Update app.py

app.py

@@ -1,9 +1,3 @@
-"""Imovel.ipynb
-Automatically generated by Colab.
-Original file is located at
-    https://colab.research.google.com/drive/1DZAQZfrXvTy358Vg2qfUg_ge6b3kcgBy
-"""
-
 # app.py
 import pandas as pd
 import requests
@@ -12,15 +6,80 @@ import itertools
 from collections import defaultdict
 import gradio as gr
 import time
+from unicodedata import normalize
 
 # 🔧 CONFIGURAÇÕES GLOBAIS
-# Certifique-se de que este FILE_ID esteja acessível publicamente ou para "Qualquer pessoa com o link"
 FILE_ID = "1XvNz7DlWioT64uNdcfBSL8Ui2nRSi9gT"
 URL = f"https://drive.google.com/uc?export=download&id={FILE_ID}"
 
 # Variável global para armazenar o DataFrame
 df = None
 
+def padronizar_nomes_administradoras(nome):
+    """Padroniza nomes de administradoras com mapeamento específico."""
+    if pd.isna(nome):
+        return nome
+    
+    # Limpeza básica
+    nome_limpo = (
+        str(nome)
+        .strip()
+        .lower()
+        .replace('$', 's')
+        .replace('  ', ' ')
+        .strip()
+    )
+    
+    # Remove acentos
+    nome_limpo = normalize('NFKD', nome_limpo).encode('ASCII', 'ignore').decode('ASCII')
+    
+    # 👇 MAPEAMENTO COMPLETO para administradoras de imóveis
+    mapeamento = {
+        # Correções de nomes errados → nomes corretos
+        'ademicon': 'Ademicon',
+        'ancora': 'Ancora',
+        'bb': 'Banco do Brasil',
+        'banrisul': 'Banrisul',
+        'bradesco': 'Bradesco',
+        'caixa': 'Caixa XS5',
+        'xs5': 'Caixa XS5',
+        'cnp': 'Caixa CNP',
+        'canopus': 'Canopus',
+        'embracon': 'Embracon',
+        'ford': 'Ford',
+        'honda': 'Honda',
+        'hs': 'HS',
+        'magalu': 'Magazine Luiza',
+        'maggi': 'Maggi',
+        'mycon': 'Mycon',
+        'porto': 'Porto Seguro',
+        'porto-vp': 'Porto Seguro VP',
+        'remaza': 'Remaza',
+        'rodobens': 'Rodobens',
+        'santander': 'Santander',
+        'scania': 'Scania',
+        'serello': 'Serello',
+        'servopa': 'Servopa',
+        'sicoobu': 'Sicoob Unicoob',
+        'sicredi': 'Sicredi',
+        'sponchiado': 'Sponchiado',
+        'unifisa': 'Unifisa',
+        'volkswagen': 'Volkswagen',
+        'yamaha': 'Yamaha',
+        'zema': 'Zema'
+    }
+    
+    return mapeamento.get(nome_limpo, nome_limpo)
+
+def verificar_administradoras():
+    """Mostra como ficaram as administradoras após a padronização."""
+    if df is not None and 'administradora' in df.columns:
+        print("🔍 Administradoras únicas após padronização:")
+        administradoras_unicas = df[df['tipo_do_bem'].str.lower() == 'imovel']['administradora'].unique()
+        for i, adm in enumerate(sorted(administradoras_unicas), 1):
+            print(f"{i:2d}. {adm}")
+        print(f"Total: {len(administradoras_unicas)} administradoras")
+
 def carregar_planilha():
     """Carrega e prepara a planilha para análise."""
     global df
@@ -34,6 +93,11 @@ def carregar_planilha():
         # Padroniza nomes das colunas
         df.columns = df.columns.str.strip().str.lower().str.replace(" ", "_")
 
+        # 👇 NOVA PADRONIZAÇÃO DAS ADMINISTRADORAS
+        if 'administradora' in df.columns:
+            # Aplica a padronização personalizada
+            df['administradora'] = df['administradora'].apply(padronizar_nomes_administradoras)
+
         # Converte colunas numéricas
         colunas_numericas = ['valor_credito', 'valor_entrada', 'valor_parcela', 'saldo_devedor', 'qtd_parcelas']
         for coluna in colunas_numericas:
@@ -48,6 +112,10 @@ def carregar_planilha():
         df.drop_duplicates(inplace=True)
 
         print("✅ Planilha carregada com sucesso")
+        
+        # Mostra as administradoras padronizadas
+        verificar_administradoras()
+        
         return True
 
     except Exception as e:
@@ -75,6 +143,8 @@ def buscar_combinacoes(credito_desejado, entrada_desejada, parcela_desejada, adm
         # Certifica-se de que administradoras é uma lista (Gradio retorna tupla)
         if isinstance(administradoras, tuple):
             administradoras = list(administradoras)
+        # 👇 CORREÇÃO IMPORTANTE: Remove o .lower() aqui
+        administradoras = [a.strip() for a in administradoras]
         df_filtrado = df_filtrado[df_filtrado['administradora'].isin(administradoras)]
 
     if df_filtrado.empty:
@@ -161,9 +231,13 @@ def ajustar_e_buscar(credito_desejado, entrada_desejada, parcela_desejada, admin
 
 # Prepara a lista de administradoras para o Gradio
 def get_administradoras_options():
-    if df is not None:
-        adm_list = df[df['tipo_do_bem'].str.lower() == 'imovel']['administradora'].unique()
-        return sorted(adm_list)
+    if df is not None and 'administradora' in df.columns:
+        adm_list = (
+            df[df['tipo_do_bem'].str.lower() == 'imovel']['administradora']
+            .dropna()
+            .unique()
+        )
+        return sorted(adm_list.tolist())
     return []
 
 # Criando a interface Gradio
@@ -245,10 +319,11 @@ with gr.Blocks(title="Sistema de Busca de Consórcio Im��vel") as demo:
         entrada_input = gr.Number(label="Entrada Desejada (R$)", value=30000, step=1000)
         parcela_input = gr.Number(label="Parcela Desejada (R$)", value=1500, step=100)
 
+    administradoras_options = get_administradoras_options()
     administradoras_multiselect = gr.CheckboxGroup(
         label="Filtrar por Administradoras",
-        choices=get_administradoras_options(),
-        value=get_administradoras_options() # Seleciona todas por padrão
+        choices=administradoras_options,
+        value=administradoras_options # Seleciona todas por padrão
     )
 
     submit_btn = gr.Button("🔍 Buscar Combinações", variant="primary")
@@ -266,4 +341,4 @@ with gr.Blocks(title="Sistema de Busca de Consórcio Imóvel") as demo:
 
 # Inicia o aplicativo Gradio
 if __name__ == "__main__":
-    demo.launch() # Você não precisa disso no Colab, mas sim no arquivo que você fará o deploy
+    demo.launch()