app.py

import gradio as gr
import pandas as pd
import statsmodels.api as sm
import numpy as np

df = pd.read_excel('MOD_VC.xlsx', 'DF')

df = df.round(2)
df[['AREA', 'TEST', 'VU']] = np.log(df[['AREA', 'TEST', 'VU']])
df['RB'] = (1/df['RB'])

# Separar as variáveis independentes (X) e dependente (y)
X = df[['AREA', 'TEST', 'PAV', 'POS', 'RB']]
y = df['VU']

X_with_constant = sm.add_constant(X)
model = sm.OLS(y, X_with_constant)
results = model.fit()

def predict(file):
    # Lendo o arquivo de input
    input_df = pd.read_excel(file)

    # Processamento da planilha de input
    input_df[['AREA', 'TEST']] = np.log(input_df[['AREA', 'TEST']])
    input_df['RB'] = (1/input_df['RB'])

    # Preparar dados para predição
    X_new = np.array(input_df)
    X_new_with_constant = np.insert(X_new, 0, 1, axis=1)

    # Fazer previsões
    y_pred = results.predict(X_new_with_constant)
    ci = results.get_prediction(X_new_with_constant).conf_int(alpha=0.2)
    inter_conf = np.exp(ci)

    # Adicionar previsões e intervalos de confiança à planilha
    input_df['Prev'] = np.exp(y_pred)
    input_df['LI_IC'] = inter_conf[:, 0]
    input_df['LS_IC'] = inter_conf[:, 1]

    input_df[['AREA', 'TEST']] = np.exp(input_df[['AREA', 'TEST']])
    input_df['RB'] = (1/input_df['RB'])
    
    # Save the output DataFrame as an XLS file
    output_file = 'avaliacao_massa.xlsx'
    input_df.to_excel(output_file, index=False)
    
    return output_file

iface = gr.Interface(
    fn=predict,
    inputs=gr.File(label="Carregue seu arquivo XLS/XLSX"),
    outputs=gr.File(label="Baixar arquivo"),
    title="Vera Cruz - Avaliação em massa",
    description="Faça o upload de um arquivo XLS/XLSX para previsão em massa. Download de planilha de exemplo <a href='https://huggingface.co/spaces/fschwartzer/VC_MASSA/resolve/main/teste.xlsx' download='teste.xlsx'>aqui</a>."
)

iface.launch()