Create boxes_2024.py

boxes_2024.py

@@ -0,0 +1,132 @@
+import openpyxl
+import xgboost as xgb
+import gradio as gr
+import joblib
+import pandas as pd
+import numpy as np
+import seaborn as sns
+import statsmodels.api as sm
+import matplotlib.pyplot as plt
+import io
+from sklearn.preprocessing import MinMaxScaler
+from reportlab.lib import colors
+from reportlab.lib.units import inch
+from reportlab.lib.pagesizes import A4, landscape
+from reportlab.lib.styles import getSampleStyleSheet
+from reportlab.pdfgen.canvas import Canvas
+from reportlab.platypus import SimpleDocTemplate, Spacer, Image, Frame, PageTemplate, BaseDocTemplate, Table, Paragraph, NextPageTemplate, PageBreak
+
+def get_report(ANO_CONST, RH, X, Y, ATOTAL, ANO_2019, ANO_2020, ANO_2021, ANO_2022, ANO_2023, pred):
+    # Define the page size
+    pagesize = A4  # You can adjust the page size as needed
+
+
+    def on_page(canvas, doc):
+        page_num = canvas.getPageNumber()
+        canvas.drawCentredString(pagesize[0] / 2, 50, str(page_num))
+
+    def on_page_landscape(canvas, doc):
+        return on_page(canvas, doc, pagesize=landscape(A4))
+        
+    padding = dict(
+        leftPadding=72, 
+        rightPadding=72,
+        topPadding=72,
+        bottomPadding=18)
+
+    portrait_frame = Frame(0, 0, *A4, **padding)
+    landscape_frame = Frame(0, 0, *landscape(A4), **padding)
+
+    portrait_template = PageTemplate(id='portrait', 
+                                     frames=portrait_frame,
+                                     onPage=on_page,
+                                     pagesize=A4)
+
+    landscape_template = PageTemplate(id='landscape', 
+                                      frames=landscape_frame,
+                                      onPage=on_page_landscape,
+                                      pagesize=landscape(A4))
+
+    doc = BaseDocTemplate('report.pdf',
+                          pageTemplates=[portrait_template,landscape_template])
+    
+    styles = getSampleStyleSheet()
+
+    story = [
+        Image('DAI.png', width=6.4 * inch, height=1.28 * inch),
+        Spacer(1, 36),
+        Paragraph('Modelo para Boxes de Estacionamento - XGBoost Regressor - 2024', styles['Heading1']),
+        Paragraph('Parâmetros do cálculo', styles['Heading2']),
+        Paragraph(f"Ano de Construção (Conforme Cadastro Imobiliário): {ANO_CONST}", styles['Normal']),
+        Paragraph(f"Região Homogênea: {RH}", styles['Normal']),
+        Paragraph(f"Coordenada X (TM-POA): {X}", styles['Normal']),
+        Paragraph(f"Coordenada Y (TM-POA): {Y}", styles['Normal']),
+        Paragraph(f"Área Total (Conforme Cadastro Imobiliário): {ATOTAL}", styles['Normal']),
+        Paragraph(f"Ano 2019 - Exercício Fiscal 2020: {'Sim' if ANO_2019 else 'Não'}", styles['Normal']),
+        Paragraph(f"Ano 2020 - Exercício Fiscal 2021: {'Sim' if ANO_2020 else 'Não'}", styles['Normal']),
+        Paragraph(f"Ano 2021 - Exercício Fiscal 2022: {'Sim' if ANO_2021 else 'Não'}", styles['Normal']),
+        Paragraph(f"Ano 2022 - Exercício Fiscal 2023: {'Sim' if ANO_2022 else 'Não'}", styles['Normal']),
+        Paragraph(f"Ano 2023 - Exercício Fiscal 2024: {'Sim' if ANO_2023 else 'Não'}", styles['Normal']),
+        Spacer(1, 36),
+        Paragraph('Resultado', styles['Heading1']),
+        Paragraph('Valor do imóvel (R$)', styles['Heading2']),
+        Paragraph(f"R$ {round(pred[0][0] * ATOTAL, -2)}", styles['Normal']),
+    ]
+    
+    doc.build(story)
+  
+
+
+def execute(ANO_CONST, RH, X, Y, ATOTAL, ANO_2019, ANO_2020, ANO_2021, ANO_2022, ANO_2023):
+    df = pd.DataFrame.from_dict({'ANO_CONST': [ANO_CONST],
+                                'RH': [RH],
+                                'X': [X],
+                                'Y': [Y],
+                                'ATOTAL': np.log(ATOTAL),
+                                'ANO_2019': 1 if ANO_2019 else 0,
+                                'ANO_2020': 1 if ANO_2020 else 0,
+                                'ANO_2021': 1 if ANO_2021 else 0,
+                                'ANO_2022': 1 if ANO_2022 else 0,
+                                'ANO_2023': 1 if ANO_2023 else 0,
+                                })
+
+    print(df)
+    print(ATOTAL)
+
+    input_scaler = joblib.load("dados/boxes/input_scaler_boxes_2023_VU_v3.save")
+    df = input_scaler.transform(df)
+    cols = ['ANO_CONST', 'RH', 'X', 'Y', 'ATOTAL', 'ANO_2019', 'ANO_2020', 'ANO_2021', 'ANO_2022', 'ANO_2023']
+    aval = pd.DataFrame(df, columns = cols)
+    df = xgb.DMatrix(aval)
+    loaded_model = xgb.Booster()
+    loaded_model.load_model("dados/boxes/boxes_2020_2021_2022_2023_2024_VU_v3.model")
+    pred = loaded_model.predict(df)
+    output_scaler = joblib.load("dados/boxes/output_scaler_boxes_2023_VU_v3.save")
+    pred = output_scaler.inverse_transform(np.array(pred).reshape(-1,1))
+    pred = np.exp(pred)
+
+    get_report(ANO_CONST, RH, X, Y, ATOTAL, ANO_2019, ANO_2020, ANO_2021, ANO_2022, ANO_2023, pred)
+    
+    return f"""R${round(pred[0][0] * ATOTAL, -2)}""", 'report.pdf'
+
+def load_inputs():
+    ANO_CONST = gr.Number(value=2020, label='Ano de Construção (Conforme Cadastro Imobiliário)')
+    RH = gr.Number(value=120, label='Região Homogênea')
+    X = gr.Number(label='Coordenada X (TM-POA)', value=281554.)
+    Y = gr.Number(label='Coordenada Y (TM-POA)', value=1675418.)
+    ATOTAL = gr.Number(label='Área Total (Conforme Cadastro Imobiliário)', value=12.)
+    ANO_2019 = gr.Checkbox(label='Ano 2019 - Carga Geral 2020', value=False)
+    ANO_2020 = gr.Checkbox(label='Ano 2020 - Carga Geral 2021', value=False)
+    ANO_2021 = gr.Checkbox(label='Ano 2021 - Carga Geral 2022', value=False)
+    ANO_2022 = gr.Checkbox(label='Ano 2022 - Carga Geral 2023', value=False)
+    ANO_2023 = gr.Checkbox(label='Ano 2023 - Carga Geral 2024', value=True)
+    return [ANO_CONST, RH, X, Y, ATOTAL, ANO_2019, ANO_2020, ANO_2021, ANO_2022, ANO_2023]
+
+title = 'Boxes - XGBoost Regressor - 2024'
+
+
+description =  f"""
+# <p style="text-align: center;">Modelo para Boxes de Estacionamento - XGBoost Regressor - 2024</p>
+<p style="text-align: center;">7.479 dados efetivamente utilizados, referentes aos anos 2019 a 2023.</p>
+<hr style="color: #333; background-color: #333; height: 1px; border: none;">
+"""