chore(SRC): :rocket: Comment output function code to find bug

app.py

@@ -17,78 +17,87 @@ def clustering_responses(esfuerzo_dieta, objetivo, cumplimiento_entrenamiento,
 
 def calcular_macros(esfuerzo_dieta, objetivo, cumplimiento_entrenamiento, 
                     cumplimiento_dieta, compromiso, variacion_peso):
-    # Obtenemos los valores correspondientes a cada selección
-    valor_esfuerzo = next(list(opcion.values())[0]["value"] 
-                         for opcion in opciones_esfuerzo 
-                         if list(opcion.values())[0]["text"] == esfuerzo_dieta)
+    # # Obtenemos los valores correspondientes a cada selección
+    # valor_esfuerzo = next(list(opcion.values())[0]["value"] 
+    #                      for opcion in opciones_esfuerzo 
+    #                      if list(opcion.values())[0]["text"] == esfuerzo_dieta)
     
-    valor_objetivo = next(list(opcion.values())[0]["value"] 
-                         for opcion in opciones_objetivo 
-                         if list(opcion.values())[0]["text"] == objetivo)
+    # valor_objetivo = next(list(opcion.values())[0]["value"] 
+    #                      for opcion in opciones_objetivo 
+    #                      if list(opcion.values())[0]["text"] == objetivo)
     
-    valor_cumplimiento_entr = next(list(opcion.values())[0]["value"] 
-                                  for opcion in opciones_cumplimiento_entrenamiento 
-                                  if list(opcion.values())[0]["text"] == cumplimiento_entrenamiento)
+    # valor_cumplimiento_entr = next(list(opcion.values())[0]["value"] 
+    #                               for opcion in opciones_cumplimiento_entrenamiento 
+    #                               if list(opcion.values())[0]["text"] == cumplimiento_entrenamiento)
     
-    valor_cumplimiento_dieta = next(list(opcion.values())[0]["value"] 
-                                   for opcion in opciones_cumplimiento_dieta 
-                                   if list(opcion.values())[0]["text"] == cumplimiento_dieta)
+    # valor_cumplimiento_dieta = next(list(opcion.values())[0]["value"] 
+    #                                for opcion in opciones_cumplimiento_dieta 
+    #                                if list(opcion.values())[0]["text"] == cumplimiento_dieta)
     
-    valor_compromiso = next(list(opcion.values())[0]["value"] 
-                          for opcion in opciones_compromiso 
-                          if list(opcion.values())[0]["text"] == compromiso)
+    # valor_compromiso = next(list(opcion.values())[0]["value"] 
+    #                       for opcion in opciones_compromiso 
+    #                       if list(opcion.values())[0]["text"] == compromiso)
     
-    # Clustering
-    (cluster_esfuerzo_dieta, cluster_objetivo, cluster_entrenamiento, cluster_cumplimiento_dieta, 
-     cluster_compromiso, diff_peso_min, diff_peso_max) = clustering_responses(valor_esfuerzo, valor_objetivo, 
-                                                                           valor_cumplimiento_entr, 
-                                                                           valor_cumplimiento_dieta, valor_compromiso, 
-                                                                           variacion_peso)
+    # # Clustering
+    # (cluster_esfuerzo_dieta, cluster_objetivo, cluster_entrenamiento, cluster_cumplimiento_dieta, 
+    #  cluster_compromiso, diff_peso_min, diff_peso_max) = clustering_responses(valor_esfuerzo, valor_objetivo, 
+    #                                                                        valor_cumplimiento_entr, 
+    #                                                                        valor_cumplimiento_dieta, valor_compromiso, 
+    #                                                                        variacion_peso)
     
-    # Imprimimos los resultados
-    print(f"Consulta:")
-    print(f"\tEsfuerzo para cumplir dieta: {cluster_esfuerzo_dieta}")
-    print(f"\tObjetivo: {cluster_objetivo}")
-    print(f"\tEntrenamiento: {cluster_entrenamiento}")
-    print(f"\tCumplimiento dieta: {cluster_cumplimiento_dieta}")
-    print(f"\tCompromiso: {cluster_compromiso}")
-    print(f"\tVariación de peso: {variacion_peso}")
-    print(f"\t{diff_peso_min} <= Diferencia peso <= {diff_peso_max}")
+    # # Imprimimos los resultados
+    # print(f"Consulta:")
+    # print(f"\tEsfuerzo para cumplir dieta: {cluster_esfuerzo_dieta}")
+    # print(f"\tObjetivo: {cluster_objetivo}")
+    # print(f"\tEntrenamiento: {cluster_entrenamiento}")
+    # print(f"\tCumplimiento dieta: {cluster_cumplimiento_dieta}")
+    # print(f"\tCompromiso: {cluster_compromiso}")
+    # print(f"\tVariación de peso: {variacion_peso}")
+    # print(f"\t{diff_peso_min} <= Diferencia peso <= {diff_peso_max}")
 
-    # Crear query
-    query = make_query(cluster_esfuerzo_dieta, cluster_objetivo, cluster_entrenamiento, cluster_cumplimiento_dieta, cluster_compromiso, diff_peso_min, diff_peso_max)
+    # # Crear query
+    # query = make_query(cluster_esfuerzo_dieta, cluster_objetivo, cluster_entrenamiento, cluster_cumplimiento_dieta, cluster_compromiso, diff_peso_min, diff_peso_max)
 
-    # Print query
-    print(f"Query: {query}")
+    # # Print query
+    # print(f"Query: {query}")
 
-    # Crear diccionario de matches
-    matches_dict = find_user_dates_matches(query)
+    # # Crear diccionario de matches
+    # matches_dict = find_user_dates_matches(query)
 
-    # Print matches
-    print(f"Matches:\n{matches_dict}")
+    # # Print matches
+    # print(f"Matches:\n{matches_dict}")
 
-    # Find macros that match dates of users
-    macros_differences_list = find_macros_that_match_dates_of_users(matches_dict)
+    # # Find macros that match dates of users
+    # macros_differences_list = find_macros_that_match_dates_of_users(matches_dict)
 
-    # Print macros
-    print(f"Macros:\n{macros_differences_list}")
+    # # Print macros
+    # print(f"Macros:\n{macros_differences_list}")
 
-    # Calculate macros min, max and mean
-    (train_day_protein_std, train_day_carbs_std, train_day_fat_std, intratrain_protein_std, intratrain_carbs_std, 
-     rest_day_protein_std, rest_day_carbs_std, rest_day_fat_std) = get_min_max_mean_mode_macros_differences(macros_differences_list)
+    # # Calculate macros min, max and mean
+    # (train_day_protein_std, train_day_carbs_std, train_day_fat_std, intratrain_protein_std, intratrain_carbs_std, 
+    #  rest_day_protein_std, rest_day_carbs_std, rest_day_fat_std) = get_min_max_mean_mode_macros_differences(macros_differences_list)
+    
+    # # Print macros min, max and mean
+    # print(f"Macros min, max and mean:\n{train_day_protein_std}, {train_day_carbs_std}, {train_day_fat_std}, {intratrain_protein_std}, {intratrain_carbs_std}, {rest_day_protein_std}, {rest_day_carbs_std}, {rest_day_fat_std}")
 
-    # Print macros min, max and mean
-    print(f"Macros min, max and mean:\n{train_day_protein_std}, {train_day_carbs_std}, {train_day_fat_std}, {intratrain_protein_std}, {intratrain_carbs_std}, {rest_day_protein_std}, {rest_day_carbs_std}, {rest_day_fat_std}")
+    # # Create strings for the outputs
+    # train_day_protein_str = f"min: {train_day_protein_std[0]}, max: {train_day_protein_std[1]}, mean: {train_day_protein_std[2]:.2f}, mode: {train_day_protein_std[3]}"
+    # train_day_carbs_str = f"min: {train_day_carbs_std[0]}, max: {train_day_carbs_std[1]}, mean: {train_day_carbs_std[2]:.2f}, mode: {train_day_carbs_std[3]}"
+    # train_day_fat_str = f"min: {train_day_fat_std[0]}, max: {train_day_fat_std[1]}, mean: {train_day_fat_std[2]:.2f}, mode: {train_day_fat_std[3]}"
+    # intratrain_protein_str = f"min: {intratrain_protein_std[0]}, max: {intratrain_protein_std[1]}, mean: {intratrain_protein_std[2]:.2f}, mode: {intratrain_protein_std[3]}"
+    # intratrain_carbs_str = f"min: {intratrain_carbs_std[0]}, max: {intratrain_carbs_std[1]}, mean: {intratrain_carbs_std[2]:.2f}, mode: {intratrain_carbs_std[3]}"
+    # rest_day_protein_str = f"min: {rest_day_protein_std[0]}, max: {rest_day_protein_std[1]}, mean: {rest_day_protein_std[2]:.2f}, mode: {rest_day_protein_std[3]}"
+    # rest_day_carbs_str = f"min: {rest_day_carbs_std[0]}, max: {rest_day_carbs_std[1]}, mean: {rest_day_carbs_std[2]:.2f}, mode: {rest_day_carbs_std[3]}"
+    # rest_day_fat_str = f"min: {rest_day_fat_std[0]}, max: {rest_day_fat_std[1]}, mean: {rest_day_fat_std[2]:.2f}, mode: {rest_day_fat_std[3]}"
 
-    # Create strings for the outputs
-    train_day_protein_str = f"min: {train_day_protein_std[0]}, max: {train_day_protein_std[1]}, mean: {train_day_protein_std[2]:.2f}, mode: {train_day_protein_std[3]}"
-    train_day_carbs_str = f"min: {train_day_carbs_std[0]}, max: {train_day_carbs_std[1]}, mean: {train_day_carbs_std[2]:.2f}, mode: {train_day_carbs_std[3]}"
-    train_day_fat_str = f"min: {train_day_fat_std[0]}, max: {train_day_fat_std[1]}, mean: {train_day_fat_std[2]:.2f}, mode: {train_day_fat_std[3]}"
-    intratrain_protein_str = f"min: {intratrain_protein_std[0]}, max: {intratrain_protein_std[1]}, mean: {intratrain_protein_std[2]:.2f}, mode: {intratrain_protein_std[3]}"
-    intratrain_carbs_str = f"min: {intratrain_carbs_std[0]}, max: {intratrain_carbs_std[1]}, mean: {intratrain_carbs_std[2]:.2f}, mode: {intratrain_carbs_std[3]}"
-    rest_day_protein_str = f"min: {rest_day_protein_std[0]}, max: {rest_day_protein_std[1]}, mean: {rest_day_protein_std[2]:.2f}, mode: {rest_day_protein_std[3]}"
-    rest_day_carbs_str = f"min: {rest_day_carbs_std[0]}, max: {rest_day_carbs_std[1]}, mean: {rest_day_carbs_std[2]:.2f}, mode: {rest_day_carbs_std[3]}"
-    rest_day_fat_str = f"min: {rest_day_fat_std[0]}, max: {rest_day_fat_std[1]}, mean: {rest_day_fat_std[2]:.2f}, mode: {rest_day_fat_std[3]}"
+    train_day_protein_str = "0"
+    train_day_carbs_str = "0"
+    train_day_fat_str = "0"
+    intratrain_protein_str = "0"
+    intratrain_carbs_str = "0"
+    rest_day_protein_str = "0"
+    rest_day_carbs_str = "0"
+    rest_day_fat_str = "0"
 
     return train_day_protein_str, train_day_carbs_str, train_day_fat_str, intratrain_protein_str, intratrain_carbs_str, rest_day_protein_str, rest_day_carbs_str, rest_day_fat_str
 
@@ -392,5 +401,5 @@ with gr.Blocks() as demo:
                 proteina_descanso, carbs_descanso, grasas_descanso]
     )
 
-demo.launch()
+demo.launch(share=True)