Spaces:
Sleeping
Sleeping
File size: 15,050 Bytes
676811f 27281c3 676811f 27281c3 676811f 27281c3 676811f 27281c3 676811f 27281c3 676811f 27281c3 676811f 27281c3 676811f 27281c3 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 |
"""
Module de visualisation des données agricoles
"""
import plotly.express as px
import plotly.graph_objects as go
from config import RISK_COLORS, PLOT_CONFIG
class AgricultureVisualizer:
"""Classe responsable de la création des visualisations"""
def __init__(self, data=None, risk_analysis=None):
self.df = data
self.risk_analysis = risk_analysis
def set_data(self, data, risk_analysis=None):
"""Définit les données à visualiser"""
self.df = data
if risk_analysis is not None:
self.risk_analysis = risk_analysis
def _create_error_plot(self, title, message):
"""Crée un graphique d'erreur standardisé"""
try:
fig = px.scatter(title=title)
fig.add_annotation(
text=message,
xref="paper", yref="paper",
x=0.5, y=0.5,
showarrow=False,
font=dict(size=14, color="red")
)
fig.update_layout(
width=PLOT_CONFIG.get("width", 700),
height=PLOT_CONFIG.get("height", 400)
)
return fig
except Exception as e:
print(f"❌ Erreur lors de la création du graphique d'erreur: {e}")
# Retourner un graphique minimal en cas d'échec total
return go.Figure().add_annotation(text="Erreur critique", x=0.5, y=0.5)
def create_risk_visualization(self):
"""Crée la visualisation des risques avec gestion d'erreur robuste"""
try:
if self.risk_analysis is None or len(self.risk_analysis) == 0:
return self._create_error_plot(
"❌ Aucune donnée d'analyse des risques disponible",
"Veuillez charger et analyser les données d'abord"
)
try:
risk_df = self.risk_analysis.reset_index()
# Vérifier les colonnes requises
required_cols = ['surfparc', 'IFT_herbicide_approx', 'Risque_adventice', 'Nb_herbicides']
missing_cols = [col for col in required_cols if col not in risk_df.columns]
if missing_cols:
return self._create_error_plot(
f"❌ Colonnes manquantes: {missing_cols}",
"Les données ne contiennent pas toutes les colonnes nécessaires"
)
# Vérifier quelles colonnes sont disponibles pour hover_data
available_hover_cols = []
for col in ['nomparc', 'libelleusag']:
if col in risk_df.columns:
available_hover_cols.append(col)
# Nettoyer les données pour éviter les erreurs de plotting
risk_df = risk_df.dropna(subset=required_cols)
if len(risk_df) == 0:
return self._create_error_plot(
"❌ Aucune donnée valide après nettoyage",
"Toutes les données contiennent des valeurs manquantes"
)
fig = px.scatter(
risk_df,
x='surfparc',
y='IFT_herbicide_approx',
color='Risque_adventice',
size='Nb_herbicides',
hover_data=available_hover_cols if available_hover_cols else None,
color_discrete_map=RISK_COLORS,
title="🎯 Analyse du Risque Adventice par Parcelle",
labels={
'surfparc': 'Surface de la parcelle (ha)',
'IFT_herbicide_approx': 'IFT Herbicide (approximatif)',
'Risque_adventice': 'Niveau de risque'
}
)
fig.update_layout(
width=PLOT_CONFIG["width"],
height=PLOT_CONFIG["height"],
title_font_size=PLOT_CONFIG["title_font_size"]
)
return fig
except Exception as e:
print(f"❌ Erreur lors de la création du graphique de risque: {e}")
return self._create_error_plot(
"❌ Erreur lors de la création du graphique",
f"Erreur technique: {str(e)[:100]}..."
)
except Exception as e:
print(f"❌ Erreur critique dans create_risk_visualization: {e}")
return self._create_error_plot(
"❌ Erreur critique",
"Impossible de créer la visualisation des risques"
)
def create_culture_analysis(self):
"""Analyse par type de culture avec gestion d'erreur robuste"""
try:
if self.df is None or len(self.df) == 0:
return self._create_error_plot(
"❌ Aucune donnée disponible",
"Veuillez charger les données d'abord"
)
if 'libelleusag' not in self.df.columns:
return self._create_error_plot(
"❌ Colonne 'libelleusag' non disponible",
"Les données de culture ne sont pas disponibles"
)
try:
# Nettoyer les données de culture
culture_data = self.df['libelleusag'].dropna()
if len(culture_data) == 0:
return self._create_error_plot(
"❌ Aucune donnée de culture valide",
"Toutes les valeurs de culture sont manquantes"
)
culture_counts = culture_data.value_counts()
if len(culture_counts) == 0:
return self._create_error_plot(
"❌ Aucune culture détectée",
"Aucune donnée de culture trouvée après nettoyage"
)
fig = px.pie(
values=culture_counts.values,
names=culture_counts.index,
title="🌱 Répartition des Cultures"
)
fig.update_layout(width=700, height=500)
return fig
except Exception as e:
print(f"❌ Erreur lors de la création du graphique de culture: {e}")
return self._create_error_plot(
"❌ Erreur lors de la création du graphique",
f"Erreur technique: {str(e)[:100]}..."
)
except Exception as e:
print(f"❌ Erreur critique dans create_culture_analysis: {e}")
return self._create_error_plot(
"❌ Erreur critique",
"Impossible de créer l'analyse des cultures"
)
def create_risk_distribution(self):
"""Distribution des niveaux de risque avec gestion d'erreur robuste"""
try:
if self.risk_analysis is None or len(self.risk_analysis) == 0:
return self._create_error_plot(
"❌ Aucune analyse des risques disponible",
"Veuillez charger et analyser les données d'abord"
)
if 'Risque_adventice' not in self.risk_analysis.columns:
return self._create_error_plot(
"❌ Colonne 'Risque_adventice' manquante",
"L'analyse des risques est incomplète"
)
try:
# Nettoyer les données de risque
risk_data = self.risk_analysis['Risque_adventice'].dropna()
if len(risk_data) == 0:
return self._create_error_plot(
"❌ Aucune donnée de risque valide",
"Toutes les valeurs de risque sont manquantes"
)
risk_counts = risk_data.value_counts()
if len(risk_counts) == 0:
return self._create_error_plot(
"❌ Aucun niveau de risque détecté",
"Aucune donnée de risque trouvée après nettoyage"
)
fig = px.bar(
x=risk_counts.index,
y=risk_counts.values,
color=risk_counts.index,
color_discrete_map=RISK_COLORS,
title="📊 Distribution des Niveaux de Risque Adventice",
labels={'x': 'Niveau de risque', 'y': 'Nombre de parcelles'}
)
fig.update_layout(width=700, height=500, showlegend=False)
return fig
except Exception as e:
print(f"❌ Erreur lors de la création du graphique de distribution: {e}")
return self._create_error_plot(
"❌ Erreur lors de la création du graphique",
f"Erreur technique: {str(e)[:100]}..."
)
except Exception as e:
print(f"❌ Erreur critique dans create_risk_distribution: {e}")
return self._create_error_plot(
"❌ Erreur critique",
"Impossible de créer la distribution des risques"
)
def create_herbicide_timeline(self):
"""Crée un graphique de l'évolution temporelle des herbicides avec gestion d'erreur"""
try:
if self.df is None or len(self.df) == 0:
return self._create_error_plot(
"❌ Aucune donnée disponible",
"Veuillez charger les données d'abord"
)
required_cols = ['millesime', 'familleprod']
missing_cols = [col for col in required_cols if col not in self.df.columns]
if missing_cols:
return self._create_error_plot(
f"❌ Colonnes manquantes: {missing_cols}",
"Les données temporelles ne sont pas disponibles"
)
try:
# Filtrer les herbicides et grouper par année
herbicides_df = self.df[self.df['familleprod'] == 'Herbicides']
if len(herbicides_df) == 0:
return self._create_error_plot(
"❌ Aucune donnée d'herbicide disponible",
"Aucune intervention herbicide trouvée dans les données"
)
agg_dict = {'numparcell': 'nunique'}
if 'quantitetot' in herbicides_df.columns:
agg_dict['quantitetot'] = 'sum'
yearly_herbicides = herbicides_df.groupby('millesime').agg(agg_dict).reset_index()
if len(yearly_herbicides) == 0:
return self._create_error_plot(
"❌ Aucune donnée temporelle valide",
"Impossible de grouper les données par année"
)
y_col = 'quantitetot' if 'quantitetot' in yearly_herbicides.columns else 'numparcell'
y_label = 'Quantité totale d\'herbicides' if y_col == 'quantitetot' else 'Nombre de parcelles traitées'
fig = px.line(
yearly_herbicides,
x='millesime',
y=y_col,
title="📈 Évolution de l'Usage des Herbicides par Année",
labels={
'millesime': 'Année',
y_col: y_label
}
)
fig.update_layout(width=700, height=400)
return fig
except Exception as e:
print(f"❌ Erreur lors de la création du graphique temporel: {e}")
return self._create_error_plot(
"❌ Erreur lors de la création du graphique",
f"Erreur technique: {str(e)[:100]}..."
)
except Exception as e:
print(f"❌ Erreur critique dans create_herbicide_timeline: {e}")
return self._create_error_plot(
"❌ Erreur critique",
"Impossible de créer l'évolution temporelle"
)
def create_surface_analysis(self):
"""Analyse de la distribution des surfaces avec gestion d'erreur"""
try:
if self.df is None or len(self.df) == 0:
return self._create_error_plot(
"❌ Aucune donnée disponible",
"Veuillez charger les données d'abord"
)
if 'surfparc' not in self.df.columns:
return self._create_error_plot(
"❌ Colonne 'surfparc' manquante",
"Les données de surface ne sont pas disponibles"
)
try:
# Nettoyer les données de surface
surface_data = self.df['surfparc'].dropna()
if len(surface_data) == 0:
return self._create_error_plot(
"❌ Aucune donnée de surface valide",
"Toutes les valeurs de surface sont manquantes"
)
fig = px.histogram(
x=surface_data,
nbins=20,
title="📏 Distribution des Surfaces de Parcelles",
labels={
'x': 'Surface (ha)',
'count': 'Nombre de parcelles'
}
)
fig.update_layout(width=700, height=400)
return fig
except Exception as e:
print(f"❌ Erreur lors de la création du graphique de surface: {e}")
return self._create_error_plot(
"❌ Erreur lors de la création du graphique",
f"Erreur technique: {str(e)[:100]}..."
)
except Exception as e:
print(f"❌ Erreur critique dans create_surface_analysis: {e}")
return self._create_error_plot(
"❌ Erreur critique",
"Impossible de créer l'analyse des surfaces"
)
|