Update app.py

app.py

@@ -12,7 +12,6 @@ import shutil
 import os
 import plotly.express as px
 
-
         #-----------------#
     
 # Function to save results in a PDF file
@@ -21,20 +20,16 @@ def save_results_to_pdf(results_formatados, intervalo_confiança, valores_finais
     styles = getSampleStyleSheet()
     
     # Create a list of elements to include in the PDF
-    elements = []
-    
+    elements = []   
     # Add the formatted results to the PDF
     formatted_results = Paragraph(results_formatados, styles["Normal"])
-    elements.append(formatted_results)
-    
+    elements.append(formatted_results)    
     # Add the intervalo de confianca to the PDF
     confianca = Paragraph(intervalo_confiança, styles["Normal"])
     elements.append(confianca)
-    
     # Add the valores calculados to the PDF
     calculados = Paragraph(valores_finais, styles["Normal"])
-    elements.append(calculados)
-    
+    elements.append(calculados)  
     # Build the PDF
     doc.build(elements)
     
@@ -65,8 +60,7 @@ def plotar_mapa_com_dois_dataframes(df1, df2):
         zoom=12.5,
         center={"lat": df1['lat'].mean(), "lon": df1['lon'].mean()},
         color_discrete_sequence=['#008B8B'],
-    )
-    
+    )  
     fig1.update_traces(marker=dict(size=10))  # Define o tamanho dos marcadores para o DataFrame 1
 
     fig2 = px.scatter_mapbox(
@@ -75,18 +69,15 @@ def plotar_mapa_com_dois_dataframes(df1, df2):
         lon='lon',
         color_discrete_sequence=['orange'],
     )
-
     fig2.update_traces(marker=dict(size=20))  # Define o tamanho dos marcadores para o DataFrame 2
 
     # Combine as duas figuras em uma única figura
     for data in fig2.data:
         fig1.add_trace(data)
-
     # Personalize o layout do mapa, se desejar
     fig1.update_layout(
         mapbox_style="carto-positron",
     )
-
     # Mostrar o mapa
     fig1.show()
 
@@ -137,6 +128,43 @@ def avaliacao_imovel(planilha, num_linhas_desejadas=10):
     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)
     df_area_terreno = df_area_terreno[['fat']]
+    
+         #-----------------#
+    
+    # fator profundidade (fpe)
+    # Defina a função coeficiente_profundidade antes de criar os DataFrames
+    def coeficiente_profundidade(row):
+        A = row['Área Terreno']
+        t = row['Testada']
+
+        pe = round(A/t, 2)
+        hipotese_1 = A > 5000 and pe > 90
+        hipotese_2 = A <= 5000 or (A > 5000 and pe <= 90)
+
+        if hipotese_1:
+            coef_pe = round(4.8 * (t ** 0.2) * (A ** -0.4), 3)
+        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)
+            else:
+                coef_pe = 0.6
+
+        return coef_pe
+
+    # Crie os DataFrames df_profundidade e df_profundidade_aval
+    df_profundidade = df_dados[['Área Terreno','Testada']].copy()
+    df_profundidade['coef_pe'] = df_profundidade.apply(coeficiente_profundidade, axis=1)
+
+    # Crie o DataFrame df_profundidade_aval da mesma maneira, se necessário
+    df_profundidade_aval = df_avaliando[['Área Terreno','Testada']].copy()
+    df_profundidade_aval['coef_pe'] = df_profundidade_aval.apply(coeficiente_profundidade, axis=1)
+
+    df_profundidade['fpe'] = round(df_profundidade_aval['coef_pe'][0]/df_profundidade['coef_pe'],2)
+    df_profundidade = df_profundidade[['fpe']]
 
         #-----------------#
     
@@ -148,6 +176,7 @@ def avaliacao_imovel(planilha, num_linhas_desejadas=10):
         'declive_leve 5% e 30%': 0.90,
         'aclive_acentuado >30%': 0.85,
         'declive_acentuado >30%': 0.80,
+        'não se aplica' : 1,
     }
 
     # cria dataframe apenas com as colunas necessárias a partir do dataframe dos dados
@@ -191,7 +220,8 @@ def avaliacao_imovel(planilha, num_linhas_desejadas=10):
             'id>50_novo': 0.30,
             'id>50_bom': 0.20,
             'id>50_reparos simples': 0.15,
-            'id>50_reparos importantes': 0.10
+            'id>50_reparos importantes': 0.10,
+            'não se aplica' : 1,
         }
     # cria dataframe apenas com as colunas necessárias a partir do dataframe dos dados
     df_idade_cons = df_dados.copy()
@@ -222,7 +252,8 @@ def avaliacao_imovel(planilha, num_linhas_desejadas=10):
         'médio/baixo_comercial': 1.08,
         'médio_comercial': 1.15,
         'médio/alto_comercial': 1.25,
-        'alto_comercial': 1.40
+        'alto_comercial': 1.40,
+        'não se aplica' : 1,
         }
     
     # cria dataframe apenas com as colunas necessárias a partir do dataframe dos dados
@@ -267,23 +298,24 @@ def avaliacao_imovel(planilha, num_linhas_desejadas=10):
 
         #-----------------#
 
-    # concatemando o dataframe principal com as dataframes dos fatores
-    result = pd.concat([df_dados, df_transp, df_area_const, df_area_terreno, df_topografia, df_idade_cons, df_padrao, df_vaga, df_exc], axis=1)
+        # concatemando o dataframe principal com as dataframes dos fatores
+    result = pd.concat([df_dados, df_transp, df_area_const, df_area_terreno, df_profundidade, df_topografia, df_idade_cons, df_padrao, df_vaga, df_exc], axis=1)
     result['Valor_desc'] = round(result['Valor']*(result['fof']), 2)
     result['Vunit'] = round((result['Valor_desc']/result['Área Construída']), 2)
-    result = result[['lat','lon','Atratividade local', 'Área Construída', 'Área Terreno', 'Topografia',
+    result = result[['lat','lon','Atratividade local', 'Área Construída', 'Área Terreno', 'Testada', 'Topografia',
            'Idade aparente e conservação', 'Padrão construtivo', 'Vagas',
-           'Coeficiente extra', 'Valor', 'fof','Valor_desc', 'Vunit','fal', 'fac', 'fat', 'ftp', 'fic',
+           'Coeficiente extra', 'Valor', 'fof','Valor_desc', 'Vunit','fal', 'fac', 'fat','fpe', 'ftp', 'fic',
            'fpd', 'fvg', 'fex']]
     result['Vunit_hom'] = round(result['Vunit'] * result['fal'] * \
                                                     result['fac'] * \
                                                     result['fat'] * \
+                                                    result['fpe'] * \
                                                     result['ftp'] * \
                                                     result['fic'] * \
                                                     result['fpd'] * \
                                                     result['fvg'] * \
                                                     result['fex'], 2)
-
+         #-----------------#
     
     # RESULTADOS ESTATÍSTICOS INICIAIS 
     num = len(result)