Upload 3 files

README.md

@@ -1,14 +1,35 @@
----
-title: Asistente4
-emoji: 🌍
-colorFrom: pink
-colorTo: gray
-sdk: gradio
-sdk_version: 5.32.1
-app_file: app.py
-pinned: false
-license: apache-2.0
-short_description: Subir un csv y analizarlo
----
-
-Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
+# CSV Analyst Space (sin OpenAI)
+
+Este Space permite:
+
+- Subir un archivo `.csv`
+- Hacer preguntas sobre su contenido
+- Obtener respuestas interpretadas por un modelo de lenguaje **open source** (`flan-t5-base`)
+
+## Tecnologías utilizadas
+
+- [Gradio](https://www.gradio.app/)
+- [Transformers de Hugging Face](https://huggingface.co/docs/transformers/)
+- Modelo: `google/flan-t5-base` (sin dependencia de OpenAI)
+- Pandas para lectura de archivos CSV
+
+## Instrucciones
+
+1. Sube un archivo `.csv`
+2. Escribe una pregunta, por ejemplo:
+   - ¿Cuáles son las columnas del archivo?
+   - ¿Qué producto tiene mejor desempeño?
+3. El modelo procesará una vista de los primeros datos y responderá en lenguaje natural.
+
+## Requisitos
+
+El archivo `requirements.txt` incluye:
+
+```
+gradio
+transformers
+pandas
+torch
+```
+
+¡Este Space es completamente libre de OpenAI!

app.py

@@ -0,0 +1,42 @@
+import gradio as gr
+import pandas as pd
+from transformers import pipeline
+import os
+
+# Cargar modelo open source (elige uno según rendimiento y tamaño)
+modelo = pipeline("text2text-generation", model="google/flan-t5-base")  # modelo ligero, sin OpenAI
+
+# Variables para almacenar el DataFrame
+df_global = None
+
+def subir_csv(file):
+    global df_global
+    try:
+        df_global = pd.read_csv(file.name)
+        return f"Archivo cargado exitosamente con {df_global.shape[0]} filas y {df_global.shape[1]} columnas."
+    except Exception as e:
+        return f"Error al cargar el archivo: {e}"
+
+def analizar_pregunta(pregunta):
+    global df_global
+    if df_global is None:
+        return "Por favor, primero sube un archivo CSV."
+
+    # Convertimos una vista simple del dataframe a texto para enviarla al LLM
+    df_vista = df_global.head(5).to_string()
+    prompt = f"""Este es un resumen de una tabla:\n{df_vista}\n\nPregunta: {pregunta}\nRespuesta:"""
+
+    respuesta = modelo(prompt, max_new_tokens=100)[0]['generated_text']
+    return respuesta
+
+gr.Interface(
+    fn=analizar_pregunta,
+    inputs=[
+        gr.File(label="Sube tu archivo CSV", file_types=[".csv"], file_count="single", type="file", elem_id="file-upload"),
+        gr.Textbox(label="Haz una pregunta sobre la tabla")
+    ],
+    outputs=gr.Textbox(label="Respuesta del modelo"),
+    live=True,
+    title="Análisis Inteligente de CSV (sin OpenAI)",
+    description="Este Space utiliza un modelo open source para interpretar archivos CSV."
+).launch()

requirements.txt

@@ -0,0 +1,4 @@
+gradio
+transformers
+pandas
+torch