Update app.py

app.py

@@ -252,6 +252,7 @@ with tab2:
 
 with tab3:
     st.markdown(f'<style>{css_style}</style>', unsafe_allow_html=True)
+    # Parâmetro para o número de vizinhos
     k_neighbors = 5
     
     # Função para prever valores usando KNN e retornar os vizinhos mais próximos
@@ -282,11 +283,19 @@ with tab3:
     
         # Iterar pelos pontos e conectar vizinhos mais próximos
         for i, row in filtered_data.iterrows():
+            if i >= len(indices):
+                # Pular se o índice i não existir em indices
+                continue
+    
             coord_calculo = [row['latitude'], row['longitude']]
             folium.Marker(coord_calculo, popup=f"Predicted: {row['Predicted_target']:.2f}").add_to(marker_cluster)
     
             # Conectar os vizinhos com linhas
             for neighbor_idx in indices[i]:
+                if neighbor_idx >= len(filtered_data):
+                    # Ignorar se o índice do vizinho estiver fora do DataFrame
+                    continue
+                
                 neighbor_row = filtered_data.iloc[neighbor_idx]
                 coord_vizinho = [neighbor_row['latitude'], neighbor_row['longitude']]
                 folium.PolyLine([coord_calculo, coord_vizinho], color='blue', weight=2).add_to(mapa)
@@ -294,7 +303,7 @@ with tab3:
         # Exibir o mapa no Streamlit
         st.markdown("## **Mapa dos Vizinhos mais Próximos (KNN)**")
         st.write("O mapa mostra os pontos de dados usados no cálculo do KNN, conectados ao ponto de cálculo.")
-        st_folium = st.components.v1.html(mapa._repr_html_(), height=500)
+        st.components.v1.html(mapa._repr_html_(), height=500)
     else:
         st.warning(f"**Dados insuficientes para inferência do valor. Mínimo necessário:** {k_threshold}")