Update app.py

app.py

@@ -21,6 +21,11 @@ with open("lg.pkl", "rb") as f:
 # Charger le dataframe (assurez-vous de mettre le bon chemin vers votre fichier)
 df_scaled = pd.read_csv("data.csv")  # Remplacez par le chemin réel du fichier
 
+# Appliquer PCA pour transformer les données en 2D et prédire les clusters
+pca_result = pca_model.transform(df_scaled)
+pca_df = pd.DataFrame(pca_result, columns=['PC1', 'PC2'])
+pca_df['Cluster'] = model_cluster.predict(df_scaled)
+
 # Fonction de prédiction du diabète
 def predict_diabetes(pregnancies, glucose, blood_pressure, skin_thickness, insulin, bmi, dpf, age):
     input_data = np.array([[pregnancies, glucose, blood_pressure, skin_thickness, insulin, bmi, dpf, age]])
@@ -29,16 +34,11 @@ def predict_diabetes(pregnancies, glucose, blood_pressure, skin_thickness, insul
 
 # Fonction pour afficher les clusters
 def plot_clusters(selected_cluster):
-    # Appliquer PCA pour transformer les données en 2D
-    selected_data = pca_model.transform(df_scaled)
-    selected_data = pd.DataFrame(selected_data, columns=['PC1', 'PC2'])
-
-    # Prédire les clusters avec le modèle KMeans
-    selected_data['Cluster'] = model_cluster.predict(df_scaled)
-
     # Filtrer par le cluster sélectionné (si "Tous" n'est pas choisi)
     if selected_cluster != "Tous":
-        selected_data = selected_data[selected_data['Cluster'] == int(selected_cluster)]
+        selected_data = pca_df[pca_df['Cluster'] == int(selected_cluster)]
+    else:
+        selected_data = pca_df
 
     if selected_data.empty:
         return px.scatter(title="Aucun point à afficher")
@@ -80,7 +80,11 @@ with gr.Blocks() as app:
 
     # **Section Clustering**
     gr.Markdown("### Visualisation des Clusters des Réactions en Ligne")
-    cluster_selector = gr.Dropdown(["Tous"] + [str(i) for i in range(len(selected_data['Cluster'].unique()))],
+    
+    # Calculate unique clusters after PCA and prediction
+    unique_clusters = pca_df['Cluster'].unique()
+    
+    cluster_selector = gr.Dropdown(["Tous"] + [str(i) for i in unique_clusters], 
                                    label="Sélectionner un cluster")
     cluster_plot = gr.Plot()