Update app.py

app.py

@@ -1,29 +1,65 @@
-import gradio as gr
 import pandas as pd
+import matplotlib.pyplot as plt
+import gradio as gr
+
+def detect_anomalies(data):
+    # Carregar os dados para um DataFrame pandas
+    df = pd.DataFrame(data, columns=["date", "value"])
+    df["date"] = pd.to_datetime(df["date"])
 
-# Função para detectar anomalias
-def detect_anomalies(file_path):
-    # Carregue o arquivo txt para um DataFrame
-    df = pd.read_csv(file_path, sep=",")
+    # Calcular a média e o desvio padrão dos valores
+    mean = df["value"].mean()
+    std = df["value"].std()
 
-    # Calcule a diferença absoluta entre cada valor e o valor médio
-    df["delta"] = abs(df["value"] - df["value"].mean())
+    # Detectar anomalias (valores que estão além de 2 desvios padrão da média)
+    anomalies = df[df["value"] > (mean + 2 * std) | df["value"] < (mean - 2 * std)]
 
-    # Encontre os valores com a maior diferença absoluta
-    anomalies = df.loc[df["delta"] > df["delta"].quantile(0.95)]
+    # Visualizar o gráfico de linhas com os dados e as anomalias destacadas
+    plt.figure(figsize=(10, 6))
+    plt.plot(df["date"], df["value"], label="Dados")
+    plt.scatter(anomalies["date"], anomalies["value"], color="red", label="Anomalias")
+    plt.xlabel("Data")
+    plt.ylabel("Valor")
+    plt.title("Análise de Anomalias nos Dados")
+    plt.legend()
+    plt.xticks(rotation=45)
+    plt.tight_layout()
+    plt.show()
 
-    # Retorne os valores anômalos como um dataframe
     return anomalies
 
-# Interface do Gradio
+# Criar a interface Gradio
 iface = gr.Interface(
     fn=detect_anomalies,
-    inputs=gr.inputs.File(label="Carregar série temporal (TXT)"),
-    outputs=gr.outputs.Dataframe(type="pandas", label="Pontos de Anomalia"),
-    title="Análise de Anomalias em Séries Temporais",
-    description="Este aplicativo detecta anomalias em uma série temporal carregada através de um arquivo de texto (TXT).",
-    live=True
+    inputs=gr.inputs.Dataframe(headers=["date", "value"]),
+    outputs="dataframe",
+    live=True,
+    capture_session=True,
+    examples=[
+        [["2023-01-01", 100],
+         ["2023-01-02", 105],
+         ["2023-01-03", 110],
+         ["2023-01-04", 95],
+         ["2023-01-05", 120],
+         ["2023-01-06", 125],
+         ["2023-01-07", 80],
+         ["2023-01-08", 130],
+         ["2023-01-09", 135],
+         ["2023-01-10", 140],
+         ["2023-01-11", 75],
+         ["2023-01-12", 145],
+         ["2023-01-13", 150],
+         ["2023-01-14", 155],
+         ["2023-01-15", 60],
+         ["2023-01-16", 160],
+         ["2023-01-17", 165],
+         ["2023-01-18", 170],
+         ["2023-01-19", 55],
+         ["2023-01-20", 175]]
+    ],
+    title="Detecção de Anomalias em Dados",
+    description="Insira os dados em formato de tabela com duas colunas: 'date' e 'value'. O aplicativo detectará e destacará anomalias nos valores."
 )
 
-if __name__ == "__main__":
-    iface.launch()
+# Executar o aplicativo
+iface.launch()