Spaces:
Sleeping
Sleeping
Update app.py
Browse files
app.py
CHANGED
@@ -228,6 +228,17 @@ def avaliacao_imovel(planilha, num_linhas_desejadas=5):
|
|
228 |
ls_IC = round(media + tc * ((desvio_padrao/(num-1)**0.5)), 2)
|
229 |
A = round(ls_IC - li_IC, 2)
|
230 |
A_perc = round((A / media)*100, 2)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
231 |
# Crie uma string formatada com o INTEREVALO DE CONFIANÇA DE 80%
|
232 |
intervalo_confiança = f"""
|
233 |
t student: {tc}
|
@@ -236,6 +247,7 @@ def avaliacao_imovel(planilha, num_linhas_desejadas=5):
|
|
236 |
limite superior IC_80%: {ls_IC} R$/m²
|
237 |
Aplitude: {A} R$/m²
|
238 |
Aplitude %: {A_perc} %
|
|
|
239 |
"""
|
240 |
|
241 |
# VALOR CALCULADO A PARTIR DOS VALORES HOMOGENEIZADOS UTILIZANDO O CRITÉRIO DE CLASSAS D0 ABUNAHMAN
|
@@ -249,14 +261,7 @@ def avaliacao_imovel(planilha, num_linhas_desejadas=5):
|
|
249 |
list_C1 = result[(result['Vunit_hom'] >= li_IC) & (result['Vunit_hom'] <= li_IC + C)]['Vunit_hom'].tolist()
|
250 |
list_C2 = result[(result['Vunit_hom'] >= li_IC + C) & (result['Vunit_hom'] <= ls_IC - C)]['Vunit_hom'].tolist()
|
251 |
list_C3 = result[(result['Vunit_hom'] >= ls_IC - C) & (result['Vunit_hom'] <= ls_IC)]['Vunit_hom'].tolist()
|
252 |
-
|
253 |
-
#pesos = [C1 * elemento for elemento in list_C1] + [C2 * elemento for elemento in list_C2] + [C3 * elemento for elemento in list_C3]
|
254 |
-
#soma_valores = round(sum(pesos), 2)
|
255 |
-
#nC1 = 1 if C1 == 0 else C1
|
256 |
-
#nC2 = 1 if C2 == 0 else C2
|
257 |
-
#nC3 = 1 if C3 == 0 else C3
|
258 |
-
#nC = nC1 + nC2 + nC3
|
259 |
-
#media_pond = round(soma_valores / nC, 2)
|
260 |
|
261 |
pC1 = round(sum(C1 * elemento for elemento in list_C1), 2)
|
262 |
pC2 = round(sum(C2 * elemento for elemento in list_C2), 2)
|
@@ -334,6 +339,7 @@ def avaliacao_imovel(planilha, num_linhas_desejadas=5):
|
|
334 |
'Limite inferior do IC de 80%': [li_IC],
|
335 |
'Amplitude': [A],
|
336 |
'Amplitude%':[A_perc]
|
|
|
337 |
})
|
338 |
|
339 |
# Transponha o DataFrame
|
|
|
228 |
ls_IC = round(media + tc * ((desvio_padrao/(num-1)**0.5)), 2)
|
229 |
A = round(ls_IC - li_IC, 2)
|
230 |
A_perc = round((A / media)*100, 2)
|
231 |
+
def calcular_grau(a):
|
232 |
+
if a <= 30:
|
233 |
+
return "Grau III"
|
234 |
+
elif a <= 40:
|
235 |
+
return "Grau II"
|
236 |
+
elif a <= 50:
|
237 |
+
return "Grau I"
|
238 |
+
else:
|
239 |
+
return "Fora dos critérios"
|
240 |
+
precisao = calcular_grau(A_perc)
|
241 |
+
|
242 |
# Crie uma string formatada com o INTEREVALO DE CONFIANÇA DE 80%
|
243 |
intervalo_confiança = f"""
|
244 |
t student: {tc}
|
|
|
247 |
limite superior IC_80%: {ls_IC} R$/m²
|
248 |
Aplitude: {A} R$/m²
|
249 |
Aplitude %: {A_perc} %
|
250 |
+
Grau de Precisão: {precisao}
|
251 |
"""
|
252 |
|
253 |
# VALOR CALCULADO A PARTIR DOS VALORES HOMOGENEIZADOS UTILIZANDO O CRITÉRIO DE CLASSAS D0 ABUNAHMAN
|
|
|
261 |
list_C1 = result[(result['Vunit_hom'] >= li_IC) & (result['Vunit_hom'] <= li_IC + C)]['Vunit_hom'].tolist()
|
262 |
list_C2 = result[(result['Vunit_hom'] >= li_IC + C) & (result['Vunit_hom'] <= ls_IC - C)]['Vunit_hom'].tolist()
|
263 |
list_C3 = result[(result['Vunit_hom'] >= ls_IC - C) & (result['Vunit_hom'] <= ls_IC)]['Vunit_hom'].tolist()
|
264 |
+
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
265 |
|
266 |
pC1 = round(sum(C1 * elemento for elemento in list_C1), 2)
|
267 |
pC2 = round(sum(C2 * elemento for elemento in list_C2), 2)
|
|
|
339 |
'Limite inferior do IC de 80%': [li_IC],
|
340 |
'Amplitude': [A],
|
341 |
'Amplitude%':[A_perc]
|
342 |
+
'Grau de Precisão': [precisao]
|
343 |
})
|
344 |
|
345 |
# Transponha o DataFrame
|