Update app.py

Suppression des jeux de données inutiles dans ce projet

app.py

@@ -1,219 +1,219 @@
-import streamlit as st
-import pandas as pd
-import numpy as np
-import seaborn as sns
-import matplotlib.pyplot as plt
-from scipy.stats import chi2_contingency
-
-# Configuration de la page
-st.set_page_config(
-    page_title="Matrice V de Cramer",
-    page_icon="📊",
-    layout="wide"
-)
-
-# Fonction de calcul du V de Cramer
-def cramers_v(x, y):
-    """
-    Calcule le V de Cramer entre deux variables nominales (qualitatives).
-    """
-    confusion_matrix = pd.crosstab(x, y)
-    chi2 = chi2_contingency(confusion_matrix)[0]
-    n = confusion_matrix.sum().sum()
-    phi2 = chi2 / n
-    r, k = confusion_matrix.shape
-    # Correction pour les petites tailles d'échantillon
-    phi2_corrected = max(0, phi2 - ((k-1)*(r-1))/(n-1))
-    r_corrected = r - ((r-1)**2)/(n-1)
-    k_corrected = k - ((k-1)**2)/(n-1)
-    
-    return np.sqrt(phi2_corrected / min(k_corrected-1, r_corrected-1))
-
-# Fonction pour calculer la matrice
-def calculate_cramer_matrix(df, columns):
-    """
-    Calcule la matrice des V de Cramer pour les colonnes sélectionnées.
-    """
-    v_cramer_matrix = pd.DataFrame(index=columns, columns=columns)
-    
-    for col1 in columns:
-        for col2 in columns:
-            if col1 == col2:
-                v_cramer_matrix.loc[col1, col2] = 1.0
-            else:
-                v_cramer = cramers_v(df[col1], df[col2])
-                v_cramer_matrix.loc[col1, col2] = v_cramer
-    
-    return v_cramer_matrix.astype(float)
-
-# Titre de l'application
-st.title("📊 Matrice des V de Cramer")
-st.markdown("Analyse de l'association entre variables catégorielles")
-
-# Sidebar pour la sélection des données
-st.sidebar.header("Configuration")
-
-# Choix de la source de données
-data_source = st.sidebar.radio(
-    "Source des données",
-    ["Jeu de données Seaborn", "Importer un fichier"],
-    label_visibility="visible"
-)
-
-df = None
-
-# Chargement des données
-if data_source == "Jeu de données Seaborn":
-    # Liste des jeux de données disponibles
-    seaborn_datasets = [
-        'titanic', 'tips', 'iris', 'penguins', 'diamonds', 
-        'exercise', 'planets', 'mpg', 'taxis'
-    ]
-    
-    selected_dataset = st.sidebar.selectbox(
-        "Choisir un jeu de données",
-        seaborn_datasets
-    )
-    
-    try:
-        df = sns.load_dataset(selected_dataset)
-        st.sidebar.success(f"✅ Jeu '{selected_dataset}' chargé")
-    except Exception as e:
-        st.sidebar.error(f"Erreur : {e}")
-
-else:
-    # Import de fichier
-    uploaded_file = st.sidebar.file_uploader(
-        "Importer un fichier CSV",
-        type=['csv']
-    )
-    
-    if uploaded_file is not None:
-        try:
-            # Détection automatique du séparateur avec engine='python'
-            df = pd.read_csv(uploaded_file, sep=None, engine='python')
-            st.sidebar.success("✅ Fichier importé")
-        except Exception as e:
-            st.sidebar.error(f"Erreur : {e}")
-
-# Traitement des données
-if df is not None:
-    # Sélection des colonnes catégorielles
-    categorical_cols = df.select_dtypes(include=['object', 'category', 'bool']).columns.tolist()
-    
-    # Ajouter les colonnes numériques avec peu de valeurs uniques
-    numeric_cols = df.select_dtypes(include=['int64', 'float64']).columns
-    for col in numeric_cols:
-        if df[col].nunique() <= 10:
-            categorical_cols.append(col)
-    
-    if len(categorical_cols) == 0:
-        st.warning("⚠️ Aucune variable catégorielle détectée.")
-    else:
-        st.sidebar.write(f"**{len(categorical_cols)}** variables détectées")
-        
-        # Sélection des colonnes à analyser
-        selected_cols = st.sidebar.multiselect(
-            "Variables à analyser",
-            categorical_cols,
-            default=categorical_cols[:min(6, len(categorical_cols))]
-        )
-        
-        if len(selected_cols) < 2:
-            st.info("ℹ️ Veuillez sélectionner au moins 2 variables.")
-        else:
-            # Préparation des données
-            df_cat = df[selected_cols].copy()
-            
-            # Options de traitement des valeurs manquantes
-            nan_handling = st.sidebar.radio(
-                "Valeurs manquantes",
-                ["Remplacer par 'Missing'", "Supprimer les lignes"]
-            )
-            
-            # Traitement des valeurs manquantes
-            if nan_handling == "Remplacer par 'Missing'":
-                for col in selected_cols:
-                    # Convertir d'abord en string pour éviter l'erreur avec les categories
-                    df_cat[col] = df_cat[col].astype(str)
-                    df_cat[col] = df_cat[col].replace('nan', 'Missing')
-                    df_cat[col] = df_cat[col].replace('None', 'Missing')
-                    df_cat[col] = df_cat[col].astype('category')
-            else:
-                df_cat = df_cat.dropna()
-                # Convertir en category
-                for col in selected_cols:
-                    df_cat[col] = df_cat[col].astype('category')
-            
-            # Calcul de la matrice
-            if st.sidebar.button("🔄 Calculer", type="primary"):
-                with st.spinner("Calcul en cours..."):
-                    v_cramer_matrix = calculate_cramer_matrix(df_cat, selected_cols)
-                    
-                    # Onglets pour organiser l'affichage
-                    tab1, tab2 = st.tabs(["📊 Visualisation", "📋 Données"])
-                    
-                    with tab1:
-                        col1, col2 = st.columns([2.5, 1])
-                        
-                        with col1:
-                            # Création de la heatmap (taille réduite)
-                            fig, ax = plt.subplots(figsize=(8, 6))
-                            sns.heatmap(
-                                v_cramer_matrix,
-                                annot=True,
-                                cmap='coolwarm',
-                                fmt=".2f",
-                                linewidths=0.5,
-                                cbar_kws={'label': 'V de Cramer'},
-                                ax=ax,
-                                vmin=0,
-                                vmax=1
-                            )
-                            plt.title('Matrice des V de Cramer', fontsize=12, pad=15)
-                            plt.tight_layout()
-                            st.pyplot(fig)
-                        
-                        with col2:
-                            st.markdown("**Interprétation :**")
-                            st.markdown("""
-                            - **0.0-0.1** : Très faible
-                            - **0.1-0.3** : Faible
-                            - **0.3-0.5** : Modérée
-                            - **0.5-0.7** : Forte
-                            - **0.7-1.0** : Très forte
-                            """)
-                            
-                            st.markdown("**Top 5 associations :**")
-                            
-                            # Extraire les valeurs uniques (triangle supérieur)
-                            associations = []
-                            for i, col1_name in enumerate(selected_cols):
-                                for j, col2_name in enumerate(selected_cols):
-                                    if i < j:
-                                        associations.append({
-                                            'Var 1': col1_name,
-                                            'Var 2': col2_name,
-                                            'V': v_cramer_matrix.loc[col1_name, col2_name]
-                                        })
-                            
-                            if associations:
-                                top_assoc = pd.DataFrame(associations).sort_values(
-                                    'V', ascending=False
-                                ).head(5)
-                                st.dataframe(top_assoc, hide_index=True, height=210)
-                    
-                    with tab2:
-                        st.write(f"**Dimensions :** {df.shape[0]} lignes × {df.shape[1]} colonnes")
-                        st.dataframe(df.head(20), use_container_width=True)
-
-else:
-    st.info("👈 Veuillez sélectionner ou importer un jeu de données.")
-
-# Footer
-st.markdown("---")
-st.markdown("""
-<div style='text-align: center; color: gray;'>
-    <small>Le V de Cramer mesure l'association entre deux variables catégorielles (0 = aucune association, 1 = association parfaite)</small>
-</div>
+import streamlit as st
+import pandas as pd
+import numpy as np
+import seaborn as sns
+import matplotlib.pyplot as plt
+from scipy.stats import chi2_contingency
+
+# Configuration de la page
+st.set_page_config(
+    page_title="Matrice V de Cramer",
+    page_icon="📊",
+    layout="wide"
+)
+
+# Fonction de calcul du V de Cramer
+def cramers_v(x, y):
+    """
+    Calcule le V de Cramer entre deux variables nominales (qualitatives).
+    """
+    confusion_matrix = pd.crosstab(x, y)
+    chi2 = chi2_contingency(confusion_matrix)[0]
+    n = confusion_matrix.sum().sum()
+    phi2 = chi2 / n
+    r, k = confusion_matrix.shape
+    # Correction pour les petites tailles d'échantillon
+    phi2_corrected = max(0, phi2 - ((k-1)*(r-1))/(n-1))
+    r_corrected = r - ((r-1)**2)/(n-1)
+    k_corrected = k - ((k-1)**2)/(n-1)
+    
+    return np.sqrt(phi2_corrected / min(k_corrected-1, r_corrected-1))
+
+# Fonction pour calculer la matrice
+def calculate_cramer_matrix(df, columns):
+    """
+    Calcule la matrice des V de Cramer pour les colonnes sélectionnées.
+    """
+    v_cramer_matrix = pd.DataFrame(index=columns, columns=columns)
+    
+    for col1 in columns:
+        for col2 in columns:
+            if col1 == col2:
+                v_cramer_matrix.loc[col1, col2] = 1.0
+            else:
+                v_cramer = cramers_v(df[col1], df[col2])
+                v_cramer_matrix.loc[col1, col2] = v_cramer
+    
+    return v_cramer_matrix.astype(float)
+
+# Titre de l'application
+st.title("📊 Matrice des V de Cramer")
+st.markdown("Analyse de l'association entre variables catégorielles")
+
+# Sidebar pour la sélection des données
+st.sidebar.header("Configuration")
+
+# Choix de la source de données
+data_source = st.sidebar.radio(
+    "Source des données",
+    ["Jeu de données Seaborn", "Importer un fichier"],
+    label_visibility="visible"
+)
+
+df = None
+
+# Chargement des données
+if data_source == "Jeu de données Seaborn":
+    # Liste des jeux de données disponibles
+    seaborn_datasets = [
+        'titanic', 'tips', 'penguins', 'diamonds', 
+        'mpg', 'taxis'
+    ]
+    
+    selected_dataset = st.sidebar.selectbox(
+        "Choisir un jeu de données",
+        seaborn_datasets
+    )
+    
+    try:
+        df = sns.load_dataset(selected_dataset)
+        st.sidebar.success(f"✅ Jeu '{selected_dataset}' chargé")
+    except Exception as e:
+        st.sidebar.error(f"Erreur : {e}")
+
+else:
+    # Import de fichier
+    uploaded_file = st.sidebar.file_uploader(
+        "Importer un fichier CSV",
+        type=['csv']
+    )
+    
+    if uploaded_file is not None:
+        try:
+            # Détection automatique du séparateur avec engine='python'
+            df = pd.read_csv(uploaded_file, sep=None, engine='python')
+            st.sidebar.success("✅ Fichier importé")
+        except Exception as e:
+            st.sidebar.error(f"Erreur : {e}")
+
+# Traitement des données
+if df is not None:
+    # Sélection des colonnes catégorielles
+    categorical_cols = df.select_dtypes(include=['object', 'category', 'bool']).columns.tolist()
+    
+    # Ajouter les colonnes numériques avec peu de valeurs uniques
+    numeric_cols = df.select_dtypes(include=['int64', 'float64']).columns
+    for col in numeric_cols:
+        if df[col].nunique() <= 10:
+            categorical_cols.append(col)
+    
+    if len(categorical_cols) == 0:
+        st.warning("⚠️ Aucune variable catégorielle détectée.")
+    else:
+        st.sidebar.write(f"**{len(categorical_cols)}** variables détectées")
+        
+        # Sélection des colonnes à analyser
+        selected_cols = st.sidebar.multiselect(
+            "Variables à analyser",
+            categorical_cols,
+            default=categorical_cols[:min(6, len(categorical_cols))]
+        )
+        
+        if len(selected_cols) < 2:
+            st.info("ℹ️ Veuillez sélectionner au moins 2 variables.")
+        else:
+            # Préparation des données
+            df_cat = df[selected_cols].copy()
+            
+            # Options de traitement des valeurs manquantes
+            nan_handling = st.sidebar.radio(
+                "Valeurs manquantes",
+                ["Remplacer par 'Missing'", "Supprimer les lignes"]
+            )
+            
+            # Traitement des valeurs manquantes
+            if nan_handling == "Remplacer par 'Missing'":
+                for col in selected_cols:
+                    # Convertir d'abord en string pour éviter l'erreur avec les categories
+                    df_cat[col] = df_cat[col].astype(str)
+                    df_cat[col] = df_cat[col].replace('nan', 'Missing')
+                    df_cat[col] = df_cat[col].replace('None', 'Missing')
+                    df_cat[col] = df_cat[col].astype('category')
+            else:
+                df_cat = df_cat.dropna()
+                # Convertir en category
+                for col in selected_cols:
+                    df_cat[col] = df_cat[col].astype('category')
+            
+            # Calcul de la matrice
+            if st.sidebar.button("🔄 Calculer", type="primary"):
+                with st.spinner("Calcul en cours..."):
+                    v_cramer_matrix = calculate_cramer_matrix(df_cat, selected_cols)
+                    
+                    # Onglets pour organiser l'affichage
+                    tab1, tab2 = st.tabs(["📊 Visualisation", "📋 Données"])
+                    
+                    with tab1:
+                        col1, col2 = st.columns([2.5, 1])
+                        
+                        with col1:
+                            # Création de la heatmap (taille réduite)
+                            fig, ax = plt.subplots(figsize=(8, 6))
+                            sns.heatmap(
+                                v_cramer_matrix,
+                                annot=True,
+                                cmap='coolwarm',
+                                fmt=".2f",
+                                linewidths=0.5,
+                                cbar_kws={'label': 'V de Cramer'},
+                                ax=ax,
+                                vmin=0,
+                                vmax=1
+                            )
+                            plt.title('Matrice des V de Cramer', fontsize=12, pad=15)
+                            plt.tight_layout()
+                            st.pyplot(fig)
+                        
+                        with col2:
+                            st.markdown("**Interprétation :**")
+                            st.markdown("""
+                            - **0.0-0.1** : Très faible
+                            - **0.1-0.3** : Faible
+                            - **0.3-0.5** : Modérée
+                            - **0.5-0.7** : Forte
+                            - **0.7-1.0** : Très forte
+                            """)
+                            
+                            st.markdown("**Top 5 associations :**")
+                            
+                            # Extraire les valeurs uniques (triangle supérieur)
+                            associations = []
+                            for i, col1_name in enumerate(selected_cols):
+                                for j, col2_name in enumerate(selected_cols):
+                                    if i < j:
+                                        associations.append({
+                                            'Var 1': col1_name,
+                                            'Var 2': col2_name,
+                                            'V': v_cramer_matrix.loc[col1_name, col2_name]
+                                        })
+                            
+                            if associations:
+                                top_assoc = pd.DataFrame(associations).sort_values(
+                                    'V', ascending=False
+                                ).head(5)
+                                st.dataframe(top_assoc, hide_index=True, height=210)
+                    
+                    with tab2:
+                        st.write(f"**Dimensions :** {df.shape[0]} lignes × {df.shape[1]} colonnes")
+                        st.dataframe(df.head(20), use_container_width=True)
+
+else:
+    st.info("👈 Veuillez sélectionner ou importer un jeu de données.")
+
+# Footer
+st.markdown("---")
+st.markdown("""
+<div style='text-align: center; color: gray;'>
+    <small>Le V de Cramer mesure l'association entre deux variables catégorielles (0 = aucune association, 1 = association parfaite)</small>
+</div>
 """, unsafe_allow_html=True)