Update app.py

app.py

@@ -64,23 +64,41 @@ def calcular_fator_avaliacao(titulo, EC, PU):
     fator_avaliacao = max((4 * ec_pontuacao + 6 * PVU - 3 * PUB) / 100, VR)
     return fator_avaliacao
 
+def select_nearest_items(df, n=5):
+    median_price = df['Price'].median()
+    df['Distance'] = (df['Price'] - median_price).abs()
+    df_sorted = df.sort_values(by=['Distance', 'Marketplace'])  # Sort by distance then by marketplace to diversify
+    selected_items = pd.DataFrame()
+
+    marketplaces_seen = set()
+    for _, row in df_sorted.iterrows():
+        if len(selected_items) >= n:
+            break
+        if row['Marketplace'] not in marketplaces_seen:
+            selected_items = selected_items.append(row, ignore_index=True)
+            marketplaces_seen.add(row['Marketplace'])
+
+    selected_items = selected_items.drop(columns=['Distance'])  # Remove the temporary 'Distance' column
+    return selected_items
+
 def integrated_app(query, titulo, EC, PU):
-    df = fetch_data_to_dataframe(query, 50, "mercadolibre")
-    df = pd.concat([df, data_crawler], ignore_index=True)
-    if df.empty:
+    df_mercadolibre = fetch_data_to_dataframe(query, 50, "mercadolibre")
+    df_combined = pd.concat([df_mercadolibre, data_crawler], ignore_index=True)
+    
+    if df_combined.empty:
         return "Nenhum dado encontrado. Tente uma consulta diferente.", pd.DataFrame()
 
-    df = refinar_resultados(df)
-    df_similares = filtrar_itens_similares(df, query)
+    df_refined = refinar_resultados(df_combined)
+    df_similares = filtrar_itens_similares(df_refined, query)
        
     if df_similares.empty:
         return "Nenhum item similar encontrado.", pd.DataFrame()
     else:
-        mean_price = df_similares['Price'].mean()
+        df_nearest = select_nearest_items(df_similares)
+        mean_price = df_nearest['Price'].mean()
         fator_avaliacao = calcular_fator_avaliacao(titulo, EC, PU)
         valor_avaliacao = mean_price * fator_avaliacao
-        return f"Valor Médio do Bem: R$ {mean_price:.2f}, Fator de Avaliação: {fator_avaliacao*100:.2f}%, Valor de Avaliação: R$ {valor_avaliacao:.2f}", df_similares
-
+        return f"Valor Médio do Bem: R$ {mean_price:.2f}, Fator de Avaliação: {fator_avaliacao*100:.2f}%, Valor de Avaliação: R$ {valor_avaliacao:.2f}", df_nearest
 
 titulos = bens_df['TITULO'].unique().tolist()