Update src/streamlit_app.py

src/streamlit_app.py

@@ -32,46 +32,42 @@ def _to_num(s):
         errors="coerce"
     )
 
-def _try_read_csv_only_root(path="levantamentoTurmas.csv"):
-    """
-    Lê exclusivamente ./levantamentoTurmas.csv na raiz do Space.
-    Tenta múltiplos separadores e encodings. Não faz upload, nem busca em outras pastas.
-    """
-    p = Path(path)
-    if not p.exists():
-        return None, f"Arquivo esperado não encontrado: {path} (coloque na raiz do Space)."
-
+def _try_read_csv(path: Path):
+    """Lê Dados/levantamentoTurmas.csv tentando separadores e encodings comuns."""
+    if not path.exists():
+        return None, f"Arquivo esperado não encontrado: {path}"
     last_err = None
     for enc in ("utf-8-sig", "utf-8", "latin1"):
         for sep in (None, ",", ";", "\t"):  # None = autodetect
             try:
-                df = pd.read_csv(p, sep=sep, engine="python", encoding=enc)
+                df = pd.read_csv(path, sep=sep, engine="python", encoding=enc)
                 if df.shape[1] == 1 and sep is None:
-                    df = pd.read_csv(p, sep=";", engine="python", encoding=enc)
-                return df, {"source": str(p), "sep": sep if sep is not None else "auto", "encoding": enc}
+                    df = pd.read_csv(path, sep=";", engine="python", encoding=enc)
+                return df, {"source": str(path), "sep": sep if sep is not None else "auto", "encoding": enc}
             except Exception as e:
                 last_err = e
                 continue
     return None, f"Falha ao ler {path}: {last_err}"
 
 @st.cache_data(show_spinner=False)
-def load_dataframe_root():
-    df, meta = _try_read_csv_only_root("levantamentoTurmas.csv")
+def load_dataframe_from_dados():
+    csv_path = Path("Dados/levantamentoTurmas.csv")
+    df, meta = _try_read_csv(csv_path)
     if df is None:
         return None, meta  # mensagem de erro
 
     # Normalização de cabeçalhos
     df.columns = _norm_cols(df.columns)
 
-    # Renomeio inteligente
+    # Renomeação inteligente
     ren = {}
     for c in df.columns:
         lc = c.lower()
-        if _pick(c, [r"^turma"]):                 ren[c] = "Turma"
-        elif _pick(c, [r"matriculado"]):          ren[c] = "Matriculados"
-        elif _pick(c, [r"\baprov"]):              ren[c] = "Aprovados" if "pct" not in lc else "pct_Aprov"
-        elif _pick(c, [r"reprov"]):               ren[c] = "Reprovados" if "pct" not in lc else "pct_Reprov"
-        elif _pick(c, [r"desistent|evas"]):       ren[c] = "Desistentes" if "pct" not in lc else "pct_Desist"
+        if _pick(c, [r"^turma"]):               ren[c] = "Turma"
+        elif _pick(c, [r"matriculado"]):        ren[c] = "Matriculados"
+        elif _pick(c, [r"\baprov"]):            ren[c] = "Aprovados" if "pct" not in lc else "pct_Aprov"
+        elif _pick(c, [r"reprov"]):             ren[c] = "Reprovados" if "pct" not in lc else "pct_Reprov"
+        elif _pick(c, [r"desistent|evas"]):     ren[c] = "Desistentes" if "pct" not in lc else "pct_Desist"
     df = df.rename(columns=ren)
 
     # Converte números/percentuais
@@ -79,7 +75,7 @@ def load_dataframe_root():
         if c in df.columns:
             df[c] = _to_num(df[c])
 
-    # Reconstrói contagens se vierem em %
+    # Reconstrói contagens quando vierem apenas em %
     if "Aprovados" not in df.columns and "pct_Aprov" in df.columns:
         df["Aprovados"] = (df["pct_Aprov"]/100 * df["Matriculados"]).round()
     if "Reprovados" not in df.columns and "pct_Reprov" in df.columns:
@@ -90,7 +86,7 @@ def load_dataframe_root():
     need = ["Turma","Matriculados","Aprovados","Reprovados","Desistentes"]
     miss = [c for c in need if c not in df.columns]
     if miss:
-        return None, f"Colunas ausentes no CSV raiz: {miss}"
+        return None, f"Colunas ausentes no CSV ({csv_path}): {miss}"
 
     base = df[need].copy()
     for c in need[1:]:
@@ -166,9 +162,9 @@ def sample_turma(base: pd.DataFrame, turma_label: str, n_sim: int, add_k: float,
 
 # ===================== App =====================
 st.title("Simulação de Monte Carlo — Dirichlet–Multinomial")
-st.caption("O app lê **./levantamentoTurmas.csv** (raiz do Space). Ajuste os parâmetros na lateral e simule.")
+st.caption("O app lê **Dados/levantamentoTurmas.csv**. Ajuste os parâmetros na lateral e simule.")
 
-base, err = load_dataframe_root()
+base, err = load_dataframe_from_dados()
 if err:
     st.error(err)
     st.stop()