proanimal-recsys/main.py at main · thaislauriano31/proanimal-recsys · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
import pandas as pd
import streamlit as st
from recommender import recommender, get_nota_maxima

def load_data():
    df = pd.read_csv('dataset/dogs_data_tratado.csv')
    df['idade'] = pd.to_numeric(df['idade'], errors='coerce')
    df['energia'] = pd.to_numeric(df['energia'], errors='coerce')
    return df

def next_animal():
    st.session_state.current_index = (st.session_state.current_index + 1) % len(st.session_state.filtered_df)

def prev_animal():
    st.session_state.current_index = (st.session_state.current_index - 1) % len(st.session_state.filtered_df)

def display_animal():
    if 'filtered_df' in st.session_state:
        filtro_df = st.session_state.filtered_df
        nota_maxima = get_nota_maxima()
        current_animal = filtro_df.iloc[st.session_state.current_index]

        with st.container():
            st.header("Animal recomendado")

            st.image(f"./images/{current_animal['nome']}.jpg", width=175)
            st.header(current_animal["nome"])
            st.write(current_animal["descricao"])

            info_col1, info_col2 = st.columns(2)
            with info_col1:
                if current_animal['idade'] >= 1:
                    st.write(f"Idade: {int(current_animal['idade'])}" + (" anos" if current_animal['idade'] > 1 else " ano"))
                else:
                    st.write(f"Idade: {int(12*current_animal['idade'])}" + " meses")
                porte = {1: "Pequeno", 2: "Médio", 3: "Grande"}.get(current_animal['porte'], "Não especificado")
                st.write(f"Porte: {porte}")

            with info_col2:
                fit_score = round((current_animal['pontuacao'] / nota_maxima) * 100, 1)
                st.write(f"Seu fit com o animal: {fit_score}%",
                         help="O fit indica o quão bem o animal se encaixa nos critérios que você escolheu. Pode não existir um animal com 100% de fit, então recomendamos o animal com maior fit.")
                st.write(f"Animal {st.session_state.current_index + 1} de {len(filtro_df)}")

            st.markdown("---")
            button_col1, button_col2, button_col3 = st.columns([1, 2, 1])

            with button_col2:
                col_prev, col_next = st.columns(2)
                with col_prev:
                    st.button("⬅️ Anterior", on_click=prev_animal, key='prev_button', use_container_width=True)
                with col_next:
                    st.button("Próximo ➡️", on_click=next_animal, key='next_button', use_container_width=True)

            st.markdown("---")
            st.header("O que é o fit?")
            st.write("O fit é uma medida que indica o quanto o animal recomendado se encaixa com suas preferências. "
                     "Quanto maior o fit, mais compatível é o animal com os filtros que você escolheu.")

df = load_data()

# Page header
col1, col2 = st.columns([1, 3])
with col1:
    st.image("./images/logo.jpg", width=175)
with col2:
    st.title("Sistema de Recomendação de Adoção da ProAnimal")
    st.subheader("Encontre o animal que mais combina com você!")

# Form for filtering animals
with st.form("my_form"):
    st.header("Filtrar animal para adoção")

    idades = st.selectbox("Idade do animal",
                         ['0 a 3', '4 a 6', '7 ou mais'],
                         help="Nota: As vezes não temos certeza da idade verdadeira, então nos baseamos em estimativas feitas por veterinários"
    )
    idades = [0,1,2,3] if idades == '0 a 3' else [4,5,6] if idades == '4 a 6' else [7,8,9,10,11,12]

    porte_options = {"Pequeno": 1, "Médio": 2, "Grande": 3}
    porte = st.selectbox(
        "Porte do animal",
        list(porte_options.keys()),
        help="Tamanho geral do animal, que influencia nas necessidades de espaço e cuidados"
    )
    porte = porte_options[porte]

    bem_com_outros = st.selectbox("Se dá bem com outros animais?",
                                  ['Com cães e gatos', 'Só cães', 'Só gatos', 'Não precisa se dar bem com cães e/ou gatos'],
                                 help="O animal convive bem com outros cães ou gatos")
    bem_com_outros = 3 if bem_com_outros in ['Com cães e gatos', 'Só gatos'] else 2 if bem_com_outros == 'Só cães' else 1

    energia_options = {"Baixa": 1, "Média": 2, "Alta": 3}
    energia = st.selectbox(
        "Nível de energia",
        list(energia_options.keys()),
        help="Indica o nível de atividade física e mental do animal"
    )
    energia = energia_options[energia]

    vacinado = st.checkbox("Precisa estar vacinado",
                           help="Indica se o animal já recebeu as vacinas essenciais")
    vacinado = 1 if vacinado else 0

    castrado = st.checkbox("Precisa estar castrado",
                           help="Indica se o animal já foi castrado")
    castrado = 1 if castrado else 0

    adocao_especial = st.checkbox("Adoção especial",
                                  help="Adoção especial inclui animais com condições de saúde específicas ou necessidades únicas")
    adocao_especial = 1 if adocao_especial else 0

    submitted = st.form_submit_button("Encontrar animal ideal para mim")

if submitted:
    # Save user preferences
    filtros_usuario = {
        "idade": idades,
        "porte": porte,
        "vacinado": vacinado,
        "castrado": castrado,
        "bem_com_outros": bem_com_outros,
        "adocao_especial": adocao_especial,
        "energia": energia,
    }

    # Initialize the filtered DataFrame
    st.session_state.filtered_df = recommender(df, filtros_usuario).reset_index()
    st.session_state.current_index = 0

# Display animal information (outside the submitted condition)
display_animal()