Update app.py

app.py

@@ -61,117 +61,58 @@ def agrupar_por_administradora(dataframe):
         grupos[row['administradora']].append(row.to_dict())
     return grupos
 
-def buscar_combinacoes_rapido(credito_desejado, entrada_desejada, parcela_desejada, administradoras=None):
-    """Busca combinações de até 10 cotas em até 20 segundos."""
-    try:
-        # ✅ Verifica se os valores são válidos
-        if not all(isinstance(val, (int, float)) for val in [credito_desejado, entrada_desejada, parcela_desejada]):
-            return "⚠️ Preencha todos os valores corretamente."
-        
-        if df is None:
-            if not carregar_planilha():
-                return "❌ Erro: Planilha não carregada."
-
-        # ✅ TOLERÂNCIAS AMPLAS 
-        credito_min, credito_max = max(credito_desejado * 0.70, 10000), credito_desejado * 1.30
-        entrada_min, entrada_max = max(entrada_desejada * 0.60, 5000), entrada_desejada * 1.40
-        parcela_min, parcela_max = max(parcela_desejada * 0.50, 500), parcela_desejada * 1.80
-
-        # ✅ Filtra por tipo de bem
-        if 'tipo_do_bem' not in df.columns:
-            return "❌ Coluna 'tipo_do_bem' não encontrada na planilha."
-            
-        df_filtrado = df[df['tipo_do_bem'].str.lower() == 'imovel']
-        
-        if administradoras:
-            if isinstance(administradoras, tuple):
-                administradoras = list(administradoras)
-            if 'administradora' not in df.columns:
-                return "❌ Coluna 'administradora' não encontrada na planilha."
-            df_filtrado = df_filtrado[df_filtrado['administradora'].isin(administradoras)]
-
-        if df_filtrado.empty:
-            return "🚫 Nenhuma cota encontrada com os filtros aplicados."
-
-        # ✅ Verifica colunas necessárias
-        colunas_necessarias = ['valor_credito', 'valor_entrada', 'valor_parcela', 'saldo_devedor']
-        for coluna in colunas_necessarias:
-            if coluna not in df_filtrado.columns:
-                return f"❌ Coluna '{coluna}' não encontrada na planilha."
-
-        grupos = agrupar_por_administradora(df_filtrado)
-        resultados = []
-        
-        MIN_COTAS = 3
-        MAX_COTAS = 6  # Reduzido para performance
-        MAX_RESULTADOS = 10
-        start_time = time.time()
-
-        for adm, cotas in list(grupos.items())[:5]:  # ⚡ Limita para 5 administradoras
-            if time.time() - start_time > 15:  # ⏰ Limite de 15 segundos
-                break
-                
-            if len(cotas) < MIN_COTAS:
-                continue
-
-            # ✅ PRÉ-FILTRO SEGURO
-            cotas_validas = []
-            for cota in cotas:
-                try:
-                    credito = float(cota.get('valor_credito', 0))
-                    parcela = float(cota.get('valor_parcela', 0))
-                    if credito_min <= credito <= credito_max and parcela_min <= parcela <= parcela_max:
-                        cotas_validas.append(cota)
-                except (ValueError, TypeError):
-                    continue
-
-            if len(cotas_validas) < MIN_COTAS:
-                continue
-
-            # ✅ Limita para 8 cotas por admin
-            if len(cotas_validas) > 8:
-                cotas_validas = cotas_validas[:8]
-
-            # ✅ ESTRATÉGIA RÁPIDA: Combinações de 3-4 cotas
-            for r in range(MIN_COTAS, min(MAX_COTAS, len(cotas_validas)) + 1):
-                if time.time() - start_time > 15:
-                    break
-                    
-                # ✅ Amostra inteligente (não todas as combinações)
-                for i in range(0, min(20, len(cotas_validas) - r + 1), 2):
-                    combinacao = cotas_validas[i:i+r]
-                    
-                    try:
-                        total_credito = sum(float(c.get('valor_credito', 0)) for c in combinacao)
-                        total_entrada_base = sum(float(c.get('valor_entrada', 0)) for c in combinacao)
-                        total_entrada = total_entrada_base + (total_credito * 0.085)
-                        total_parcelas = sum(float(c.get('valor_parcela', 0)) for c in combinacao)
-
-                        if (credito_min <= total_credito <= credito_max and
-                            entrada_min <= total_entrada <= entrada_max and
-                            parcela_min <= total_parcelas <= parcela_max):
-
-                            resultados.append((adm, combinacao, 0))
-                            
-                            if len(resultados) >= MAX_RESULTADOS:
-                                break
-                    except (ValueError, TypeError):
-                        continue
-                
-                if len(resultados) >= MAX_RESULTADOS:
-                    break
-
-            if len(resultados) >= MAX_RESULTADOS:
-                break
-
-        if not resultados:
-            # ✅ RETORNA RESULTADOS SIMULADOS PARA DEMONSTRAÇÃO
-            return gerar_resultados_simulados(credito_desejado, entrada_desejada, parcela_desejada)
-
-        return formatar_resultados(resultados)
-
-    except Exception as e:
-        return f"❌ Erro no sistema: {str(e)}"
+def buscar_combinacoes(credito_desejado, entrada_desejada, parcela_desejada, administradoras=None):
+    """Busca combinações de cotas dentro dos parâmetros especificados."""
+    # Garante que o DataFrame está carregado
+    if df is None:
+        # Tenta carregar se ainda não foi carregado
+        if not carregar_planilha():
+            return "❌ Erro: Planilha não carregada. Por favor, tente novamente."
+
+    # Filtra por tipo de bem e administradoras
+    df_filtrado = df[df['tipo_do_bem'].str.lower() == 'imovel']
+    if administradoras:
+        # Certifica-se de que administradoras é uma lista (Gradio retorna tupla)
+        if isinstance(administradoras, tuple):
+            administradoras = list(administradoras)
+        df_filtrado = df_filtrado[df_filtrado['administradora'].isin(administradoras)]
+
+    if df_filtrado.empty:
+        return "🚫 Nenhuma cota encontrada com os filtros aplicados. Tente ajustar os parâmetros."
+
+    # Define faixas de tolerância
+    credito_min, credito_max = credito_desejado * 0.93, credito_desejado * 1.07
+    entrada_min, entrada_max = entrada_desejada * 0.93, entrada_desejada * 1.07
+    parcela_min, parcela_max = parcela_desejada * 0.75, parcela_desejada * 1.25
+
+    grupos = agrupar_por_administradora(df_filtrado)
+    resultados = []
+
+    for adm, cotas in grupos.items():
+        # 🔥 ALTERAÇÃO PRINCIPAL: Mudado de 3 para 10 cotas máximas
+        for r in range(1, min(10, len(cotas)) + 1):  # Máximo 10 cotas por combinação ← AQUI!
+            for combinacao in itertools.combinations(cotas, r):
+                total_credito = sum(c['valor_credito'] for c in combinacao)
+                total_entrada_base = sum(c['valor_entrada'] for c in combinacao)
+                total_entrada = total_entrada_base + (total_credito * 0.085)  # aplica os 8,5% sobre o crédito
+                total_parcelas = sum(c['valor_parcela'] for c in combinacao)
+
+                if (credito_min <= total_credito <= credito_max and
+                    entrada_min <= total_entrada <= entrada_max and
+                    parcela_min <= total_parcelas <= parcela_max):
+
+                    total_saldo = sum(c['saldo_devedor'] for c in combinacao)
+                    valor_final = round(total_entrada + total_saldo, 2)
+                    diferenca = abs(valor_final - total_credito) # Diferença do valor final pelo crédito (para ordenação)
+
+                    resultados.append((adm, combinacao, diferenca))
+
+    if not resultados:
+        return "🚫 Nenhuma combinação adequada encontrada com os parâmetros fornecidos."
+
+    resultados.sort(key=lambda x: x[2]) # Ordena pela diferença
+
+    return formatar_resultados(resultados)
 
 # ✅ MODIFIQUE A FUNÇÃO PRINCIPAL PARA USAR FALLBACK
 def ajustar_e_buscar(credito_desejado, entrada_desejada, parcela_desejada, administradoras):
@@ -222,7 +163,7 @@ def formatar_resultados(resultados):
 📊 Taxa Total: {taxa_percentual:.2f}% ({formatar_moeda(taxa_total)})
 🗓️ Taxa Mensal: {taxa_mensal:.2f}%
 🗓️ Taxa Anual: {taxa_mensal * 12:.2f}%
-📊 Nº de Cotas: {len(combinacao)}
+📈 Nº de Cotas: {len(combinacao)}
 """
     return resposta