mettre a jours

app.py

@@ -9,7 +9,7 @@ try:
 except FileNotFoundError:
     raise FileNotFoundError(f"Le fichier modèle '{model_path}' est introuvable. Vérifiez le chemin.")
 
-# Fonction de prédiction
+# Fonction de prédiction simple
 def predict_price(kms_driven, present_price, fuel_type, seller_type, transmission, age):
     # Encodage des variables catégoriques
     fuel_type_mapping = {"Petrol": 0, "Diesel": 1, "CNG": 2}
@@ -34,8 +34,41 @@ def predict_price(kms_driven, present_price, fuel_type, seller_type, transmissio
     except Exception as e:
         return f"Erreur lors de la prédiction : {str(e)}"
 
-# Interface Gradio
-input_labels = [
+# Fonction de prédiction multiple
+def predict_multiple(inputs):
+    # Encodage des variables catégoriques
+    fuel_type_mapping = {"Petrol": 0, "Diesel": 1, "CNG": 2}
+    seller_type_mapping = {"Dealer": 0, "Individual": 1}
+    transmission_mapping = {"Manual": 0, "Automatic": 1}
+
+    predictions = []
+
+    try:
+        for entry in inputs:
+            kms_driven, present_price, fuel_type, seller_type, transmission, age = entry
+
+            # Conversion des types et gestion des encodages
+            fuel_type = fuel_type_mapping.get(fuel_type, -1)
+            seller_type = seller_type_mapping.get(seller_type, -1)
+            transmission = transmission_mapping.get(transmission, -1)
+
+            if fuel_type == -1 or seller_type == -1 or transmission == -1:
+                predictions.append("Erreur : Valeurs non reconnues pour les types de carburant, vendeur ou transmission.")
+                continue
+
+            # Création de l'entrée pour le modèle
+            features = np.array([kms_driven, present_price, fuel_type, seller_type, transmission, age]).reshape(1, -1)
+
+            # Prédiction
+            prediction = lr.predict(features)[0]
+            predictions.append(round(prediction, 2))
+
+        return predictions
+    except Exception as e:
+        return [f"Erreur lors de la prédiction : {str(e)}"]
+
+# Interface Gradio pour la prédiction simple
+simple_input_labels = [
     gr.Number(label="Kms_Driven"),
     gr.Number(label="Present_Price"),
     gr.Dropdown(choices=["Petrol", "Diesel", "CNG"], label="Fuel_Type"),
@@ -43,13 +76,39 @@ input_labels = [
     gr.Dropdown(choices=["Manual", "Automatic"], label="Transmission"),
     gr.Number(label="Age"),
 ]
-output = gr.Number(label="Predicted Price")
+simple_output = gr.Number(label="Predicted Price")
+
+# Interface Gradio pour la prédiction multiple
+multiple_input_labels = [
+    gr.Dataframe(
+        headers=["Kms_Driven", "Present_Price", "Fuel_Type", "Seller_Type", "Transmission", "Age"],
+        datatype=["number", "number", "str", "str", "str", "number"],
+        row_count=3,
+        col_count=6,
+        label="Entrées multiples",
+    )
+]
+multiple_output = gr.Dataframe(label="Prédictions", headers=["Predicted Price"])
 
-interface = gr.Interface(
-    fn=predict_price,
-    inputs=input_labels,
-    outputs=output,
-    title="Car Price Prediction"
+# Interface combinée
+interface = gr.TabbedInterface(
+    [
+        gr.Interface(
+            fn=predict_price,
+            inputs=simple_input_labels,
+            outputs=simple_output,
+            title="Car Price Prediction (Simple)",
+            description="Prédisez le prix d'une voiture en entrant une seule série de caractéristiques.",
+        ),
+        gr.Interface(
+            fn=predict_multiple,
+            inputs=multiple_input_labels,
+            outputs=multiple_output,
+            title="Car Price Prediction (Multiple)",
+            description="Prédisez les prix pour plusieurs voitures en entrant plusieurs séries de caractéristiques.",
+        ),
+    ],
+    tab_names=["Prédiction Simple", "Prédiction Multiple"]
 )
 
 # Lancer l'application