Create app.py

app.py

@@ -0,0 +1,56 @@
+# -*- coding: utf-8 -*-
+
+import pandas as pd
+from pycaret.regression import load_model, predict_model
+from fastapi import FastAPI
+from pydantic import BaseModel, create_model
+import uvicorn
+
+
+app = FastAPI(
+    title="API de Prédiction de la Consommation de Gaz Naturel",
+    description="Cette API permet de prédire la consommation de gaz naturel basée sur plusieurs paramètres tels que l'état, le code de l'état, l'année, les prix de l'énergie, les degrés-jours de chauffage et le revenu.",
+    version="1.0.0",
+    docs_url="/docs"
+)
+
+
+model = load_model("api_gaz")
+
+
+class InputModel(BaseModel):
+    state: str
+    statecode: int
+    year: int
+    price: float
+    eprice: float
+    oprice: float
+    lprice: float
+    heating: int
+    income: float
+
+class OutputModel(BaseModel):
+    prediction: float
+
+
+@app.post("/predict", response_model=OutputModel, summary="Prédire la Consommation de Gaz Naturel", description="Prédit la consommation de gaz naturel basée sur les paramètres fournis.")
+def predict(data: InputModel):
+    """
+    #Paramètres d'entrée :
+    - *state* : État (par exemple, 'TX' pour Texas)
+    - *statecode* : Code de l'état (par exemple, 44)
+    - *year* : Année (par exemple, 1980)
+    - *price* : Prix du gaz naturel
+    - *eprice* : Prix ajusté de l'énergie
+    - *oprice* : Prix de l'énergie autre que le gaz naturel
+    - *lprice* : Prix du gaz naturel en dollars constants
+    - *heating* : Degrés-jours de chauffage
+    - *income* : Revenu moyen
+
+    #Sortie :
+    - *prediction* : Prédiction de la consommation de gaz naturel
+    """
+    data = pd.DataFrame([data.dict()])
+    predictions = predict_model(model, data=data)
+    return {"prediction": predictions["prediction_label"].iloc[0]}
+