from django.shortcuts import render from django.http import JsonResponse import pandas as pd import numpy as np from datetime import datetime, timedelta import random # ==================== DADOS COM PANDAS ==================== def gerar_dados_frota(): """Gera dados simulados da frota usando Pandas""" modelos = [ 'Scania R450', 'Volvo FH540', 'Mercedes Actros', 'DAF XF530', 'Iveco S-Way', 'Volkswagen Constellation' ] cidades = ['São Paulo', 'Rio de Janeiro', 'Belo Horizonte', 'Curitiba', 'Porto Alegre'] status_list = ['Em rota', 'Disponível', 'Manutenção', 'Carregando'] dados = [] for i in range(25): # 25 veículos dados.append({ 'id': i+1, 'placa': f"MWM{1000 + i}", 'modelo': random.choice(modelos), 'ano': random.choice([2022, 2023, 2024]), 'km': random.randint(10000, 200000), 'status': random.choices(status_list, weights=[0.5, 0.3, 0.1, 0.1])[0], 'cidade': random.choice(cidades), 'motorista': f"Motorista {i+1}", 'capacidade': random.choice([15, 18, 22, 26, 30]), 'consumo': round(random.uniform(2.2, 3.5), 1) }) return pd.DataFrame(dados) def gerar_dados_entregas(): """Gera dados de entregas""" entregas = [] for i in range(150): data = datetime.now() - timedelta(days=random.randint(0, 45)) entregas.append({ 'codigo': f"MWM{20000 + i}", 'data': data, 'origem': random.choice(['SP', 'RJ', 'MG', 'PR', 'RS', 'BA']), 'destino': random.choice(['SP', 'RJ', 'MG', 'PR', 'RS', 'BA', 'SC']), 'valor': round(random.uniform(2000, 35000), 2), 'status': random.choice(['Entregue', 'Em trânsito', 'Agendado']), 'peso': round(random.uniform(2, 28), 1) }) return pd.DataFrame(entregas) # DataFrames globais df_frota = gerar_dados_frota() df_entregas = gerar_dados_entregas() # ==================== VIEWS ==================== def home(request): """Página inicial com vídeo""" # Métricas para o dashboard metricas = { 'total_veiculos': len(df_frota), 'veiculos_rota': len(df_frota[df_frota['status'] == 'Em rota']), 'veiculos_disponiveis': len(df_frota[df_frota['status'] == 'Disponível']), 'total_entregas': len(df_entregas[df_entregas['data'] >= datetime.now() - timedelta(days=30)]), 'faturamento': round(df_entregas['valor'].sum() / 1000, 1), } return render(request, 'mwm_app/home.html', { 'metricas': metricas, 'frota_destaque': df_frota.sample(min(6, len(df_frota))).to_dict('records') }) def quem_somos(request): """Página Quem Somos""" return render(request, 'mwm_app/quem_somos.html', { 'total_veiculos': len(df_frota), 'total_entregas': len(df_entregas), 'anos_experiencia': 15 }) def frota(request): """Página completa da frota""" return render(request, 'mwm_app/frota.html', { 'frota': df_frota.to_dict('records'), 'total_veiculos': len(df_frota), 'capacidade_total': df_frota['capacidade'].sum() }) def contato(request): """Página de contato""" return render(request, 'mwm_app/contato.html') def api_frota(request): """API para atualização em tempo real""" return JsonResponse({ 'frota': df_frota.to_dict('records'), 'metricas': { 'total': len(df_frota), 'em_rota': len(df_frota[df_frota['status'] == 'Em rota']), 'disponiveis': len(df_frota[df_frota['status'] == 'Disponível']) } }) def gerar_dados(): """Gera dados simulados da frota com tipos de veículos e imagens""" # Configuração dos tipos de veículos com suas imagens - AGORA CORRESPONDENDO AOS FILTROS veiculos_config = [ {'tipo': 'BITRUCK', 'imagem': 'bitruck.jpg', 'modelos': ['Volkswagen Constellation', 'Mercedes Atego']}, {'tipo': 'BITRUCK BLINDADO', 'imagem': 'bitruck-blindado.jpg', 'modelos': ['Volvo VM', 'Scania P360']}, {'tipo': 'CAMINHÃO TRATOR', 'imagem': 'caminhao-trator.jpg', 'modelos': ['Scania R450', 'Volvo FH540']}, {'tipo': 'CARRETA', 'imagem': 'carreta.jpg', 'modelos': ['Facchini', 'Randon', 'Librelato']}, {'tipo': 'CARRETA BLINDADA', 'imagem': 'carreta-blindada.jpg', 'modelos': ['Randon Blindada', 'Facchini Blindada']}, {'tipo': 'CARRETA CONVENCIONAL', 'imagem': 'carreta-convencional.jpg', 'modelos': ['Randon Convencional', 'Facchini']}, {'tipo': 'CARRETA SIDER', 'imagem': 'carreta-sider.jpg', 'modelos': ['Sider Randon', 'Sider Facchini']}, {'tipo': 'CAVALO', 'imagem': 'cavalo.jpg', 'modelos': ['Mercedes Axor', 'Volvo FH']}, {'tipo': 'CAVALO BLINDADO', 'imagem': 'cavalo-blindado.jpg', 'modelos': ['Scania Blindado', 'Volvo Blindado']}, {'tipo': 'TOCO BLINDADO', 'imagem': 'toco-blindado.jpg', 'modelos': ['Mercedes Atego Blindado', 'Volvo VM Blindado']}, {'tipo': 'TRUCK CONVENCIONAL', 'imagem': 'truck-convencional.jpg', 'modelos': ['Volkswagen Delivery', 'Iveco Tector']}, ] cidades = ['São Paulo', 'Rio de Janeiro', 'Belo Horizonte', 'Curitiba', 'Porto Alegre', 'Brasília'] status_list = ['Em rota', 'Disponível', 'Manutenção', 'Carregando'] # Gerar frota frota = [] for i in range(33): # 33 veículos (3 de cada tipo) config = random.choice(veiculos_config) modelo = random.choice(config['modelos']) frota.append({ 'id': i+1, 'placa': f"MWM{1000 + i}", 'modelo': modelo, 'tipo': config['tipo'], # ← AGORA CORRESPONDE EXATAMENTE AOS FILTROS 'imagem': config['imagem'], 'ano': random.choice([2022, 2023, 2024]), 'km': random.randint(10000, 200000), 'status': random.choices(status_list, weights=[0.5, 0.3, 0.1, 0.1])[0], 'cidade': random.choice(cidades), 'motorista': f"Motorista {i+1}", 'capacidade': random.choice([15, 18, 22, 26, 30]), 'consumo': round(random.uniform(2.2, 3.5), 1) }) return pd.DataFrame(frota) """Gera dados simulados da frota""" # Modelos de caminhões com seus tipos veiculos_config = [ {'modelo': 'Scania R450', 'tipo': 'CAVALO', 'imagem': 'cavalo.jpg'}, {'modelo': 'Volvo FH540', 'tipo': 'CAVALO BLINDADO', 'imagem': 'cavalo-blindado.jpg'}, {'modelo': 'Mercedes Actros', 'tipo': 'BITRUCK', 'imagem': 'bitruck.jpg'}, {'modelo': 'DAF XF530', 'tipo': 'BITRUCK BLINDADO', 'imagem': 'bitruck-blindado.jpg'}, {'modelo': 'Iveco S-Way', 'tipo': 'CARRETA', 'imagem': 'carreta.jpg'}, {'modelo': 'Volkswagen Constellation', 'tipo': 'CARRETA BLINDADA', 'imagem': 'carreta-blindada.jpg'}, {'modelo': 'Scania R450', 'tipo': 'CARRETA CONVENCIONAL', 'imagem': 'carreta-convencional.jpg'}, {'modelo': 'Volvo FH540', 'tipo': 'CARRETA SIDER', 'imagem': 'carreta-sider.jpg'}, {'modelo': 'Mercedes Actros', 'tipo': 'TOCO BLINDADO', 'imagem': 'toco-blindado.jpg'}, {'modelo': 'DAF XF530', 'tipo': 'TRUCK CONVENCIONAL', 'imagem': 'truck-convencional.jpg'}, ] cidades = ['São Paulo', 'Rio de Janeiro', 'Belo Horizonte', 'Curitiba', 'Porto Alegre', 'Brasília'] status_list = ['Em rota', 'Disponível', 'Manutenção', 'Carregando'] # Gerar frota frota = [] for i in range(30): # 30 veículos config = random.choice(veiculos_config) frota.append({ 'id': i+1, 'placa': f"MWM{1000 + i}", 'modelo': config['modelo'], 'tipo': config['tipo'], 'imagem': config['imagem'], 'ano': random.choice([2022, 2023, 2024]), 'km': random.randint(10000, 200000), 'status': random.choices(status_list, weights=[0.5, 0.3, 0.1, 0.1])[0], 'cidade': random.choice(cidades), 'motorista': f"Motorista {i+1}", 'capacidade': random.choice([15, 18, 22, 26, 30]), 'consumo': round(random.uniform(2.2, 3.5), 1) }) return pd.DataFrame(frota)