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

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

# 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()
    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]

    # Convertendo o DataFrame de volta para um arquivo Excel
    output = io.BytesIO()
    with pd.ExcelWriter(output, engine='xlsxwriter') as writer:
        input_df.to_excel(writer, index=False)
    output.seek(0)
    
    return output

iface = gr.Interface(
    fn=predict,
    inputs=gr.inputs.File(type="file", label="Carregue seu arquivo XLS/XLSX"),
    outputs=gr.outputs.File(file_name="avaliacao_massa.xlsx"),
    title="Vera Cruz - Avaliação em massa",
    description="Faça o upload de um arquivo XLS/XLSX para previsão em massa. Download de planilha de exemplo [aqui]('teste.xlsx')."
)

iface.launch()