Update app.py

app.py

@@ -1,107 +1,127 @@
 # ---------------------------------------------------------------------------
-# app_fhe.py – FHE audit-opinion predictor (3-adım UI)
+# app.py – Denetçi Görüşü Tahmin Uygulaması (pipe + LabelEncoder)
 # ---------------------------------------------------------------------------
-# * Tek model dosyası: fhe_xgb.joblib  (Concrete-ML client/server)
+# 1. Excel yüklenir → 24 finansal oran hesaplanır.
+# 2. (pipeline, LabelEncoder) ikilisi joblib'den yüklenir.
+# 3. pipe.predict → enc.inverse_transform → sonuç tabloya basılır.
 # ---------------------------------------------------------------------------
 
-from __future__ import annotations
-import base64, io, joblib, gradio as gr, pandas as pd, numpy as np
-
-# ------------------------- MODEL & CONSTANTS -------------------------------
-MODEL_PATH = "fhe_xgb.joblib"          # Concrete-ML compiled model (client/server)
-MODEL      = joblib.load(MODEL_PATH)
-CLIENT, SERVER = MODEL.client, MODEL.server              # type: ignore[attr-defined]
-
-SELECTED_FEATS = [  # 24 oran
-    "Finansal Kaldıraç","Zmijewski Skoru","Cari Oran","Asit Test Oranı",
-    "Nakit Oranı","Aktif Devir Hızı","Duran Varlıklar / Aktif ",
-    "Altman Z-Skoru","Brüt Kar Marjı (%)","Özsermaye / Aktif",
-    "Kısa Vade Borç / Aktif","ROCE Oranı","L Model Skoru","Net Kar Marjı",
-    "Dönen Varlıklar Devir Hızı","Dönen Varlıklar / Aktif (%)",
-    "Esas Faaliyet Karı / Kısa Vadeli Borç","Kısa Vade Borç / Özsermaye",
-    "Kısa Vade Borç / Toplam Borç","Finansman Gider / Net Satış",
-    "Faaliyet Kar Marjı","Aktif Karlılık (%)","Stok Devir Hızı",
-    "Özsermaye / Maddi Duran Varlıklar"
+from _future_ import annotations
+import pandas as pd, numpy as np, joblib, gradio as gr
+
+FHE_MODEL_PATH = "fhe_xgb.joblib"          # (pipe, enc) tuple'ı
+pipe, enc = joblib.load(FHE_MODEL_PATH)    # ✔️ tek dosyadan yükle
+
+SELECTED_FEATS = [
+    "Finansal Kaldıraç", "Zmijewski Skoru", "Cari Oran", "Asit Test Oranı",
+    "Nakit Oranı", "Aktif Devir Hızı", "Duran Varlıklar / Aktif ",
+    "Altman Z-Skoru", "Brüt Kar Marjı (%)", "Özsermaye / Aktif",
+    "Kısa Vade Borç / Aktif", "ROCE Oranı", "L Model Skoru", "Net Kar Marjı",
+    "Dönen Varlıklar Devir Hızı", "Dönen Varlıklar / Aktif (%)",
+    "Esas Faaliyet Karı / Kısa Vadeli Borç", "Kısa Vade Borç / Özsermaye",
+    "Kısa Vade Borç / Toplam Borç", "Finansman Gider / Net Satış",
+    "Faaliyet Kar Marjı", "Aktif Karlılık (%)", "Stok Devir Hızı",
+    "Özsermaye / Maddi Duran Varlıklar",
 ]
 
-# ------------------------- HELPERS -----------------------------------------
+# ---------------------------------------------------------------------------
+# Yardımcılar
+# ---------------------------------------------------------------------------
 def safe_div(a: pd.Series, b: pd.Series) -> pd.Series:
     return (a / b.replace(0, np.nan)).fillna(0)
 
 def compute_ratios(df: pd.DataFrame) -> pd.DataFrame:
-    # — burada önceki tam 24 oran fonksiyonunu kullan —
-    # 0) numeriğe çevir
-    for c in [c for c in df.columns if c != "Periyot"]:
-        df[c] = pd.to_numeric(df[c], errors="coerce").fillna(0)
-    # … oran hesaplamaları (değişmedi) …
+    # 0️⃣  Sayısal sütunları güvenli şekilde numeriğe çevir
+    for col in [c for c in df.columns if c != "Periyot"]:
+        df[col] = pd.to_numeric(df[col], errors="coerce").fillna(0)
+
+    ta = df["Dönen Varlıklar"] + df["Duran Varlıklar"]
+    tl = df["Kısa Vadeli Yükümlülükler"] + df["Uzun Vadeli Yükümlülükler"]
+
+    df["Cari Oran"] = safe_div(df["Dönen Varlıklar"], df["Kısa Vadeli Yükümlülükler"])
+    df["Asit Test Oranı"] = safe_div(
+        df["Dönen Varlıklar"] - df["Stoklar"] - df["Diğer Dönen Varlıklar"],
+        df["Kısa Vadeli Yükümlülükler"])
+    df["Nakit Oranı"] = safe_div(df["Nakit ve Nakit Benzerleri"], df["Kısa Vadeli Yükümlülükler"])
+
+    df["Faaliyet Kar Marjı"] = safe_div(df["FAALİYET KARI (ZARARI)"]*100, df["Satış Gelirleri"])
+    df["Brüt Kar Marjı (%)"] = safe_div(df["Ticari Faaliyetlerden Brüt Kar (Zarar)"]*100,
+                                        df["Satış Gelirleri"])
+    df["Net Kar Marjı"]      = safe_div(df["Dönem Net Kar/Zararı"]*100, df["Satış Gelirleri"])
+    df["Aktif Karlılık (%)"] = safe_div(df["Dönem Net Kar/Zararı"]*100, ta)
+
+    df["Aktif Devir Hızı"]           = safe_div(df["Satış Gelirleri"], ta)
+    df["Dönen Varlıklar Devir Hızı"] = safe_div(df["Dönen Varlıklar"], df["Satış Gelirleri"])
+    df["Stok Devir Hızı"]            = -safe_div(df["Satışların Maliyeti (-)"], df["Stoklar"])
+
+    df["Finansal Kaldıraç"]            = safe_div(tl, ta)*100
+    df["Kısa Vade Borç / Aktif"]       = safe_div(df["Kısa Vadeli Yükümlülükler"], ta)
+    df["Kısa Vade Borç / Özsermaye"]   = safe_div(df["Kısa Vadeli Yükümlülükler"], df["Özkaynaklar"])
+    df["Kısa Vade Borç / Toplam Borç"] = safe_div(df["Kısa Vadeli Yükümlülükler"], tl)
+    df["Özsermaye / Aktif"]            = safe_div(df["Özkaynaklar"], ta)
+
+    df["Duran Varlıklar / Aktif "]      = safe_div(df["Duran Varlıklar"]*100, ta)
+    df["Dönen Varlıklar / Aktif (%)"]   = safe_div(df["Dönen Varlıklar"]*100, ta)
+    df["Özsermaye / Maddi Duran Varlıklar"] = safe_div(df["Özkaynaklar"], df["Maddi Duran Varlıklar"])
+
+    df["Finansman Gider / Net Satış"] = safe_div(df["Finansman Giderleri"], df["Satış Gelirleri"])
+    df["Esas Faaliyet Karı / Kısa Vadeli Borç"] = safe_div(
+        df["Net Faaliyet Kar/Zararı"], df["Kısa Vadeli Yükümlülükler"])
+    df["ROCE Oranı"] = safe_div(df["FAALİYET KARI (ZARARI)"]*100, ta)
+
+    X1 = safe_div(df["Dönen Varlıklar"] - df["Kısa Vadeli Yükümlülükler"], ta)
+    X2 = safe_div(df["Geçmiş Yıllar Kar/Zararları"] + df["Dönem Net Kar/Zararı"], ta)
+    X3 = safe_div(df["SÜRDÜRÜLEN FAALİYETLER VERGİ ÖNCESİ KARI (ZARARI)"], ta)
+    X4 = safe_div(df["Özkaynaklar"], tl)
+    X5 = safe_div(df["Satış Gelirleri"], ta)
+    df["Altman Z-Skoru"] = 1.2*X1 + 1.4*X2 + 3.3*X3 + 0.6*X4 + X5
+
+    Z1 = safe_div(df["Dönem Net Kar/Zararı"], ta)
+    Z2 = safe_div(tl, ta)
+    Z3 = safe_div(df["Dönen Varlıklar"], df["Kısa Vadeli Yükümlülükler"])
+    df["Zmijewski Skoru"] = -4.3 - 4.5*Z1 + 5.7*Z2 - 0.004*Z3
+
+    L6 = safe_div(safe_div(df["Nakit ve Nakit Benzerleri"], df["Kısa Vadeli Yükümlülükler"]), tl)
+    L7 = safe_div(tl, ta)
+    df["L Model Skoru"] = (-0.113*X1 + 0.238*X2 - 0.052*X3 - 0.051*X4 +
+                           0.011*X5 + 0.729*L6 - 0.639*L7)
     return df
 
-# base64 yardımları
-b64d = lambda obj: base64.b64encode(joblib.dumps(obj)).decode()
-b64l = lambda txt: joblib.loads(base64.b64decode(txt.encode()))
-
-# ------------------------- GRADIO STATE ------------------------------------
-y_enc_state   = gr.State(value=None)   # şifreli tahmin
-client_b64_st = gr.State(value=None)   # client pickle (bunda gizli anahtar var)
-
-# ------------------------- CALLBACKS ---------------------------------------
-def gen_keys():
-    CLIENT.keygen()                                   # yeni anahtar çifti
-    client_b64_st.value = b64d(CLIENT)               # kullanıcıya ver
-    # evaluation key == public key -> hex dizisine çevirelim
-    ev_hex = CLIENT.evaluation_keys.to_bytes().hex()[:200] + "…"
-    return ev_hex, gr.update(interactive=True)
-
-def encrypt_send(excel: gr.File):
-    if client_b64_st.value is None:
-        raise gr.Error("Önce “Anahtar Oluştur” adımını tamamlayın.")
-    if excel is None:
-        raise gr.Error("Excel yükleyin.")
-
-    df = (pd.read_excel(excel.name, header=None).set_index(0).T.reset_index(drop=True))
-    df.columns = df.columns.str.strip(); df = df.loc[:, ~df.columns.duplicated()]
-    X = compute_ratios(df)[SELECTED_FEATS].dropna()
+# ---------------------------------------------------------------------------
+# Tahmin
+# ---------------------------------------------------------------------------
+def predict_opinion(excel_file: gr.File):
+    if excel_file is None:
+        raise gr.Error("Excel dosyası yükleyin.")
+
+    raw_df = (
+        pd.read_excel(excel_file.name, header=None, sheet_name=0)
+        .set_index(0).T.reset_index(drop=True)
+    )
+    
+    raw_df.columns = raw_df.columns.str.strip()
+    raw_df = raw_df.loc[:, ~raw_df.columns.duplicated()]        
+    raw_df.rename(columns={"Desc": "Periyot"}, inplace=True)
+    raw_df["Periyot"] = raw_df["Periyot"].astype(str).str.replace(r"\s+", " ", regex=True).str.strip()
+    enriched = compute_ratios(raw_df)
+    X = enriched[SELECTED_FEATS].dropna()
     if X.empty:
-        raise gr.Error("Oran hesaplanamadı – kolon eksik.")
-    x_enc = CLIENT.encrypt(X.values.astype(np.float32))
-    y_enc_state.value = SERVER.run(x_enc)
-    enc_hex = x_enc.to_bytes().hex()[:200] + "…"
-    return enc_hex, gr.update(interactive=True)
-
-def decrypt_res(secret_txt: str):
-    if y_enc_state.value is None:
-        raise gr.Error("Önce “Encrypt & Send” adımını yapın.")
-    client_loaded = b64l(client_b64_st.value)
-    y_pred = client_loaded.decrypt(y_enc_state.value).astype(int).flatten()
-    return pd.DataFrame({"Tahmin Kod": y_pred})
-
-# ------------------------- UI ----------------------------------------------
+        raise gr.Error("Oran hesaplanamadı – eksik sütunlar olabilir.")
+
+    labels = enc.inverse_transform(pipe.predict(X))
+    return pd.DataFrame({"Tahmin Görüş Tipi": labels})
+
+# ---------------------------------------------------------------------------
+# Gradio UI
+# ---------------------------------------------------------------------------
 with gr.Blocks(theme=gr.themes.Default(primary_hue="blue")) as demo:
-    gr.Markdown("## Denetçi Görüşü Tahmini — FHE Demo")
-
-    # STEP 1
-    with gr.Box():
-        gr.Markdown("### 1️⃣ Anahtar Oluştur")
-        key_btn = gr.Button("Generate keys")
-        eval_out = gr.Textbox(label="Evaluation-key representation", lines=3, interactive=False)
-
-    # STEP 2
-    with gr.Box():
-        gr.Markdown("### 2️⃣ Excel Yükle & Encrypt")
-        file_in   = gr.File(file_types=[".xlsx",".xls",".xlsm"])
-        enc_btn   = gr.Button("Encrypt & Send")
-        enc_repr  = gr.Textbox(label="Encrypted input", lines=3, interactive=False)
-
-    # STEP 3
-    with gr.Box():
-        gr.Markdown("### 3️⃣ Decrypt result")
-        dec_btn   = gr.Button("Decrypt")
-        out_df    = gr.Dataframe(wrap=True, show_label=False)
-
-    # WIRES
-    key_btn.click(gen_keys, outputs=[eval_out, enc_btn])
-    enc_btn.click(encrypt_send, inputs=file_in, outputs=[enc_repr, dec_btn])
-    dec_btn.click(decrypt_res, inputs=None, outputs=out_df)
-
-if __name__ == "__main__":
-    demo.launch()
+    gr.Markdown("# Denetçi Görüşü Tahmin Uygulaması")
+
+    file_in = gr.File(file_types=[".xlsx", ".xls", ".xlsm"], label="Excel Yükleyin")
+    btn     = gr.Button("Tahmin Et", variant="primary")
+    out_df  = gr.Dataframe(wrap=True, show_label=False)
+
+    btn.click(predict_opinion, file_in, out_df)
+
+if _name_ == "_main_":
+    demo.launch()