Update app.py

app.py

@@ -145,8 +145,10 @@ def plot_relacoes_bivariadas(df, variaveis_selecionadas):
     fig, axes = plt.subplots(n_rows, n_cols, figsize=(15, 4 * n_rows))
     
     # Garante que axes seja sempre uma lista 2D
-    if n_rows == 1:
-        axes = [axes] if n_cols == 1 else axes
+    if n_rows == 1 and n_cols == 1:
+        axes = np.array([axes])
+    elif n_rows == 1:
+        axes = axes
     else:
         axes = axes.ravel()
     
@@ -279,6 +281,13 @@ def treinar_modelo(variaveis_selecionadas, usar_modelo_robusto=False):
 
 def plot_importance_features(feature_importance_df):
     """Plota a importância das features para Random Forest"""
+    if feature_importance_df is None or len(feature_importance_df) == 0:
+        fig, ax = plt.subplots(figsize=(8, 4))
+        ax.text(0.5, 0.5, 'Nenhuma importância disponível', 
+                ha='center', va='center', transform=ax.transAxes, fontsize=12)
+        ax.set_title('Importância das Variáveis')
+        return fig
+    
     fig, ax = plt.subplots(figsize=(10, 5))
     sns.barplot(data=feature_importance_df, x='Importance', y='Feature', ax=ax)
     ax.set_title('Importância das Variáveis - Random Forest', fontsize=12)
@@ -316,7 +325,12 @@ def analise_completa(variaveis_selecionadas, usar_modelo_robusto=False):
     if usar_modelo_robusto and resultados['feature_importance'] is not None:
         fig_importance = plot_importance_features(resultados['feature_importance'])
     else:
-        fig_importance = None
+        # Cria um gráfico vazio quando não há feature importance
+        fig_importance, ax = plt.subplots(figsize=(8, 4))
+        ax.text(0.5, 0.5, 'Feature Importance disponível apenas para Random Forest', 
+                ha='center', va='center', transform=ax.transAxes, fontsize=12)
+        ax.set_title('Importância das Variáveis')
+        plt.tight_layout()
     
     # Estatísticas descritivas
     stats_descritivas = df_model['SalePrice'].describe().reset_index()
@@ -509,18 +523,39 @@ with gr.Blocks(
             variaveis_selecionadas = get_selected_variables(*checkbox_values)
             
             if not variaveis_selecionadas:
-                raise gr.Error("❌ Selecione pelo menos uma variável para análise.")
+                # Retorna valores padrão se nenhuma variável selecionada
+                empty_fig, ax = plt.subplots(figsize=(8, 4))
+                ax.text(0.5, 0.5, 'Selecione variáveis para ver a análise', 
+                        ha='center', va='center', transform=ax.transAxes, fontsize=12)
+                ax.set_title('Aguardando seleção')
+                plt.tight_layout()
+                
+                empty_data = [["Selecione variáveis", "Selecione variáveis"]]
+                empty_json = {"Status": "Selecione variáveis para análise"}
+                
+                return (empty_fig, empty_fig, empty_fig, empty_fig, empty_fig, 
+                       empty_json, empty_data, empty_data, "Nenhum modelo")
             
             resultados = analise_completa(variaveis_selecionadas, usar_robusto)
-            output = list(resultados[:7])
-            output.append(resultados[8])
             
-            if not usar_robusto:
-                output[4] = None
-                
+            # Garante que retornamos exatamente 9 valores
+            output = list(resultados)
+            
             return output
+            
         except Exception as e:
-            raise gr.Error(f"Erro na análise: {str(e)}")
+            # Retorna gráficos de erro em caso de falha
+            error_fig, ax = plt.subplots(figsize=(8, 4))
+            ax.text(0.5, 0.5, f'Erro: {str(e)}', 
+                    ha='center', va='center', transform=ax.transAxes, fontsize=10)
+            ax.set_title('Erro na análise')
+            plt.tight_layout()
+            
+            error_data = [["Erro", str(e)]]
+            error_json = {"Erro": str(e)}
+            
+            return (error_fig, error_fig, error_fig, error_fig, error_fig, 
+                   error_json, error_data, error_data, "Erro")
     
     def predizer_preco_wrapper(*args):
         try:
@@ -577,4 +612,4 @@ with gr.Blocks(
 
 # Configuração para Spaces
 if __name__ == "__main__":
-    demo.launch()
+    demo.launch(debug=True)