Update app.py

app.py

@@ -192,30 +192,44 @@ if not filtered_df.empty:
     last_df['Últimos 12 meses'] = last_df['Últimos 12 meses'].apply(format_currency)
     table_data = pd.merge(table_data, last_df)
 
-        # Calculate the grand total sum of all 'Conta' values
-    total_sum = table_data['Próximos 12 meses'].replace(r'R\$ ', '', regex=True).replace(',', '', regex=True).astype(float).sum()
-
-    total_sum_prev = table_data['Últimos 12 meses'].replace(r'R\$ ', '', regex=True).replace(',', '', regex=True).astype(float).sum()
-
-    # Append the "Total" row
-    total_row = pd.DataFrame({'Conta': ['TOTAL (RLIT)'], 'Modelo': [''], 'Próximos 12 meses': [f'R$ {total_sum:,.2f}'], 'Últimos 12 meses': [f'R$ {total_sum_prev:,.2f}']})
-    table_data = pd.concat([table_data, total_row], ignore_index=True)
-
-    # Calculate and append the rows for "Saúde (12% da RLIT)" and "Educação (25% da RLIT)"
-    saude_value = total_sum * 0.15
-    educacao_value = total_sum * 0.25
-    saude_value_prev = total_sum_prev * 0.15
-    educacao_value_prev = total_sum_prev * 0.25
-    saude_row = pd.DataFrame({'Conta': ['Saúde (15% da RLIT)'], 'Modelo': [''], 'Próximos 12 meses': [f'R$ {saude_value:,.2f}'], 'Últimos 12 meses': [f'R$ {saude_value_prev:,.2f}']})
-    educacao_row = pd.DataFrame({'Conta': ['Educação (25% da RLIT)'], 'Modelo': [''], 'Próximos 12 meses': [f'R$ {educacao_value:,.2f}'], 'Últimos 12 meses': [f'R$ {educacao_value_prev:,.2f}']})
-
-    # Append these rows to the table data
-    table_data = pd.concat([table_data, saude_row, educacao_row], ignore_index=True)
-
-    table_data.fillna('-', inplace=True)
+    try:
+        # Removing 'R$ ' and commas from the monetary columns for conversion to float
+        # Use regex=True in replace() method to ensure all instances are replaced
+        table_data['Próximos 12 meses'] = table_data['Próximos 12 meses'].replace(r'R\$ ', '', regex=True).replace(',', '', regex=True).astype(float)
+        table_data['Últimos 12 meses'] = table_data['Últimos 12 meses'].replace(r'R\$ ', '', regex=True).replace(',', '', regex=True).astype(float)
+
+        # Calculate the grand total sum of 'Próximos 12 meses' and 'Últimos 12 meses' values
+        total_sum = table_data['Próximos 12 meses'].sum()
+        total_sum_prev = table_data['Últimos 12 meses'].sum()
+
+        # Append the "Total" row
+        total_row = pd.DataFrame({
+            'Conta': ['TOTAL (RLIT)'],
+            'Modelo': [''],
+            'Próximos 12 meses': [f'R$ {total_sum:,.2f}'],
+            'Últimos 12 meses': [f'R$ {total_sum_prev:,.2f}']
+        })
+        table_data = pd.concat([table_data, total_row], ignore_index=True)
+
+        # Additional rows calculations and appending
+        # Assuming percentages for health and education as previously mentioned
+        saude_value = total_sum * 0.15
+        educacao_value = total_sum * 0.25
+        saude_value_prev = total_sum_prev * 0.15
+        educacao_value_prev = total_sum_prev * 0.25
+        saude_row = pd.DataFrame({'Conta': ['Saúde (15% da RLIT)'], 'Modelo': [''], 'Próximos 12 meses': [f'R$ {saude_value:,.2f}'], 'Últimos 12 meses': [f'R$ {saude_value_prev:,.2f}']})
+        educacao_row = pd.DataFrame({'Conta': ['Educação (25% da RLIT)'], 'Modelo': [''], 'Próximos 12 meses': [f'R$ {educacao_value:,.2f}'], 'Últimos 12 meses': [f'R$ {educacao_value_prev:,.2f}']})
+
+        # Append these rows to the table data
+        table_data = pd.concat([table_data, saude_row, educacao_row], ignore_index=True)
+
+        table_data.fillna('-', inplace=True)
     
-    # Display the table
-    st.table(table_data)
+        # Display the table using Streamlit
+        st.table(table_data)
+
+    except Exception as e:
+        st.error(f"Error in processing data: {str(e)}")
 
 else:
     col3.warning('No data available for the selected filters.')