app.py

import streamlit as st
import pandas as pd
from pathlib import Path

st.set_page_config(page_title="Evaluador Columnas Fijas", layout="wide")

# HARDCODEADO para ejemplo
COLUMNAS = [
    {
        'numero': 1,
        'nombre': 'CATEGORY',
        'descripcion': 'Category of the street (e.g., Primary, Secondary, Tertiary).',
        'tipo': 'string'
    },
    {
        'numero': 2,
        'nombre': 'GIS_ID',
        'descripcion': 'GIS identifier for the street.',
        'tipo': 'string'
    },
    {
        'numero': 3,
        'nombre': 'OBJECTID',
        'descripcion': 'Unique object identifier.',
        'tipo': 'integer'
    },
    {
        'numero': 4,
        'nombre': 'GLOBALID',
        'descripcion': 'Globally unique identifier.',
        'tipo': 'string'
    },
    {
        'numero': 5,
        'nombre': 'SHAPEAREA',
        'descripcion': 'Area of the street shape.',
        'tipo': 'integer'
    },
    {
        'numero': 6,
        'nombre': 'SHAPELEN',
        'descripcion': 'Length of the street shape.',
        'tipo': 'integer'
    }
]

total_columnas = len(COLUMNAS)

id_tabla = "01823609-f6ce-433b-866c-cf7a46b3ce2a"

st.title(f"Evaluador de tabla {id_tabla}")

csv_file = f"csvs/{id_tabla}.csv"
if Path(csv_file).exists():
    df_csv = pd.read_csv(csv_file)
    
    col_download1, _ = st.columns(2)
    with col_download1:
        csv_content = df_csv.to_csv(index=False).encode('utf-8')
        st.download_button(
            label="📥 **Descargar CSV original**",
            data=csv_content,
            file_name=csv_file,
            mime="text/csv"
        )
else:
    st.warning(f"❌ {csv_file} no disponible.")

if 'columna_actual' not in st.session_state:
    st.session_state.columna_actual = 0
if 'evaluaciones' not in st.session_state:
    st.session_state.evaluaciones = {f"c{i}": {'nombre': {}, 'desc': {}, 'tipo': {}} for i in range(total_columnas)}

# Columna actual
columna_data = COLUMNAS[st.session_state.columna_actual]

st.header(f"**Columna #{columna_data['numero']}**")
st.subheader(f"**{columna_data['nombre']}**")

# st.markdown("### **Nombre | Descripción | Tipo de dato**")
tabla_data = pd.DataFrame([{
    'Nombre': columna_data['nombre'],
    'Descripción': columna_data['descripcion'],
    'Tipo de dato': columna_data['tipo']
}])
st.table(tabla_data)

# Evaluaciones individuales para cada campo
st.subheader("**Evaluar cada campo**")

def evaluar_campo(campo_nombre, valor_campo, col_idx):
    key = f"c{col_idx}_{campo_nombre}"
    if key not in st.session_state.evaluaciones:
        st.session_state.evaluaciones[key] = {
            'correct': True, 
            'concise': True, 
            'justif_correct': '', 
            'justif_concise': ''
        }
    
    data = st.session_state.evaluaciones[key]
    
    st.markdown(f"### **{campo_nombre.upper()}**: {valor_campo}")
    
    col_correct, col_conciso = st.columns(2)
    
    with col_correct:
        data['correct'] = st.checkbox("**✓ Correcto**", value=data['correct'], key=f"chk_correct_{key}")
        if not data['correct']:
            data['justif_correct'] = st.text_area("**Justificación (incorrecto):**", 
                                                value=data['justif_correct'], 
                                                key=f"ta_correct_{key}", height=80)
    
    with col_conciso:
        data['concise'] = st.checkbox("**✨ Conciso**", value=data['concise'], key=f"chk_concise_{key}")
        if not data['concise']:
            data['justif_concise'] = st.text_area("**Justificación (no conciso):**", 
                                                 value=data['justif_concise'], 
                                                 key=f"ta_concise_{key}", height=80)
    
    st.session_state.evaluaciones[key] = data
    return st.container()

# Evaluar los 3 campos
evaluar_campo('nombre', columna_data['nombre'], st.session_state.columna_actual)
evaluar_campo('descripcion', columna_data['descripcion'], st.session_state.columna_actual)
evaluar_campo('tipo', columna_data['tipo'], st.session_state.columna_actual)

# Navegación principal
col_prev, col_next, col_slider = st.columns([1, 1, 2])
with col_prev:
    if st.button("**◀️ Columna Anterior**", disabled=st.session_state.columna_actual == 0):
        st.session_state.columna_actual -= 1
        st.rerun()

with col_next:
    if st.button("**▶️ Siguiente Columna**", type="primary", disabled=st.session_state.columna_actual == total_columnas - 1):
        st.session_state.columna_actual += 1
        st.rerun()

# with col_slider:
#     st.session_state.columna_actual = st.slider("Navegar:", 0, total_columnas-1, st.session_state.columna_actual)

# Sidebar: Botones rápidos por columna
st.sidebar.header("**Ir a columna**")
for i, col in enumerate(COLUMNAS):
    if st.sidebar.button(f"#{col['numero']} {col['nombre']}"):
        st.session_state.columna_actual = i
        st.rerun()

# Barra de progreso
# progreso = sum(len(st.session_state.evaluaciones[k]) > 0 for k in st.session_state.evaluaciones) / (total_columnas * 3)
# st.progress(progreso)
# st.metric("Campos completados", f"{int(progreso * total_columnas * 3)} / {total_columnas * 3}")