Update app.py

app.py

@@ -117,18 +117,34 @@ tab_df = df[df['Instituição'] == selected_instituicao]
 data = []
 
 ultimo_ano = last_rows[['Instituição', 'Conta', 'Últimos 12 meses']]
+print(ultimo_ano)
 
 with tab1:
-    for conta in ultimo_ano['Conta'].unique():
-        # Filter the DataFrame for the current 'Conta'
-        conta_df = ultimo_ano[ultimo_ano['Conta'] == conta]
+        for conta in tab_df['Conta'].unique():
+            # Filter the DataFrame for the current 'Conta'
+            conta_df = tab_df[tab_df['Conta'] == conta]
+
+        # Iterate over each row in the filtered DataFrame for the current 'Conta'
+        for _, row in conta_df.iterrows():
+            lines = row['Forecasts'].split('\n')
+            for line in lines[:-1]:  # Skip the summary line
+                if line.strip():
+                    parts = line.split()
+                    value = parts[-1]
+                    try:
+                        conta_sum += float(value)
+                    except ValueError:
+                        print(f"Skipping line unable to convert to float: {line}")
+
+        # Append the data to the list
+        data.append({'Conta': conta, 'Modelo': modelo, 'Próximos 12 meses': conta_sum})
 
     # Convert the list to a DataFrame
-    table_data = pd.DataFrame(conta_df)
-    total_sum = table_data['Últimos 12 meses'].sum()
+    table_data = pd.DataFrame(data)
+    total_sum = table_data['Próximos 12 meses'].sum()
 
     labels = table_data['Conta']
-    sizes = [(i / total_sum) * 100 for i in table_data['Últimos 12 meses']]
+    sizes = [(i / total_sum) * 100 for i in table_data['Próximos 12 meses']]
 
     #fig1, ax1 = plt.subplots()
     #ax1.pie(sizes, labels=labels, autopct='%1.1f%%',)