app.py

import gradio as gr
import pandas as pd
import plotly.express as px
import plotly.graph_objects as go

# =========================================================
# 1. CARREGAMENTO E LIMPEZA DE DADOS
# =========================================================
def load_data():
    # --- SIMULAÇÃO DE DADOS ---
    # Se estiver usando seu arquivo real, descomente a linha abaixo:
    # df = pd.read_csv("seu_ficheiro.csv", sep=";") 
    
    data = {
        'Marca': ['VALTRA', 'KIOTI', 'JOHN DEERE', 'NEW HOLLAND', 'KUBOTA', 'VALTRA', 'KIOTI', 'SOLIS', 'FENDT', 'CLAAS'] * 50,
        'Regiao': ['Norte', 'Centro', 'Alentejo', 'Norte', 'Algarve'] * 100,
        'Tipo': ['="Agricola"'] * 500,
        'Potencia kW': ['="75"', '="19"', '="88"', '="55"', '="70"', '="121"', '="44"', '="19"', '="176"', '="90"'] * 50,
    }
    df = pd.DataFrame(data)
    # ----------------------------------------------------------

    # === SUA LIMPEZA ===
    # 1. Limpar Tipo
    df['Tipo_clean'] = df['Tipo'].astype(str).str.replace('="', '', regex=False).str.replace('"', '', regex=False).str.strip().str.upper()
    df = df[df['Tipo_clean'] == 'AGRICOLA'].copy()

    # 2. Limpar Potência
    df["Potencia kW"] = df["Potencia kW"].astype(str).str.replace(r'[="]', '', regex=True)
    df["Potencia kW"] = pd.to_numeric(df["Potencia kW"], errors='coerce')
    df = df.dropna(subset=["Potencia kW"])

    # 3. Criar Segmentos
    bins = [0, 25, 50, 100, 500]
    labels = ['< 25 kW (Compactos)', '25 - 50 kW', '50 - 100 kW', '> 100 kW (Alta)']
    df['Cluster Potencia'] = pd.cut(df['Potencia kW'], bins=bins, labels=labels)
    df['Cluster Potencia'] = df['Cluster Potencia'].astype(str)

    return df

# Carregar dados globais
df_global = load_data()
min_kw_global = int(df_global["Potencia kW"].min())
max_kw_global = int(df_global["Potencia kW"].max())
all_regions = sorted(df_global["Regiao"].unique().tolist())

# =========================================================
# 2. LÓGICA DO DASHBOARD
# =========================================================
def update_dashboard(val_min, val_max, selected_regions):
    # Garantir que min não é maior que max
    if val_min > val_max:
        val_min, val_max = val_max, val_min
        
    # 1. Filtrar DataFrame
    mask = (
        (df_global["Potencia kW"] >= val_min) & 
        (df_global["Potencia kW"] <= val_max) &
        (df_global["Regiao"].isin(selected_regions))
    )
    df_filtered = df_global[mask]
    
    if df_filtered.empty:
        return "0", "0%", "0%", None, None, None, pd.DataFrame()

    # 2. KPIs
    total = len(df_filtered)
    v_valtra = len(df_filtered[df_filtered['Marca'].str.upper() == 'VALTRA'])
    v_kioti = len(df_filtered[df_filtered['Marca'].str.upper() == 'KIOTI'])
    
    # Evitar erro de divisão por zero
    share_valtra = (v_valtra / total * 100) if total > 0 else 0
    share_kioti = (v_kioti / total * 100) if total > 0 else 0
    
    kpi_total_txt = f"{total} Unidades"
    kpi_valtra_txt = f"{share_valtra:.1f}% ({v_valtra})"
    kpi_kioti_txt = f"{share_kioti:.1f}% ({v_kioti})"

    # 3. Gráfico Ranking (Cores Inteligentes)
    top_marcas = df_filtered['Marca'].value_counts().reset_index().head(15)
    top_marcas.columns = ['Marca', 'Vendas']
    
    colors = []
    for marca in top_marcas['Marca']:
        if marca.upper() == 'VALTRA': colors.append('#d62728') # Vermelho
        elif marca.upper() == 'KIOTI': colors.append('#ff7f0e') # Laranja
        else: colors.append('#cccccc') # Cinza

    fig_rank = go.Figure(data=[go.Bar(
        x=top_marcas['Marca'], y=top_marcas['Vendas'],
        marker_color=colors, text=top_marcas['Vendas'], textposition='auto'
    )])
    fig_rank.update_layout(title="Ranking de Mercado (Top 15)", template="plotly_white", height=400)

    # 4. Gráfico Potência
    vendas_cluster = df_filtered['Cluster Potencia'].value_counts().reset_index()
    vendas_cluster.columns = ['Cluster', 'Vendas']
    fig_pie = px.pie(vendas_cluster, values='Vendas', names='Cluster', 
                     title='Distribuição por Potência', hole=0.4)

    # 5. Gráfico Segmentos
    nossas = df_filtered[df_filtered['Marca'].isin(['VALTRA', 'KIOTI'])]
    if not nossas.empty:
        fig_seg = px.histogram(nossas, x="Cluster Potencia", color="Marca", 
                               barmode="group", title="Posicionamento: Valtra vs Kioti",
                               color_discrete_map={'VALTRA': '#d62728', 'KIOTI': '#ff7f0e'})
    else:
        fig_seg = go.Figure().add_annotation(text="Sem dados Valtra/Kioti", showarrow=False)

    return kpi_total_txt, kpi_valtra_txt, kpi_kioti_txt, fig_rank, fig_pie, fig_seg, df_filtered

# =========================================================
# 3. INTERFACE GRADIO
# =========================================================
with gr.Blocks(title="Dashboard Executivo", theme=gr.themes.Soft()) as demo:
    
    gr.Markdown("# 🚜 Dashboard de Mercado: Valtra & KIOTI")
    gr.Markdown("_Visão estratégica para Direção Geral_")
    
    with gr.Row():
        # --- COLUNA DE FILTROS ---
        with gr.Column(scale=1):
            gr.Label("⚙️ Filtros")
            
            # SUBSTITUIÇÃO DO RANGESLIDER POR DOIS SLIDERS SIMPLES
            slider_min = gr.Slider(minimum=min_kw_global, maximum=max_kw_global, value=min_kw_global, step=1, label="Potência Mínima (kW)")
            slider_max = gr.Slider(minimum=min_kw_global, maximum=max_kw_global, value=max_kw_global, step=1, label="Potência Máxima (kW)")
            
            chk_region = gr.CheckboxGroup(choices=all_regions, value=all_regions, label="Regiões")
            btn_refresh = gr.Button("Atualizar Dados", variant="primary")

        # --- COLUNA DOS GRÁFICOS ---
        with gr.Column(scale=3):
            with gr.Row():
                kpi_total = gr.Text(label="Mercado Total (Filtro)")
                kpi_valtra = gr.Text(label="Share VALTRA")
                kpi_kioti = gr.Text(label="Share KIOTI")
            
            gr.Markdown("### 🏆 Performance de Mercado")
            plot_ranking = gr.Plot(label="Ranking de Vendas")
            
            with gr.Row():
                plot_potencia = gr.Plot(label="Mix de Potência")
                plot_segmento = gr.Plot(label="Nossas Marcas por Segmento")

    with gr.Accordion("📂 Ver Dados Detalhados", open=False):
        data_table = gr.Dataframe(headers=list(df_global.columns))

    # =========================================================
    # 4. LIGAÇÕES (WIRING)
    # =========================================================
    inputs = [slider_min, slider_max, chk_region]
    outputs = [kpi_total, kpi_valtra, kpi_kioti, plot_ranking, plot_potencia, plot_segmento, data_table]
    
    slider_min.change(fn=update_dashboard, inputs=inputs, outputs=outputs)
    slider_max.change(fn=update_dashboard, inputs=inputs, outputs=outputs)
    chk_region.change(fn=update_dashboard, inputs=inputs, outputs=outputs)
    btn_refresh.click(fn=update_dashboard, inputs=inputs, outputs=outputs)
    
    demo.load(fn=update_dashboard, inputs=inputs, outputs=outputs)

if __name__ == "__main__":
    demo.launch()