Update app.py

app.py

@@ -1,6 +1,7 @@
 # importando bibliotecas necessárias
 import pandas as pd
 import numpy as np
+import matplotlib.pyplot as plt
 import gradio as gr
 from gradio import components
 from gradio import Interface
@@ -33,21 +34,6 @@ def save_results_to_pdf(results_formatados, intervalo_confiança, valores_finais
     # Build the PDF
     doc.build(elements)
     
-        #-----------------#
-
-#função para renderizar um dataframe        
-def renderizar_dataframe(df):
-    try:
-        # Renderize o DataFrame como uma tabela HTML com rolagem horizontal
-        df_html = df.to_html(classes='table table-striped', 
-                            table_id='planilha', 
-                            escape=False)  # Não escapar caracteres especiais
-        # Use uma div com estilo CSS para permitir a rolagem horizontal
-        tabela_com_rolagem = f'<div style="overflow-x:auto;">{df_html}</div>'
-        # Retorna a tabela com rolagem como HTML
-        return tabela_com_rolagem
-    except Exception as e:
-        return f"Erro ao processar o DataFrame: {str(e)}"
     
         #-----------------#
 
@@ -59,7 +45,7 @@ def plotar_mapa_com_dois_dataframes(df1, df2):
         lon='lon',
         zoom=12.5,
         center={"lat": df1['lat'].mean(), "lon": df1['lon'].mean()},
-        color_discrete_sequence=['#008B8B'],
+        color_discrete_sequence=['blue'],
     )  
     fig1.update_traces(marker=dict(size=10))  # Define o tamanho dos marcadores para o DataFrame 1
 
@@ -67,7 +53,7 @@ def plotar_mapa_com_dois_dataframes(df1, df2):
         df2,
         lat='lat',
         lon='lon',
-        color_discrete_sequence=['orange'],
+        color_discrete_sequence=['red'],
     )
     fig2.update_traces(marker=dict(size=20))  # Define o tamanho dos marcadores para o DataFrame 2
 
@@ -76,7 +62,7 @@ def plotar_mapa_com_dois_dataframes(df1, df2):
         fig1.add_trace(data)
     # Personalize o layout do mapa, se desejar
     fig1.update_layout(
-        mapbox_style="carto-positron",
+        mapbox_style="open-street-map",
     )
     # Mostrar o mapa
     fig1.show()
@@ -84,6 +70,36 @@ def plotar_mapa_com_dois_dataframes(df1, df2):
     return fig1
 
         #-----------------#
+    
+def scatter_plot_with_percent_labels(data):
+    # Calcular a média da coluna 'Vunit_hom'
+    media = data['Vunit_hom'].mean()
+    
+    # Calcular o percentual de distância à média para cada ponto
+    data['Percentual_Distancia'] = ((data['Vunit_hom'] - media) / media) * 100
+    
+    # Criar o gráfico de dispersão em relação à média com rótulos
+    plt.figure(figsize=(8, 8))  # Define o tamanho da figura (opcional)
+    scatter = plt.scatter(range(len(data)), data['Vunit_hom'], marker='o', s=50, c='black', label='Vunit_hom')
+    plt.axhline(y=media, color='red', linestyle='--', label='Média')
+
+    # Adicionar rótulos com percentual de distância à média
+    for i, (x, y, pct) in enumerate(zip(range(len(data)), data['Vunit_hom'], data['Percentual_Distancia'])):
+        plt.annotate(f'{pct:.2f}%', (x, y), textcoords="offset points", xytext=(0, 10), ha='center')
+
+    # Configurações de gráfico
+    plt.title('Gráfico de Dispersão em Relação à Média de Vunit_hom com Rótulos de Percentual')
+    plt.xlabel('Índice dos Dados')
+    plt.ylabel('Vunit_hom')
+    plt.legend()
+
+    # Salvar o gráfico como uma imagem (por exemplo, em formato PNG)
+    plt.savefig('scatter_plot.png')  # Escolha o nome e o formato do arquivo desejado
+    # Mostrar o gráfico
+    plt.show()
+    
+    #-----------------#
+    
 
 # Função de avaliação do imóvel
 def avaliacao_imovel(planilha, num_linhas_desejadas=3, finalidade='Defina o tipo de imovel',
@@ -99,9 +115,16 @@ def avaliacao_imovel(planilha, num_linhas_desejadas=3, finalidade='Defina o tipo
     # fator de atratividade local (fal)
     df_transp = df_dados.copy()
     df_transp = df_transp[['Atratividade local']]
-    df_transp['fal'] = round(df_avaliando['Atratividade local'][0] / df_transp['Atratividade local'], 2)
+
+    # Verificação se o valor é zero
+    if df_avaliando['Atratividade local'][0] == 0:
+        df_transp['fal'] = 1
+    else:
+        df_transp['fal'] = round(df_avaliando['Atratividade local'][0] / df_transp['Atratividade local'], 2)
+
     df_transp = df_transp[['fal']]
 
+
             #-----------------#
 
     # fator de correção da área construída (fac)
@@ -113,9 +136,16 @@ def avaliacao_imovel(planilha, num_linhas_desejadas=3, finalidade='Defina o tipo
     x_ac = 0.3 * df_avaliando['Área Construída'][0]
     # coeficiente n conforme a diferença entre a área do avaliando e dos dados
     df_area_const['n'] = df_area_const['dif'].apply(lambda dif: 0.250 if dif <= x_ac else 0.125)
-    df_area_const['fac'] = round((df_area_const['razao']) ** (df_area_const['n']), 2)
+
+    # Verificação se o valor é zero
+    if df_avaliando['Área Construída'][0] == 0:
+        df_area_const['fac'] = 1
+    else:
+        df_area_const['fac'] = round((df_area_const['razao']) ** (df_area_const['n']), 2)
+
     df_area_const = df_area_const[['fac']]
 
+
             #-----------------#
 
     # fator de correção da área do terreno (fat)
@@ -127,9 +157,16 @@ def avaliacao_imovel(planilha, num_linhas_desejadas=3, finalidade='Defina o tipo
     x_at = 0.3 * df_avaliando['Área Terreno'][0]
     # coeficiente n conforme a diferença entre a área do avaliando e dos dados
     df_area_terreno['n'] = df_area_terreno['dif'].apply(lambda dif: 0.250 if dif <= x_at else 0.125)
-    df_area_terreno['fat'] = round((df_area_terreno['razao']) ** (df_area_terreno['n']), 2)
+
+    # Verificação se o valor é zero
+    if df_avaliando['Área Terreno'][0] == 0:
+        df_area_terreno['fat'] = 1
+    else:
+        df_area_terreno['fat'] = round((df_area_terreno['razao']) ** (df_area_terreno['n']), 2)
+
     df_area_terreno = df_area_terreno[['fat']]
 
+
              #-----------------#
 
     # fator profundidade (fpe)
@@ -142,20 +179,23 @@ def avaliacao_imovel(planilha, num_linhas_desejadas=3, finalidade='Defina o tipo
         hipotese_1 = A > 5000 and pe > 90
         hipotese_2 = A <= 5000 or (A > 5000 and pe <= 90)
 
-        if finalidade == "Tipologias com área construída":
-            coef_pe = 1
+        if t == 0:
+           coef_pe = 1 
         else:
-            if hipotese_1:
-                coef_pe = round(4.8 * (t ** 0.2) * (A ** -0.4), 3)
+            if finalidade == "Tipologias com área construída":
+                coef_pe = 1
             else:
-                if pe < 20:
-                    coef_pe = round((pe/20) ** 0.5, 3)
-                elif 20 <= pe < 33:
-                    coef_pe = 1
-                elif 33 <= pe < 90:
-                    coef_pe = round((33/pe) ** 0.5, 3)
+                if hipotese_1:
+                    coef_pe = round(4.8 * (t ** 0.2) * (A ** -0.4), 3)
                 else:
-                    coef_pe = 0.6
+                    if pe < 20:
+                        coef_pe = round((pe/20) ** 0.5, 3)
+                    elif 20 <= pe < 33:
+                        coef_pe = 1
+                    elif 33 <= pe < 90:
+                        coef_pe = round((33/pe) ** 0.5, 3)
+                    else:
+                        coef_pe = 0.6
 
         return coef_pe
 
@@ -410,7 +450,13 @@ def avaliacao_imovel(planilha, num_linhas_desejadas=3, finalidade='Defina o tipo
     # fator extra (à critério do avaliador) (fex)
     df_exc = df_dados.copy()
     df_exc = df_exc[['Coeficiente extra']]
-    df_exc['fex'] = round(df_avaliando['Coeficiente extra'][0] / df_exc['Coeficiente extra'], 2)
+
+    # Verificação se o valor é zero
+    if df_avaliando['Coeficiente extra'][0] == 0:
+        df_exc['fex'] = 1
+    else:
+        df_exc['fex'] = round(df_avaliando['Coeficiente extra'][0] / df_exc['Coeficiente extra'], 2)
+
     df_exc = df_exc[['fex']]
 
             #-----------------#
@@ -474,6 +520,7 @@ def avaliacao_imovel(planilha, num_linhas_desejadas=3, finalidade='Defina o tipo
                                                         #result['fsp'] * \
                                                         #result['fex'], 2)
          #-----------------#
+        
     
     # RESULTADOS ESTATÍSTICOS INICIAIS 
     num = len(result)
@@ -496,16 +543,19 @@ def avaliacao_imovel(planilha, num_linhas_desejadas=3, finalidade='Defina o tipo
     vc
     result['z-score'] = abs((result['Vunit_hom'] - media) / desvio_padrao)
     result['Status'] = np.where(result['z-score'] > vc, 'rejeitado', 'aceito')
-
-    # para gerar uma tabela na interface
-    result_render = renderizar_dataframe(result)
     
+    # cópia para dataframe na interface
+    df_interface = result.copy()
+
     # DADOS REMOVIDOS
     outliers = result[result['Status'] == 'rejeitado']
     
     # REMOÇÃO DE OUTLIERS PELO CRITÉRIO DE CHAUVENET
     result = result[result['Status'] != 'rejeitado']
     
+    # para plotar o gráfico na interface
+    df_grafico = result.copy()
+    
     # GRAU DE FUNDAMENTAÇÃO
     
     # item_1 - Graus de Fundamentação (Caracterização do imóvel avaliando)
@@ -811,11 +861,15 @@ def avaliacao_imovel(planilha, num_linhas_desejadas=3, finalidade='Defina o tipo
         mapa = plotar_mapa_com_dois_dataframes(result, df_avaliando)
         #mapa = criar_mapa(df_avaliando) #novo
         
+        #-----------------#
+        
+        # para gerar um gráfico de dispersão na interface
+        scatter_plot_with_percent_labels(df_grafico)
+        
         #-----------------#
     
         # Salve o DataFrame 'result' em uma planilha
         result.to_excel(output_file, index=False)
-        #result.to_excel('relatório.xlsx', index=False) (substituído pelo código acima)
 
         #-----------------#
 
@@ -825,7 +879,7 @@ def avaliacao_imovel(planilha, num_linhas_desejadas=3, finalidade='Defina o tipo
         #-----------------#
 
         # Retorna tanto a planilha quanto os resultados formatados
-        return output_file, 'resultados.pdf', result_render, resultados_formatados, intervalo_confiança, valores_finais, mapa #novo
+        return output_file, 'resultados.pdf', df_interface, resultados_formatados, intervalo_confiança, valores_finais, mapa, 'scatter_plot.png'
         
 # Interface do Gradio com input como arquivo XLS ou XLSX
 interface = gr.Interface(
@@ -847,11 +901,12 @@ interface = gr.Interface(
     outputs=[
         gr.components.File(label="Download planilha"),
         gr.components.File(label="Download Relatório em PDF"),
-        gr.components.HTML(label="Resultado Renderizado"),
+        gr.Dataframe(label="Dados homogeneizados"),
         gr.components.Textbox(label="Resultados estatísticos"),
         gr.components.Textbox(label="Intervalo de confiança de 80%"),
         gr.components.Textbox(label="Valores Calculados"),
         gr.Plot(label="Geolocalização da amostra"),
+        gr.Image(label="Gráfico de dipersão"),
     
     ],
     live=False,