updated

app.py

@@ -41,41 +41,7 @@ class AgricultureAnalyzer:
                 print(f"⚠️ Aucun token HF_TOKEN trouvé, tentative sans authentification")
                 dataset = load_dataset(dataset_id)
             
-            print(f"📊 Splits disponibles: {list(dataset.keys())}")
-            
-            if 'train' in dataset:
-                # Convertir en DataFrame pandas
-                df_raw = dataset['train'].to_pandas()
-                print(f"✅ Dataset chargé: {len(df_raw)} lignes, {len(df_raw.columns)} colonnes")
-                print(f"🏷️ Colonnes disponibles: {list(df_raw.columns)[:10]}...")  # Afficher les 10 premières colonnes
-                
-                # Filtrer par année si la colonne millesime existe
-                if 'millesime' in df_raw.columns:
-                    print(f"📅 Années disponibles: {sorted(df_raw['millesime'].unique())}")
-                    # Prendre les données récentes (2022-2025)
-                    recent_data = df_raw[df_raw['millesime'] >= 2022]
-                    if len(recent_data) > 0:
-                        self.df = recent_data
-                        print(f"✅ Données filtrées: {len(self.df)} lignes pour les années récentes")
-                    else:
-                        self.df = df_raw
-                        print(f"✅ Toutes les données utilisées: {len(self.df)} lignes")
-                else:
-                    self.df = df_raw
-                    print(f"✅ Données chargées (pas de filtrage par année): {len(self.df)} lignes")
-                
-                return self.analyze_data()
-            else:
-                # Si pas de split 'train', prendre le premier disponible
-                available_splits = list(dataset.keys())
-                if available_splits:
-                    first_split = available_splits[0]
-                    self.df = dataset[first_split].to_pandas()
-                    print(f"✅ Données chargées depuis le split '{first_split}': {len(self.df)} lignes")
-                    return self.analyze_data()
-                else:
-                    raise Exception("Aucun split trouvé dans le dataset")
-                    
+            print(f"📊 Splits disponibles: {list(dataset.keys())}")           
         except Exception as e:
             print(f"⚠️ Erreur lors du chargement depuis Hugging Face: {e}")
             print("🔄 Basculement vers les fichiers locaux...")