app.py

# app.py

import gradio as gr
import joblib
import json
import pandas as pd
import numpy as np
from datetime import datetime

# --- 1. Modell & Metadaten laden ---
MODEL_PATH    = "model.pkl"
FEATURES_PATH = "features.json"

model    = joblib.load(MODEL_PATH)
features = json.load(open(FEATURES_PATH, "r"))

# BMW-Modell-Kürzel extrahieren
model_dummies = [
    feat.replace("Model_group_", "")
    for feat in features
    if feat.startswith("Model_group_")
]

# Median-PS als Default-Wert
med_ps = 300  # Hier am besten aus deinem Notebook übernehmen

# Aktuelles Jahr für Slider-Maximalwert
CURRENT_YEAR = datetime.now().year

# --- 2. Vorhersage-Funktion ---
def predict_price(model_main: str, kilometer: float, ps: float, year: int, gearbox: str):
    x = dict.fromkeys(features, 0.0)
    x['Kilometer']    = float(kilometer)
    x['PS']           = float(ps)
    x['month']        = 1
    x['year']         = int(year)
    
    # Alter berechnen
    today = pd.Timestamp('2025-05-24')
    dt    = pd.Timestamp(year=year, month=1, day=1)
    age_days  = (today - dt).days
    x['age_days']  = float(age_days)
    x['age_years'] = float(age_days) / 365.0
    
    # Getriebe-Dummy: nur 'gear_Schaltgetriebe' existiert (drop_first)
    if gearbox == "Schaltgetriebe":
        x['gear_Schaltgetriebe'] = 1.0
    else:
        x['gear_Schaltgetriebe'] = 0.0
    
    # Modell-Dummy setzen
    key = f"Model_group_{model_main}"
    if key in x:
        x[key] = 1.0
    else:
        x['Model_group_Other'] = 1.0
    
    df_input = pd.DataFrame([x], columns=features)
    pred = model.predict(df_input)[0]
    return round(float(pred), 2)

# --- 3. Gradio-Interface ---
iface = gr.Interface(
    fn=predict_price,
    inputs=[
        gr.Dropdown(
            choices=sorted(model_dummies),
            label="BMW Modell-Kürzel",
            value=model_dummies[0]
        ),
        gr.Number(label="Kilometer", value=50000, precision=0),
        gr.Number(label="PS", value=med_ps, precision=0),
        gr.Slider(2000, CURRENT_YEAR, step=1, value=2020, label="Baujahr"),
        gr.Radio(
            ["Automatikgetriebe", "Schaltgetriebe"],
            label="Getriebeart",
            value="Automatikgetriebe"
        )
    ],
    outputs=gr.Number(label="Geschätzter Preis (CHF)"),
    title="BMW Price Predictor",
    description=(
        "Wähle das BMW-Kürzel (z.B. M3, X5, 120i), gib Kilometer, PS, Baujahr und Getriebeart ein – "
        "und erhalte eine Preisprognose in CHF."
    ),
    examples=[
        ["M3", 20000, 450, 2021, "Automatikgetriebe"],
        ["X5", 50000, 300, 2019, "Schaltgetriebe"],
        ["M4", 10000, 480, 2023, "Automatikgetriebe"],
    ]
)

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