años y totales numéricos
numeric_cols = [
"Año", "Pescador_Mujer", "Pescador_Hombre", "Total_Pescador",
"Buzo_Mariscador_Mujer", "Buzo_Mariscador_Hombre", "Total_Buzo_Mariscador",
"Recolector_Orilla_Mujer", "Recolector_Orilla_Hombre", "Total_Recolector_Orilla",
"Armador_Mujer", "Armador_Hombre", "Total_Armador",
"Total_Mujer", "Total_Hombre", "Total_General",
]
for col in numeric_cols:
df[col] = pd.to_numeric(df[col], errors="coerce")
df_base = df.dropna(subset=["Año", "Region", "Total_General"])
min_year = int(df_base["Año"].min())
max_year = int(df_base["Año"].max())
# Orden geográfico deseado de códigos de región
region_order_geo = [
"15", # XV Arica y Parinacota
"1", # I Tarapacá
"2", # II Antofagasta
"3", # III Atacama
"4", # IV Coquimbo
"5", # V Valparaíso
"13", # RM (puede que no esté en df, lo dejamos por si acaso)
"6", # VI O'Higgins
"7", # VII Maule
"16", # XVI Ñuble
"8", # VIII Biobío
"9", # IX Araucanía
"14", # XIV Los Ríos
"10", # X Los Lagos
"11", # XI Aysén
"12", # XII Magallanes
]
# Códigos de región presentes en los datos, respetando orden geográfico
regiones_presentes = sorted(df_base["Region"].dropna().unique().tolist())
regiones_unicas = [r for r in region_order_geo if r in regiones_presentes]
# Mapa código -> nombre
map_region_nombre = {code: dicc_regiones.get(code, code) for code in regiones_unicas}
# ============================
# 2) Estilos
# ============================
COLORS = {
"bg": "#f5f7fa",
"card": "white",
"accent": "#005f73",
"muted": "#555555",
"hombre": "#3d4f6c",
"mujer": "#4b9a6c",
}
CARD_STYLE = {
"backgroundColor": COLORS["card"],
"borderRadius": "8px",
"padding": "15px",
"boxShadow": "0 2px 5px rgba(0,0,0,0.08)",
"marginBottom": "15px",
}
# ============================
# 3) App
# ============================
app = Dash(
__name__,
requests_pathname_prefix="/apps/pescadores/",
)
app.layout = html.Div(
style={"fontFamily": "Arial, sans-serif", "backgroundColor": COLORS["bg"], "minHeight": "100vh"},
children=[
# Barra superior
html.Div(
style={"backgroundColor": COLORS["accent"], "color": "white", "padding": "12px 25px"},
children=[
html.H1("Pescadores inscritos por región y género", style={"margin": 0, "fontSize": "22px"}),
html.Div("Chile, 2003–2024", 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": "360px"},
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,
style={"marginBottom": "15px"},
),
],
),
html.Div(
id="resumen-texto",
style=CARD_STYLE | {"fontSize": "13px"},
),
],
),
# ----- GRÁFICOS -----
html.Div(
style={"flex": "3 1 500px"},
children=[
html.Div(
style=CARD_STYLE,
children=[
html.H4("Distribución por región (año seleccionado)", style={"marginTop": 0}),
dcc.Graph(id="bar-regiones"),
# Slider de año BAJO el primer gráfico
html.Div(
[
html.Label(
"Año (seleccionar años a visualizar. El resumen muestra el último año de la serie de tiempo)",
style={
"fontWeight": "bold",
"fontSize": "13px",
"display": "block",
"marginBottom": "4px",
"lineHeight": "1.3",
},
),
dcc.Slider(
id="year-slider",
min=min_year,
max=max_year,
value=max_year,
step=1,
marks={y: str(y) for y in range(min_year, max_year + 1, 2)},
),
],
style={"marginTop": "20px"},
),
],
),
html.Div(
style=CARD_STYLE,
children=[
html.H4("Serie de tiempo nacional por género", style={"marginTop": 0}),
dcc.Graph(id="bar-tiempo"),
html.Div(
[
"Elaboración: Instituto en Socio-Ecología Costera (SECOS) – Datacenter",
html.Br(),
"Fuente: Registro de pescadores inscritos (Sernapesca / Subpesca, según corresponda).",
],
style={"fontSize": "11px", "color": COLORS["muted"], "marginTop": "8px"},
),
],
),
# 👇 NUEVO: Dumbbell por categoría
html.Div(
style=CARD_STYLE,
children=[
html.H4("Pescadores inscritos por categoría y género (dumbbell)", style={"marginTop": 0}),
dcc.Graph(id="dot-categorias"),
],
),
],
),
],
),
],
),
],
)
# ============================
# 4) Callbacks
# ============================
@app.callback(
Output("resumen-texto", "children"),
Output("bar-regiones", "figure"),
Output("bar-tiempo", "figure"),
Output("dot-categorias", "figure"),
Input("region-dropdown", "value"),
Input("year-slider", "value"),
)
def actualizar_vistas(regiones_sel, year_sel):
dff = df_base.copy()
# Filtrar regiones (si solo está "NACIONAL", usamos todas)
regiones_limpias = [r for r in regiones_sel if r != "NACIONAL"] if regiones_sel else []
if regiones_limpias:
dff_year = dff[(dff["Region"].isin(regiones_limpias)) & (dff["Año"] == year_sel)]
dff_nacional_tiempo = dff[dff["Region"].isin(regiones_limpias)]
nombres_regiones = [map_region_nombre.get(r, r) for r in regiones_limpias]
regiones_texto = ", ".join(nombres_regiones)
else:
dff_year = dff[dff["Año"] == year_sel]
dff_nacional_tiempo = dff
regiones_texto = "todas las regiones"
# -------- Resumen texto --------
total_mujer = dff_year["Total_Mujer"].sum()
total_hombre = dff_year["Total_Hombre"].sum()
total_general = dff_year["Total_General"].sum()
if total_general > 0:
pct_m = 100 * total_mujer / total_general
pct_h = 100 * total_hombre / total_general
else:
pct_m = pct_h = 0.0
resumen = [
html.Strong(f"Año {year_sel} · {regiones_texto}"),
html.Br(),
f"Total de pescadores inscritos: {int(total_general):,}".replace(",", "."),
html.Br(),
f"Mujeres: {int(total_mujer):,} ({pct_m:.1f} %)".replace(",", "."),
html.Br(),
f"Hombres: {int(total_hombre):,} ({pct_h:.1f} %)".replace(",", "."),
]
# -------- Gráfico 1: barras por región (año) --------
if dff_year.empty:
fig_reg = px.bar()
fig_reg.update_layout(
title="Sin datos para el año / región seleccionados",
template="simple_white",
)
else:
agg_reg = (
dff_year.groupby("Region", as_index=False)[["Total_Mujer", "Total_Hombre", "Total_General"]]
.sum()
)
agg_reg["Region_Nombre"] = agg_reg["Region"].map(map_region_nombre).fillna(agg_reg["Region"])
reg_long = agg_reg.melt(
id_vars=["Region", "Region_Nombre", "Total_General"],
value_vars=["Total_Mujer", "Total_Hombre"],
var_name="Genero",
value_name="N_personas",
)
reg_long["Genero"] = reg_long["Genero"].replace({"Total_Mujer": "Mujer", "Total_Hombre": "Hombre"})
fig_reg = px.bar(
reg_long,
x="Region_Nombre",
y="N_personas",
color="Genero",
barmode="group",
)
fig_reg.for_each_trace(
lambda t: t.update(marker_color=COLORS["hombre"]) if t.name == "Hombre" else
t.update(marker_color=COLORS["mujer"])
)
# Ordenar eje X según orden geográfico
category_array = [map_region_nombre[r] for r in regiones_unicas if r in agg_reg["Region"].unique()]
fig_reg.update_layout(
title=f"Pescadores inscritos por región y género (año {year_sel})",
xaxis_title="Región",
yaxis_title="Número de personas",
template="simple_white",
)
fig_reg.update_xaxes(categoryorder="array", categoryarray=category_array)
# -------- Gráfico 2: serie de tiempo nacional por género --------
agg_time = (
dff_nacional_tiempo.groupby("Año", as_index=False)[["Total_Mujer", "Total_Hombre", "Total_General"]]
.sum()
)
time_long = agg_time.melt(
id_vars=["Año", "Total_General"],
value_vars=["Total_Mujer", "Total_Hombre"],
var_name="Genero",
value_name="N_personas",
)
time_long["Genero"] = time_long["Genero"].replace({"Total_Mujer": "Mujer", "Total_Hombre": "Hombre"})
fig_time = px.bar(
time_long,
x="Año",
y="N_personas",
color="Genero",
barmode="group",
)
fig_time.for_each_trace(
lambda t: t.update(marker_color=COLORS["hombre"]) if t.name == "Hombre" else
t.update(marker_color=COLORS["mujer"])
)
fig_time.update_layout(
title="Evolución anual de pescadores inscritos por género",
xaxis_title="Año",
yaxis_title="Número de personas",
template="simple_white",
)
# -------- Gráfico 3: dumbbell por categoría (año + regiones seleccionadas) --------
cat_map = [
("Pescador artesanal", "Pescador_Mujer", "Pescador_Hombre"),
("Buzo Mariscador", "Buzo_Mariscador_Mujer", "Buzo_Mariscador_Hombre"),
("Recolector de Orilla", "Recolector_Orilla_Mujer", "Recolector_Orilla_Hombre"),
("Armador Artesanal", "Armador_Mujer", "Armador_Hombre"),
]
rows = []
for cat_name, col_m, col_h in cat_map:
rows.append({"Categoria": cat_name, "Genero": "Mujer", "N_personas": float(dff_year[col_m].sum() or 0)})
rows.append({"Categoria": cat_name, "Genero": "Hombre", "N_personas": float(dff_year[col_h].sum() or 0)})
cat_long = pd.DataFrame(rows)
if cat_long["N_personas"].sum() == 0:
fig_cat = px.scatter()
fig_cat.update_layout(
title="Sin datos para categoría / año / región seleccionados",
template="simple_white",
)
else:
# Pivot para tener columnas Mujer/Hombre por categoría
pivot = (
cat_long.pivot_table(index="Categoria", columns="Genero", values="N_personas", aggfunc="sum")
.fillna(0.0)
.reset_index()
)
# Orden: por total (H+M) desc
pivot["Total"] = pivot.get("Hombre", 0) + pivot.get("Mujer", 0)
pivot = pivot.sort_values("Total", ascending=False)
categorias = pivot["Categoria"].tolist()
fig_cat = go.Figure()
# 1) Líneas (dumbbell)
for _, r in pivot.iterrows():
fig_cat.add_trace(
go.Scatter(
x=[r.get("Mujer", 0), r.get("Hombre", 0)],
y=[r["Categoria"], r["Categoria"]],
mode="lines",
line=dict(width=3, color="rgba(0,0,0,0.25)"),
hoverinfo="skip",
showlegend=False,
)
)
# 2) Puntos Mujer
fig_cat.add_trace(
go.Scatter(
x=pivot.get("Mujer", pd.Series([0]*len(pivot))).tolist(),
y=categorias,
mode="markers",
name="Mujer",
marker=dict(size=12, color=COLORS["mujer"]),
customdata=pivot["Total"].tolist(),
hovertemplate="%{y}
Mujer: %{x:,.0f}",
)
)
# 3) Puntos Hombre
fig_cat.add_trace(
go.Scatter(
x=pivot.get("Hombre", pd.Series([0]*len(pivot))).tolist(),
y=categorias,
mode="markers",
name="Hombre",
marker=dict(size=12, color=COLORS["hombre"]),
hovertemplate="%{y}
Hombre: %{x:,.0f}",
)
)
fig_cat.update_layout(
title=f"Distribución por categoría y género (año {year_sel})",
xaxis_title="Número de personas",
yaxis_title="Categoría",
template="simple_white",
legend_title_text="Género",
margin=dict(l=10, r=10, t=50, b=10),
)
# Para que quede en el mismo orden visual que pivot (desc)
fig_cat.update_yaxes(categoryorder="array", categoryarray=categorias)
# Un poquito de aire a la izquierda (si los nombres son largos)
fig_cat.update_layout(yaxis=dict(automargin=True))
return resumen, fig_reg, fig_time, fig_cat
# ============================
# 5) Run
# ============================
if __name__ == "__main__":
app.run(
host="127.0.0.1", # 👈 sólo interno
port=8055,
debug=False
)