app.py

import time, logging, json, traceback
from typing import Optional, Dict, Any
from fastapi import FastAPI, HTTPException
from fastapi.middleware.cors import CORSMiddleware
from pydantic import BaseModel, Field
from model_pipeline import Predictor, FEATURE_MAP

logging.basicConfig(
    level=logging.INFO,
    format="%(asctime)s | %(levelname)s | %(name)s | %(message)s"
)
log = logging.getLogger("api")

# ----------- input model -----------
class PredictIn(BaseModel):
    include_neg: bool = False
    Debitore_cluster: Optional[str] = None
    Stato_Giudizio: Optional[str] = None
    Cedente: Optional[str] = None

    # alias con spazi/punti
    Importo_iniziale_outstanding: Optional[float] = Field(None, alias="Importo iniziale outstanding")
    Decreto_sospeso: Optional[str] = Field(None, alias="Decreto sospeso")
    Notifica_Decreto: Optional[str] = Field(None, alias="Notifica Decreto")
    Opposizione_al_decreto_ingiuntivo: Optional[str] = Field(None, alias="Opposizione al decreto ingiuntivo")
    Ricorso_al_TAR: Optional[str] = Field(None, alias="Ricorso al TAR")
    Sentenza_TAR: Optional[str] = Field(None, alias="Sentenza TAR")
    Atto_di_Precetto: Optional[str] = Field(None, alias="Atto di Precetto")
    Decreto_Ingiuntivo: Optional[str] = Field(None, alias="Decreto Ingiuntivo")
    Sentenza_giudizio_opposizione: Optional[str] = Field(None, alias="Sentenza giudizio opposizione")
    giorni_da_iscrizione: Optional[int] = None
    giorni_da_cessione: Optional[int] = None
    Zona: Optional[str] = None

    model_config = {"populate_by_name": True, "extra": "allow"}

# ----------- app -----------
app = FastAPI(title="Predizione+SHAP API", version="1.0.0")
app.add_middleware(
    CORSMiddleware,
    allow_origins=["*"], allow_methods=["*"], allow_headers=["*"]
)

t0 = time.time()
predictor: Predictor | None = None

@app.on_event("startup")
def _load_model():
    global predictor
    predictor = Predictor()
    log.info(f"Model loaded in {predictor.load_seconds:.2f}s")

@app.get("/health")
def health():
    return {"ok": predictor is not None, "uptime_s": time.time()-t0}

@app.post("/predict")
def predict(inp: PredictIn):
    if predictor is None:
        raise HTTPException(503, "Model not ready")

    # ricomponi payload secondo i nomi originali delle feature
    payload: Dict[str, Any] = {}
    for k in FEATURE_MAP.values():
        ak = k.replace(" ", "_").replace(".", "_")
        payload[k] = getattr(inp, ak, None)
    payload["include_neg"] = inp.include_neg

    try:
        out = predictor.predict_dict(payload, include_neg=inp.include_neg)

        # assicura chiave 'class' (nessuna alias confusion)
        if "class_" in out and "class" not in out:
            out["class"] = out.pop("class_")

        log.info(json.dumps({
            "event":"predict_ok",
            "class": out.get("class"),
            "stage": out.get("stage_used"),
            "p100": round(out.get("p100", 0.0), 4)
        }))
        return out
    except Exception as e:
        log.exception("predict_error")
        raise HTTPException(500, f"Prediction error: {e}") from e