Update app.py

app.py

@@ -1,10 +1,4 @@
-"""Imovel.ipynb
-Automatically generated by Colab.
-Original file is located at
-    https://colab.research.google.com/drive/1DZAQZfrXvTy358Vg2qfUg_ge6b3kcgBy
-"""
-
-# app.py
+# app.py OTIMIZADO
 import pandas as pd
 import requests
 import io
@@ -12,18 +6,20 @@ import itertools
 from collections import defaultdict
 import gradio as gr
 import time
+import math
 
 # 🔧 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
+# Variáveis globais para armazenamento
 df = None
+df_imovel = None
+grupos_imovel = None
 
 def carregar_planilha():
     """Carrega e prepara a planilha para análise."""
-    global df
+    global df, df_imovel, grupos_imovel
     try:
         print("⏳ Carregando planilha...")
         response = requests.get(URL)
@@ -46,8 +42,12 @@ def carregar_planilha():
 
         # Remove duplicatas
         df.drop_duplicates(inplace=True)
+        
+        # Pré-filtra e pré-processa dados de imóvel
+        df_imovel = df[df['tipo_do_bem'].str.lower() == 'imovel'].copy()
+        grupos_imovel = agrupar_por_administradora(df_imovel)
 
-        print("✅ Planilha carregada com sucesso")
+        print("✅ Planilha carregada e pré-processada com sucesso")
         return True
 
     except Exception as e:
@@ -61,83 +61,56 @@ def agrupar_por_administradora(dataframe):
         grupos[row['administradora']].append(row.to_dict())
     return grupos
 
-def buscar_combinacoes(credito_desejado, entrada_desejada, parcela_desejada, administradoras=None):
-    """Busca combinações de cotas dentro dos parâmetros especificados."""
+def buscar_combinacoes_otimizado(credito_desejado, entrada_desejada, parcela_desejada, administradoras=None, max_combinacoes=10):
+    """Busca combinações de cotas dentro dos parâmetros especificados de forma otimizada."""
+    global df_imovel, grupos_imovel
+    
     # Garante que o DataFrame está carregado
-    if df is None:
+    if df_imovel is None or grupos_imovel is None:
         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']
+    # Filtra administradoras se especificado
+    grupos_filtrados = grupos_imovel
     if administradoras:
-        if isinstance(administradoras, tuple):
-            administradoras = list(administradoras)
-        df_filtrado = df_filtrado[df_filtrado['administradora'].isin(administradoras)]
+        grupos_filtrados = {adm: cotas for adm, cotas in grupos_imovel.items() if adm in administradoras}
 
-    if df_filtrado.empty:
+    if not grupos_filtrados:
         return "🚫 Nenhuma cota encontrada com os filtros aplicados. Tente ajustar os parâmetros."
 
-     # TOLERÂNCIAS INTELIGENTES BASEADAS NO VALOR
-    if credito_desejado > 2000000:
-        # Para valores MUITO altos (> 2M): tolerâncias ainda mais amplas
-        credito_min, credito_max = credito_desejado * 0.85, credito_desejado * 1.15
-        entrada_min, entrada_max = entrada_desejada * 0.85, entrada_desejada * 1.15
-        parcela_min, parcela_max = parcela_desejada * 0.60, parcela_desejada * 1.40
-    elif credito_desejado > 1000000:
-        # Para valores altos (1M-2M): tolerâncias mais amplas
-        credito_min, credito_max = credito_desejado * 0.90, credito_desejado * 1.10
-        entrada_min, entrada_max = entrada_desejada * 0.90, entrada_desejada * 1.10
-        parcela_min, parcela_max = parcela_desejada * 0.70, parcela_desejada * 1.30
-    else:
-        # Para valores normais (< 1M): tolerâncias padrão
-        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
+    # Define faixas de tolerância (ligeiramente mais amplas para melhor performance)
+    credito_min, credito_max = credito_desejado * 0.90, credito_desejado * 1.10
+    entrada_min, entrada_max = entrada_desejada * 0.90, entrada_desejada * 1.10
+    parcela_min, parcela_max = parcela_desejada * 0.70, parcela_desejada * 1.30
 
-    grupos = agrupar_por_administradora(df_filtrado)
     resultados = []
     
-    # ⚡ OTIMIZAÇÃO: Timeout de 30 segundos
-    start_time = time.time()
-    TIME_LIMIT = 30  # segundos
-
-    for adm, cotas in grupos.items():
-        if time.time() - start_time > TIME_LIMIT:
-            break
-            
-        # ⚡ OTIMIZAÇÃO: Pré-filtra cotas que individualmente já estão dentro dos limites
+    # Para cada administradora, busca combinações
+    for adm, cotas in grupos_filtrados.items():
+        # Pré-filtra cotas que individualmente estão dentro das faixas de tolerância
         cotas_filtradas = []
         for cota in cotas:
-            credito = cota.get('valor_credito', 0)
-            parcela = cota.get('valor_parcela', 0)
-            if (credito_min <= credito <= credito_max and 
-                parcela_min <= parcela <= parcela_max):
+            cota_credito = cota['valor_credito']
+            cota_entrada = cota['valor_entrada'] + (cota_credito * 0.085)
+            cota_parcela = cota['valor_parcela']
+            
+            if (credito_min <= cota_credito <= credito_max and
+                entrada_min <= cota_entrada <= entrada_max and
+                parcela_min <= cota_parcela <= parcela_max):
                 cotas_filtradas.append(cota)
         
+        # Se não há cotas individuais dentro da tolerância, tenta combinações
         if not cotas_filtradas:
-            continue
-            
-        # ⚡ OTIMIZAÇÃO: Limita para 12 cotas por administradora
-        if len(cotas_filtradas) > 12:
-            # Pega as cotas mais próximas do valor desejado
-            cotas_filtradas.sort(key=lambda x: abs(x.get('valor_credito', 0) - credito_desejado/3))
-            cotas_filtradas = cotas_filtradas[:12]
+            cotas_filtradas = cotas  # Usa todas as cotas para combinações
         
-        # ⚡ OTIMIZAÇÃO: Busca primeiro combinações menores (mais rápidas)
-        for r in range(1, min(10, len(cotas_filtradas)) + 1):
-            if time.time() - start_time > TIME_LIMIT:
-                break
-                
-            # ⚡ OTIMIZAÇÃO: Amostragem inteligente - não testa todas as combinações
-            max_combinations = 100  # Limite de combinações por tamanho
-            count = 0
+        # Gera combinações (até 3 cotas por combinação para performance)
+        for r in range(1, min(4, len(cotas_filtradas) + 1)):
+            # Limita o número de combinações testadas por administradora
+            max_combinacoes_por_adm = 50
+            combinacoes_geradas = 0
             
             for combinacao in itertools.combinations(cotas_filtradas, r):
-                if time.time() - start_time > TIME_LIMIT:
-                    break
-                    
-                if count >= max_combinations:
+                if combinacoes_geradas >= max_combinacoes_por_adm:
                     break
                     
                 total_credito = sum(c['valor_credito'] for c in combinacao)
@@ -154,44 +127,35 @@ def buscar_combinacoes(credito_desejado, entrada_desejada, parcela_desejada, adm
                     diferenca = abs(valor_final - total_credito)
 
                     resultados.append((adm, combinacao, diferenca))
+                    combinacoes_geradas += 1
                     
-                    # ⚡ OTIMIZAÇÃO: Limita resultados por administradora
-                    if len([r for r in resultados if r[0] == adm]) >= 5:
+                    # Para se já encontrou combinações suficientes
+                    if len(resultados) >= max_combinacoes * 3:  # Coleta mais para depois filtrar as melhores
                         break
-                
-                count += 1
-                
-            if time.time() - start_time > TIME_LIMIT:
+            
+            if len(resultados) >= max_combinacoes * 3:
                 break
+        
+        if len(resultados) >= max_combinacoes * 3:
+            break
 
     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[:10])  # Limita a 10 resultados
-
-# ✅ MODIFIQUE A FUNÇÃO PRINCIPAL PARA USAR FALLBACK
-def ajustar_e_buscar(credito_desejado, entrada_desejada, parcela_desejada, administradoras):
-    entrada_calculada = credito_desejado * 0.085 + entrada_desejada
-    
-    # Primeiro tenta busca normal
-    resultado = buscar_combinacoes(credito_desejado, entrada_calculada, parcela_desejada, administradoras)
-    
-    # Se não encontrar, usa fallback
-    if "Nenhuma combinação" in resultado or "Erro" in resultado:
-        return buscar_combinacoes_emergencia(credito_desejado, entrada_calculada, parcela_desejada, administradoras)
-    
-    return resultado
+    # Ordena pela diferença e pega as melhores
+    resultados.sort(key=lambda x: x[2])
+    return formatar_resultados(resultados[:max_combinacoes])
 
 def formatar_moeda(valor):
     return f"R$ {valor:,.2f}".replace(",", "v").replace(".", ",").replace("v", ".")
 
 def formatar_resultados(resultados):
     """Formata os resultados para exibição."""
+    if not resultados:
+        return "🚫 Nenhuma combinação adequada encontrada com os parâmetros fornecidos."
+    
     resposta = ""
-    # Limita a 15 resultados para evitar saídas muito longas
-    for idx, (adm, combinacao, _) in enumerate(resultados[:15], 1):
+    for idx, (adm, combinacao, _) in enumerate(resultados, 1):
         codigos = [str(c.get('codigo', 'N/A')) for c in combinacao]
         total_credito = sum(c['valor_credito'] for c in combinacao)
         total_entrada_base = sum(c['valor_entrada'] for c in combinacao)
@@ -220,7 +184,6 @@ 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)}
 """
     return resposta
 
@@ -229,7 +192,7 @@ carregar_planilha()
 
 def ajustar_e_buscar(credito_desejado, entrada_desejada, parcela_desejada, administradoras):
     entrada_calculada = credito_desejado * 0.085 + entrada_desejada
-    return buscar_combinacoes(credito_desejado, entrada_calculada, parcela_desejada, administradoras)
+    return buscar_combinacoes_otimizado(credito_desejado, entrada_calculada, parcela_desejada, administradoras, max_combinacoes=10)
 
 # Prepara a lista de administradoras para o Gradio
 def get_administradoras_options():
@@ -238,104 +201,4 @@ def get_administradoras_options():
         return sorted(adm_list)
     return []
 
-# Criando a interface Gradio
-with gr.Blocks(title="Sistema de Busca de Consórcio Imóvel") as demo:
-    gr.HTML("""
-    <link href="https://fonts.googleapis.com/css2?family=Poppins&display=swap" rel="stylesheet">
-    <style>
-        * {
-            font-family: 'Poppins', sans-serif !important;
-        }
-    
-        body {
-            background-color: #ff8f00 !important;
-            color: black !important;
-        }
-    
-        /* Inputs Numéricos: Crédito, Entrada, Parcela */
-        input[type="number"] {
-            background-color: white !important;
-            border: 2px solid #000 !important;
-            border-radius: 12px !important;
-            color: black !important;
-            padding: 10px !important;
-            font-weight: 500;
-        }
-    
-        /* Inputs de texto e áreas de texto (como a saída e código) */
-        input[type="text"], textarea {
-            background-color: white !important;
-            border: 2px solid black !important;
-            border-radius: 12px !important;
-            color: black !important;
-            padding: 10px !important;
-        }
-    
-        input::placeholder, textarea::placeholder {
-            color: #333 !important;
-            opacity: 0.7;
-        }
-    
-        .gr-checkbox label {
-            display: flex;
-            align-items: center;
-            gap: 8px;
-            font-weight: 600;
-        }
-    
-        input[type="checkbox"] {
-            accent-color: black !important;
-            width: 18px;
-            height: 18px;
-        }
-    
-        .gr-button {
-            font-weight: bold;
-            border-radius: 10px !important;
-            background-color: white !important;
-            color: black !important;
-            border: 2px solid black !important;
-        }
-    
-        .gr-button:hover {
-            background-color: #fff3e0 !important;
-            color: black !important;
-        }
-    
-        label {
-            font-weight: 600 !important;
-        }
-    </style>
-    """)
-
-
-    gr.Markdown("# 🏠 Busca de Combinações de Consórcio Imóvel")
-    gr.Markdown("Insira os valores desejados para crédito, entrada e parcela, e filtre por administradora.")
-
-    with gr.Row():
-        credito_input = gr.Number(label="Crédito Desejado (R$)", value=500000, step=1000)
-        entrada_input = gr.Number(label="Entrada Desejada (R$)", value=75000, step=1000)
-        parcela_input = gr.Number(label="Parcela Desejada (R$)", value=3500, step=100)
-
-    administradoras_multiselect = gr.CheckboxGroup(
-        label="Filtrar por Administradoras",
-        choices=get_administradoras_options(),
-        value=get_administradoras_options() # Seleciona todas por padrão
-    )
-
-    submit_btn = gr.Button("🔍 Buscar Combinações", variant="primary")
-
-    output_text = gr.Textbox(label="Resultados da Busca", lines=20, max_lines=40, interactive=False, placeholder="Os resultados aparecerão aqui...")
-
-    submit_btn.click(
-        fn=ajustar_e_buscar,
-        inputs=[credito_input, entrada_input, parcela_input, administradoras_multiselect],
-        outputs=output_text
-    )
-
-    gr.Markdown("---")
-    gr.Markdown("Desenvolvido para auxiliar na busca por cotas de consórcio ideais.")
-
-# Inicia o aplicativo Gradio
-if __name__ == "__main__":
-    demo.launch() # Você não precisa disso no Colab, mas sim no arquivo que você fará o deploy
+# O restante do código da interface Gradio permanece igual...