minor fixes

src/front_dataset_handler.py

@@ -8,7 +8,7 @@ import json
 
 class FrontDatasetHandler:
     def __init__(self, maestro: pd.DataFrame=None, precios_cierre: pd.DataFrame=None, app_dataset: pd.DataFrame=None, 
-                 json_path: str = None, pickle_path: str = None):
+                 json_path: str = None, pickle_path: str = None, ignore_columns: list = None, numeric_columns: list = None):
         self.maestro = maestro
         self.app_dataset = app_dataset # Dataframe preprocesado para la app
         self.pickle_path = pickle_path
@@ -28,6 +28,11 @@ class FrontDatasetHandler:
                 num_maps = json.load(f)
             self.sector_num_map = num_maps['sector_num_map']
             self.industry_num_map = num_maps['industry_num_map']
+        else:
+            self.ignore_columns = ignore_columns
+            self.numeric_columns = numeric_columns
+            print(f"ignore_columns: {self.ignore_columns}")
+            print(f"numeric_columns: {self.numeric_columns}")
 
         self.norm_columns = None
         if maestro is not None:
@@ -46,8 +51,15 @@ class FrontDatasetHandler:
         self.precios_cierre.columns.name = 'ticker'
         end_date = self.precios_cierre.index.max()
         start_date = end_date - pd.Timedelta(days=n_dias)
+        # If start_date is not in the index, find the nearest earlier date
+        if start_date not in self.precios_cierre.index:
+            earlier_dates = self.precios_cierre.index[self.precios_cierre.index < start_date]
+            if len(earlier_dates) > 0:
+                start_date = earlier_dates.max()
+            else:
+                start_date = self.precios_cierre.index.min()
         
-        # Filtrar datos dentro del rango de fechas
+        # Filtrar datos dentro del rango de fechas 
         precios_cierre_fh = self.precios_cierre.loc[start_date:end_date].copy()
         
         # Descartar los últimos n_dias_descartar
@@ -63,14 +75,17 @@ class FrontDatasetHandler:
     
     def calcula_rendimientos_y_volatilidad(self, n_dias=365, umbral_max=0.3, umbral_min=-0.3):
         end_date = self.precios_cierre.index.max()
+        print(f"Última fecha: {end_date}")
+        print("Primera fecha: ",self.precios_cierre.index.min())
         start_date = end_date - pd.Timedelta(days=n_dias)
-        # Dado que la tabla no siempre incluye fechas de fin de semana o festivos, se busca la fecha más cercana anterior a start_date
+        # Si no hay cotizaciones para la fecha de inicio calculada (ej. fin de semana), se cambia por la fecha más cercana
         if start_date not in self.precios_cierre.index:
-            previous_dates = self.precios_cierre.index[self.precios_cierre.index < start_date]
-            if len(previous_dates) > 0:
-                start_date = previous_dates.max()
+            earlier_dates = self.precios_cierre.index[self.precios_cierre.index < start_date]
+            if len(earlier_dates) > 0:
+                start_date = earlier_dates.max()
             else:
-                raise ValueError(f"No hay datos históricos suficientes ({n_dias}, {end_date})")
+                start_date = self.precios_cierre.index.min()
+                
         _df_rend_y_vol = self.precios_cierre.loc[start_date:end_date].copy()
         
         _df_rend_y_vol.dropna(how='all', inplace=True) #####
@@ -366,10 +381,10 @@ class FrontDatasetHandler:
         if self.app_dataset is not None:
             print("app_dataset already exists, skipping processing")
             return
-            
+
         self.filtra_y_homogeneiza(n_dias=periodo, n_dias_descartar=n_dias_descartar, min_dias=min_dias)
         
-        for periodo_metricas in periodos_metricas:
+        for periodo_metricas in periodos_metricas: 
             self.calcula_rendimientos_y_volatilidad(n_dias=periodo_metricas, umbral_max=umbrales_rend[1], umbral_min=umbrales_rend[0])
         self.cruza_maestro()
         self.var_categorica_a_numerica(cat_cols)