Update app.py

app.py

@@ -1,106 +1,84 @@
-# Fonction de prédiction
+# Importer gradio
 import gradio as gr
 import joblib
-import pandas as pd
 import numpy as np
-# Importer les encodeurs
-encoder0 = joblib.load('marque.joblib')
-encoder1 = joblib.load('transmission.joblib')
-encoder2 = joblib.load('quartier.joblib')
-encoder3 = joblib.load('etat.joblib')
-# Import du modèle le plus performent
-xgb_model = joblib.load('xgb_model.joblib')
-# Import du normaliseur
-mm = joblib.load('scaler.joblib')
-def Pred_funct_simple(marque, annee, transmission, quartier, prix):
-  # Encoder les valeurs des Fuel_Type, Seller_Type et Transmission
-  marque = encoder0.transform([marque])[0]
-  transmission = encoder1.transform([transmission])[0]
-  quartier = encoder2.transform([quartier])[0]
-  # vecteur des valeurs numériques
-  x_new = np.array([marque, annee, transmission, quartier, prix])
-  x_new = x_new.reshape(1,-1) # convert en un 2D array
-  # Normaliser les données
-  x_new = mm.transform(x_new)
-  # Prediction
-  y_pred = xgb_model.predict(x_new)
-  if y_pred[0] == 1:
-    return "Venant" 
-  else :
-    return "D'occasion"
-
-# Fonction de prédiction multiple
-def Pred_func_csv(file):
-  # Lire le fichier csv
-  df = pd.read_csv(file)
-  predictions = []
-  # Boucle sur les lignes du dataframe
-  for row in df.iloc[:, :].values:
-    y_pred = Pred_funct_simple(row[0], row[1],row[2],row[3],row[4])
-    # ajouter la prediction sur List_predictions
-    predictions.append(y_pred)
-
+import pandas as pd
+# Télécharger le model
+model = joblib.load("knn_model.joblib")
+# Téléchager le scaler
+scaler = joblib.load("scaler.joblib")
+# Télécharger les encoders
+encoder0 = joblib.load("marque.joblib")
+encoder1 = joblib.load("transmission.joblib")
+encoder2 = joblib.load('region.joblib')
+# Foncton de prediction simple
+def predict_simple(marque, annee, transmission, prix, region):
+    marque = encoder0.transform([marque])[0]
+    transmission = encoder1.transform([transmission])[0]
+    region = encoder2.transform([region])[0]
+    # vecteur des valeurs numériques
+    x_new = np.array([marque, annee, transmission, prix, region])
+    x_new = x_new.reshape(1,-1)
+    # Normaliser les données
+    x_new = scaler.transform(x_new)
+    # Prediction
+    y_pred = model.predict(x_new)
+    # Afficher
+    return "Venante" if y_pred == 1 else "Occasion"
 
-  df.to_csv('predictions.csv', index = False)
-  return 'predictions.csv'
+# FOnction de prediction multiple
+def predict_multiple(file):
+    # Lire le fichier
+    df = pd.read_csv(file)
+    predictions = []
+    for row in df.iloc[:, :].values:
+        y_pred = predict_simple(row[0], row[1],row[2],row[3],row[4])
+        # ajouter la prediction sur List_predictions
+        predictions.append(y_pred)
 
-# définir les blocks
-demo = gr.Blocks(theme = gr.themes.Ocean())
-#gr.themes.Monochrome()
-# gr.themes.Citrus()
-# gr.themes.Glass()
-# gr.themes.Ocean()
+    df.to_csv('predictions.csv', index = False)
+    return 'predictions.csv'
 
-# Créer les inputs
-inputs = [gr.Dropdown(choices=['Acura', 'Audi', 'Autres', 'BMW', 'Buick', 'Cadillac', 'Chevrolet',
+# Interface gradio
+demo = gr.Blocks(theme = gr.themes.Glass())
+inputs = [gr.Dropdown(choices= ['Acura', 'Audi', 'Autres', 'BMW', 'Buick', 'Cadillac', 'Chevrolet',
        'Chrysler', 'Citroen', 'Dacia', 'Daihatsu', 'Dodge', 'Fiat',
        'Ford', 'GMC', 'Great Wall', 'Honda', 'Hyundai', 'Infinity',
        'Isuzu', 'Jaguar', 'Jeep', 'Kia', 'Land Rover', 'Lexus', 'Lincoln',
        'Maserati', 'Mazda', 'Mercedes-Benz', 'Mini', 'Mitsubishi',
        'Nissan', 'Opel', 'Peugeot', 'Porsche', 'Range Rover', 'Renault',
        'Saturn', 'Seat', 'Skoda', 'Ssangyong', 'Subaru', 'Suzuki', 'Tata',
-       'Toyota', 'Volkswagen'],
-                      label='Marque'),
-          gr.Number(label='Année'),
-          gr.Radio(choices=['Automatique', 'Manuelle', 'Tiptronic'], label='Transmission'),
-          gr.Dropdown(choices=['Liberte 6', 'Yoff', 'Cité Damel', 'Almadies', 'Hlm', 'VDN',
-       'Plateau', 'Parcelles Assainies', 'Liberte 6 extension',
-       'Colobane', 'Sicap foire', 'Fenêtre mermoz', 'Golf', 'Rufisque',
-       'Nord foire', 'Ouest foire', 'Sacré-cœur', 'Sicap Liberté',
-       'Hann maristes', 'Mbao', 'Gueule-Tapée', 'Amitié', 'Guediawaye',
-       'Mermoz', 'Mamelles', 'Pikine', 'Cité keur gorgui', 'Grand-Yoff',
-       'Grand-Dakar', 'Fann', 'Keur Massar', 'Hlm grand-yoff',
-       'Avenue Bourguiba', 'Castor', 'Médina', 'Patte d‘oie', 'Dieuppeul',
-       'Zac Mbao', 'Cambérène', 'Hann Bel-Air', 'Cité biagui', 'Dalifort',
-       'Ngor', 'Point-e', 'Liberte 5', 'Bargny', 'Comico', 'Almadies 2',
-       'Biscuiterie', 'Sud foire', 'Gibraltar', 'Diamaguene', 'Malika',
-       'Tivaouane peulh', 'Bel air', 'Zone de captage', 'Djily mbaye',
-       'Sicap Sacré-cœur', 'Yeumbeul', 'Ouakam', 'Liberte 2', 'Virage',
-       'Thiaroye', 'Sebikotane', 'Niague', 'Sangalkam', 'Sicap mbao',
-       'Liberte 1', 'Ndiakhirate', 'Diamniadio', 'Cite Mixta',
-       'Cité assemblée', 'Sicap baobab', 'Bambilor', 'Hann marinas',
-       'Keur ndiaye lô', 'Derkle', 'Liberte 4', 'Gorée', 'Cité avion',
-       'Yene', 'Lac rose', 'Lac Rose', 'Cité asecna', 'Fann Hock',
-       'Liberte 3'], label='Quartier'),
-          gr.Number(label='Prix')]
-# Créer les outputs
-outputs = gr.Textbox(label='Etat')
-# Créer l'interface 1
-interface1 = gr.Interface(fn = Pred_funct_simple,
-                         inputs = inputs,
-                         outputs = outputs,
-                         title="Prédire si une voiture est du type Venant ou D'occasion",
-                         )
-# Créer l'interface 2
-interface2 = gr.Interface(fn = Pred_func_csv,
-                         inputs = gr.File(label='Upload a csv file'),
-                          outputs = gr.File(label='Download a csv file'),
-                         title="Prédire si une voiture est du type Venant ou D'occasion avec la prédiction multiple",
-                         )
-
-# faire un tabbing des interfaces
-with demo:
-  gr.TabbedInterface([interface1, interface2], ['Simple Prediction', 'Prédiction multiple'])
-
-# lancer l'interface
-demo.launch()
+       'Toyota', 'Volkswagen'],label= "Marque"),
+              gr.Slider(2000, 2025, step=1, label="Année"),
+              gr.Dropdown(choices=['Automatique', 'Manuelle', 'Tiptronic'],label="Transmission"),
+              gr.Number(label="Prix"),
+              gr.Dropdown(choices=['Almadies', 'Almadies 2', 'Amitié', 'Avenue Bourguiba', 'Bambilor',
+       'Bargny', 'Bel air', 'Biscuiterie', 'Cambérène', 'Castor',
+       'Cite Mixta', 'Cité Damel', 'Cité asecna', 'Cité assemblée',
+       'Cité avion', 'Cité biagui', 'Cité keur gorgui', 'Colobane',
+       'Comico', 'Dalifort', 'Derkle', 'Diamaguene', 'Diamniadio',
+       'Dieuppeul', 'Djily mbaye', 'Fann', 'Fann Hock', 'Fenêtre mermoz',
+       'Gibraltar', 'Golf', 'Gorée', 'Grand-Dakar', 'Grand-Yoff',
+       'Guediawaye', 'Gueule-Tapée', 'Hann Bel-Air', 'Hann marinas',
+       'Hann maristes', 'Hlm', 'Hlm grand-yoff', 'Keur Massar',
+       'Keur ndiaye lô', 'Lac Rose', 'Lac rose', 'Liberte 1', 'Liberte 2',
+       'Liberte 3', 'Liberte 4', 'Liberte 5', 'Liberte 6',
+       'Liberte 6 extension', 'Malika', 'Mamelles', 'Mbao', 'Mermoz',
+       'Médina', 'Ndiakhirate', 'Ngor', 'Niague', 'Nord foire', 'Ouakam',
+       'Ouest foire', 'Parcelles Assainies', 'Patte d‘oie', 'Pikine',
+       'Plateau', 'Point-e', 'Rufisque', 'Sacré-cœur', 'Sangalkam',
+       'Sebikotane', 'Sicap Liberté', 'Sicap Sacré-cœur', 'Sicap baobab',
+       'Sicap foire', 'Sicap mbao', 'Sud foire', 'Thiaroye',
+       'Tivaouane peulh', 'VDN', 'Virage', 'Yene', 'Yeumbeul', 'Yoff',
+       'Zac Mbao', 'Zone de captage'], label="Region")]
+outputs = gr.Textbox(label="Etat")
+interface1 = gr.Interface(fn = predict_simple,inputs=inputs,outputs=outputs,
+                          title=" Predire si une voiture est venante ou occasion",
+                          description=" Faire la prediction simple pour savoir si une voiture est venante ou occasion")
+interface2 = gr.Interface(fn = predict_multiple, inputs=gr.File(label="Téléversez un fichier csv"),
+                          outputs=gr.File(label="Télécharger votre fichier"),
+                         title=" Predire si une voiture est venante ou occasion avec une prediction multiple",
+                         description=" Faire la prediction simple pour savoir si une voiture est venante ou occasion avec une prediction multiple")
+with demo :
+    gr.TabbedInterface([interface1, interface2],['Simple Prediction', 'Prédiction multiple'])
+demo.launch()