Update app.py

app.py

@@ -7,6 +7,17 @@ import googlemaps
 from geopy.exc import GeocoderTimedOut
 import locale
 
+def format_money(res: int) -> str:
+    """
+    Given some int, convert it to currency
+    Args:
+        res (int): Money input as int
+    Returns:
+        str: Currency as string
+    """
+    locale.setlocale(locale.LC_ALL, "pt_BR.UTF-8")
+    return locale.currency(res, grouping=True)
+    
 # Function to calculate distance in meters between two coordinates
 def calculate_distance(lat1, lon1, lat2, lon2):
     coords_1 = (lat1, lon1)
@@ -261,13 +272,9 @@ if 'Predicted_target' in filtered_data.columns and not np.all(predicted_target =
     # Apply bootstrap on the predicted values
     lower_bound, higher_bound, mean_value = bootstrap_stats(predicted_target)
 
-    # Set the locale to Brazilian Portuguese
-    locale.setlocale(locale.LC_ALL, 'pt_BR')
-    #locale.setlocale(locale.LC_MONETARY, 'pt_BR')
-
     # Display the results with custom styling
     st.markdown("## **Resultado da Análise Estatística**")
-    st.write(f"**Valor médio (R$/m²) para as características selecionadas:** {locale.currency(mean_value)}")
-    st.write(f"**Os valores podem variar entre R${locale.currency(lower_bound)} e R${locale.currency(higher_bound)} dependendo das características dos imóveis.**")
+    st.write(f"**Valor médio (R$/m²) para as características selecionadas:** {format_money(mean_value)}")
+    st.write(f"**Os valores podem variar entre {format_money(lower_bound)} e {format_money(higher_bound)} dependendo das características dos imóveis.**")
 else:
     st.warning(f"**Dados insuficientes para inferência do valor. Mínimo necessário:** {k_threshold}")