Update app.py

app.py

@@ -2,6 +2,7 @@ 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')
 
@@ -13,7 +14,10 @@ X_with_constant = sm.add_constant(X)
 model = sm.OLS(y, X_with_constant)
 results = model.fit()
 
-def predict(input_df):
+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']
@@ -28,12 +32,24 @@ def predict(input_df):
     inter_conf = np.exp(ci)
 
     # Adicionar previsões e intervalos de confiança à planilha
-    input_df['Predicted'] = np.exp(y_pred)
-    input_df['CI Lower'] = inter_conf[:, 0]
-    input_df['CI Upper'] = inter_conf[:, 1]
-
-    return input_df
-
-# Interface Gradio
-iface = gr.Interface(fn=predict, inputs="dataframe", outputs="dataframe")
-iface.launch()
+    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()