import joblib
import pandas as pd
from fastapi import FastAPI
from fastapi.responses import HTMLResponse
from pydantic import BaseModel
app = FastAPI(
title="API de prédiction de prix Getaround",
description="API permettant de prédire le prix de location par jour d’un véhicule",
version="1.0",
docs_url="/api-docs"
)
model = joblib.load("model.joblib")
class CarFeatures(BaseModel):
model_key: str
mileage: int
engine_power: int
fuel: str
paint_color: str
car_type: str
private_parking_available: bool
has_gps: bool
has_air_conditioning: bool
automatic_car: bool
has_getaround_connect: bool
has_speed_regulator: bool
winter_tires: bool
@app.get("/")
def accueil():
return {"message": "Bienvenue sur l'API de prédiction de prix Getaround"}
@app.post("/predict")
def predict(features: CarFeatures):
data = pd.DataFrame([features.model_dump()])
prediction = model.predict(data)[0]
return {
"prix_location_par_jour": round(prediction, 2)
}
@app.get("/docs", response_class=HTMLResponse)
def documentation():
return """
Documentation API Getaround
🚗 API de prédiction de prix Getaround
Cette API permet de prédire le prix de location par jour d’un véhicule
en fonction de ses caractéristiques.
Endpoints disponibles
GET /
Description : retourne un message de bienvenue.
Entrée : aucune.
Sortie attendue :
{
"message": "Bienvenue sur l'API de prédiction de prix Getaround"
}
POST /predict
Description : prédit le prix de location par jour d’un véhicule.
Entrée requise : un objet JSON contenant les caractéristiques du véhicule.
{
"model_key": "Peugeot",
"mileage": 50000,
"engine_power": 120,
"fuel": "diesel",
"paint_color": "black",
"car_type": "sedan",
"private_parking_available": true,
"has_gps": true,
"has_air_conditioning": true,
"automatic_car": false,
"has_getaround_connect": true,
"has_speed_regulator": true,
"winter_tires": false
}
Sortie attendue :
{
"prix_location_par_jour": 100.35
}
Tester l’API
Une documentation interactive Swagger est disponible ici :
/api-docs
"""