Update app.py

app.py

@@ -74,13 +74,41 @@ try:
     if LOAD_TEST_DATA:
         try:
             initial_df_for_test = pd.read_csv(TEST_DATA_PATH)
-            # Renomear colunas do CSV para corresponder às chaves internas (task.name)
-            # Esta parte pode precisar de ajustes dependendo dos nomes exatos das colunas no CSV
-            rename_map = {task.value.col_name: task.name for task in Tasks}
-            # Adicionar mapeamento para outras colunas se necessário (ex: 'Model' -> 'model')
-            rename_map["Model"] = AutoEvalColumn.model.name # Exemplo
-            # Adicione outros mapeamentos conforme necessário
+            # Renomear colunas do CSV para corresponder às chaves internas
+            rename_map = {}
+            # Mapear tasks (Nome no CSV -> Nome interno da Enum Task)
+            for task in Tasks:
+                rename_map[task.value.col_name] = task.name # Ex: {"Revalida": "REVALIDA"}
+            
+            # Mapear outras colunas (Nome no CSV -> Nome interno de AutoEvalColumn)
+            # Verificar se a coluna existe no CSV antes de adicionar ao mapa
+            csv_columns = initial_df_for_test.columns
+            
+            if "T" in csv_columns: rename_map["T"] = AutoEvalColumn.model_type_symbol.name
+            if "Modelo" in csv_columns: rename_map["Modelo"] = AutoEvalColumn.model.name
+            if "Tipo" in csv_columns: rename_map["Tipo"] = AutoEvalColumn.model_type.name
+            if "Arquitetura" in csv_columns: rename_map["Arquitetura"] = AutoEvalColumn.architecture.name
+            if "Tipo de Peso" in csv_columns: rename_map["Tipo de Peso"] = AutoEvalColumn.weight_type.name
+            if "Precisão" in csv_columns: rename_map["Precisão"] = AutoEvalColumn.precision.name
+            if "Licença" in csv_columns: rename_map["Licença"] = AutoEvalColumn.license.name
+            if "#Params (B)" in csv_columns: rename_map["#Params (B)"] = AutoEvalColumn.params.name
+            if "Hub Likes" in csv_columns: rename_map["Hub Likes"] = AutoEvalColumn.likes.name
+            if "Disponível no hub" in csv_columns: rename_map["Disponível no hub"] = AutoEvalColumn.still_on_hub.name
+            if "SHA do modelo" in csv_columns: rename_map["SHA do modelo"] = AutoEvalColumn.revision.name
+            # Mapear colunas de médias (já devem estar com nome correto se calculadas, mas por segurança)
+            if "Média Geral" in csv_columns: rename_map["Média Geral"] = AutoEvalColumn.average.name
+            if "Área Médica" in csv_columns: rename_map["Área Médica"] = AutoEvalColumn.area_medica_avg.name
+            if "Área do Direito" in csv_columns: rename_map["Área do Direito"] = AutoEvalColumn.area_direito_avg.name
+            if "Provas Militares" in csv_columns: rename_map["Provas Militares"] = AutoEvalColumn.provas_militares_avg.name
+            if "Computação" in csv_columns: rename_map["Computação"] = AutoEvalColumn.computacao_avg.name
+            if "Discurso de Ódio" in csv_columns: rename_map["Discurso de Ódio"] = AutoEvalColumn.discurso_odio_avg.name
+            if "Economia e Contabilidade" in csv_columns: rename_map["Economia e Contabilidade"] = AutoEvalColumn.economia_contabilidade_avg.name
+            if "Semântica e Inferência" in csv_columns: rename_map["Semântica e Inferência"] = AutoEvalColumn.semantica_inferencia_avg.name
+            if "Multidisciplinar" in csv_columns: rename_map["Multidisciplinar"] = AutoEvalColumn.multidisciplinar_avg.name
+
+            # Aplicar o rename
             initial_df_for_test.rename(columns=rename_map, inplace=True)
+            print(f"Colunas após renomeação: {initial_df_for_test.columns.tolist()}") # Log para verificar
             print("DataFrame de teste carregado e colunas renomeadas.")
         except FileNotFoundError:
             print(f"Erro: Arquivo de teste não encontrado em {TEST_DATA_PATH}")