import gradio as gr
import pandas as pd
import numpy as np
import xgboost as xgb
import joblib
from sklearn.preprocessing import MinMaxScaler

def execute(FONTE, X, Y, RH, ANO_C, ATOTAL, ANO_DADO_ANO_2019, ANO_DADO_ANO_2020, ANO_DADO_ANO_2021, ANO_DADO_ANO_2022, Alvenaria_B, Alvenaria_D, Alvenaria_C, Alvenaria_E):
    df = pd.DataFrame.from_dict({'FONTE': [FONTE],
                                 'X': [X],
                                 'Y': [Y],
                                 'RH': [RH],
                                 'ANO_C': [ANO_C],
                                 'ATOTAL': np.log([ATOTAL]),
                                 'ANO_DADO_ANO_2019': ANO_DADO_ANO_2019,
                                 'ANO_DADO_ANO_2020': ANO_DADO_ANO_2020,
                                 'ANO_DADO_ANO_2021': ANO_DADO_ANO_2021,
                                 'ANO_DADO_ANO_2022': ANO_DADO_ANO_2022,
                                 'Alvenaria_B': Alvenaria_B,
                                 'Alvenaria_D': Alvenaria_D,
                                 'Alvenaria_C': Alvenaria_C,
                                 'Alvenaria_E': Alvenaria_E}
                                )



    input_scaler = joblib.load("dados/salas/input_scaler_salas_comerciais_2023_v2.save")
    df = input_scaler.transform(df)
    cols = ['FONTE', 'X', 'Y', 'RH', 'ANO_C', 'ATOTAL', 'ANO_DADO_ANO_2019', 'ANO_DADO_ANO_2020', 'ANO_DADO_ANO_2021', 'ANO_DADO_ANO_2022', 'Alvenaria_B', 'Alvenaria_D', 'Alvenaria_C', 'Alvenaria_E']
    aval = pd.DataFrame(df, columns = cols)
    df = xgb.DMatrix(aval)
    loaded_model = xgb.Booster()
    loaded_model.load_model("dados/salas/SALAS_COMERCIAIS_2020_2021_2022_2023_v2.model")
    pred = loaded_model.predict(df)
    output_scaler = joblib.load("dados/salas/output_scaler_salas_comerciais_2023_v2.save")
    pred = output_scaler.inverse_transform(np.array(pred).reshape(-1,1))
    pred = np.exp(pred).tolist()
    return f"""Valor do imóvel: R${round(pred[0][0], -2) * ATOTAL}"""

def load_inputs():
    # Substituição de gr.inputs.Number -> gr.Number
    # Substituição de default -> value
    FONTE = gr.Number(value=0, label='Fonte: 0 - Transação | 1 - Oferta')
    X = gr.Number(value=282122.159663, label='Longitude (SIRGAS 2000)')
    
    # O Gradio aceita a notação 1.672718e+06 sem problemas como float
    Y = gr.Number(value=1672718.0, label='Latitude (SIRGAS 2000)')
    
    RH = gr.Number(value=150, label='Região Homogênea')
    ANO_C = gr.Number(value=2022, label='Ano de Construção')
    ATOTAL = gr.Number(value=80.0, label='Área Total')
    
    # Campos de Ano
    ANO_DADO_ANO_2019 = gr.Number(value=0, label='Ano 2019')
    ANO_DADO_ANO_2020 = gr.Number(value=0, label='Ano 2020')
    ANO_DADO_ANO_2021 = gr.Number(value=0, label='Ano 2021')
    ANO_DADO_ANO_2022 = gr.Number(value=1, label='Ano 2022')
    
    # Campos de Alvenaria
    Alvenaria_B = gr.Number(value=0, label='Alvenaria (B)')
    Alvenaria_C = gr.Number(value=1, label='Alvenaria (C)')
    Alvenaria_D = gr.Number(value=0, label='Alvenaria (D)')
    Alvenaria_E = gr.Number(value=0, label='Alvenaria (E)')
    
    # Atenção: Mantive a ordem de retorno original (C e D estão invertidos no seu return)
    return [
        FONTE, X, Y, RH, ANO_C, ATOTAL, 
        ANO_DADO_ANO_2019, ANO_DADO_ANO_2020, ANO_DADO_ANO_2021, ANO_DADO_ANO_2022, 
        Alvenaria_B, Alvenaria_D, Alvenaria_C, Alvenaria_E
    ]

output_label = "Valor do imóvel (R$)"

title = 'Venda - Salas Comerciais'

description = '2.887 dados de Janeiro de 2019 a Dezembro de 2022'