app.py

import matplotlib.pyplot as plt
import io
from PIL import Image
import pickle
import pandas as pd
import gradio as gr

import gradio as gr
import pandas as pd
import joblib

# Cargar el modelo de pronóstico
model = joblib.load('modelo_rf.pkl')

# Definir las opciones para 'Borough' y 'Tipo_de_taxi'
borough_options = ['Bronx', 'Brooklyn', 'Manhattan', 'Staten Island']
taxi_options = ['yellow', 'green']

# Función para realizar las predicciones
def make_predictions(borough, taxi, years):
    # Crear un DataFrame con las características de entrada
    df = pd.DataFrame({'borough': [borough], 'Tipo_de_taxi': [taxi]})

    # Generar los años de pronóstico
    years_range = pd.date_range(start='today', periods=years, freq='Y').year

    # Realizar las predicciones para cada año de pronóstico
    predictions = []
    for year in years_range:
        df['Date'] = pd.to_datetime(year, format='%Y')
        prediction = model.predict(df)
        predictions.append(prediction)

    # Crear un DataFrame con los años y las predicciones
    result_df = pd.DataFrame({'Year': years_range, 'Prediction': predictions})

    return result_df

# Interfaz de Gradio
iface = gr.Interface(
    fn=make_predictions,
    inputs=[
        gr.inputs.Dropdown(choices=borough_options, label='Borough'),
        gr.inputs.Dropdown(choices=taxi_options, label='Tipo_de_taxi'),
        gr.inputs.Slider(minimum=1, maximum=10, default=5, label='Years')
    ],
    outputs=gr.outputs.Dataframe(headers=['Year', 'Prediction'])
)

# Ejecutar la interfaz de Gradio
iface.launch()