src/streamlit_app.py

import streamlit as st
import requests

API_URL = "https://kleb38-oc-p5.hf.space"

st.set_page_config(page_title="FUTURISYS — HR Prediction", page_icon="👥", layout="wide")
st.title("👥 FUTURISYS — HR Departure Prediction")

tab2, tab1 = st.tabs(["🔍 Search by ID", "📝 Manual Prediction"])

# ─── Common functions ─────────────────────────────────────────────────────────

def afficher_resultat(data):
    prediction = data["statut_employe"]
    score = data["probability_score"]
    facteurs = data["top_5_factors"]

    if "HIGH" in prediction:
        st.error(f"🚨 {prediction}")
    else:
        st.success(f"✅ {prediction}")

    st.metric("Probability score", f"{score * 100:.1f}%")
    st.markdown(f"*Strategic threshold: {data['model_threshold']} — {data['note']}*")

    st.subheader("Top 5 SHAP factors")
    col_rank, col_name, col_interp, col_val = st.columns([0.5, 2, 3.5, 1.5])
    col_rank.markdown("**#**")
    col_name.markdown("**Feature**")
    col_interp.markdown("**Interpretation**")
    col_val.markdown("**Value**")
    st.divider()

    for rang, (facteur, details) in enumerate(facteurs.items()):
        interpretation = details["interpretation"]
        valeur = details["feature_value"]

        decreases = "decreases" in interpretation.lower()
        color = "#00c853" if decreases else "#d50000"
        arrow = "↓" if decreases else "↑"

        col_rank, col_name, col_interp, col_val = st.columns([0.5, 2, 3.5, 1.5])
        col_rank.markdown(f"**{rang + 1}**")
        col_name.markdown(f"`{facteur}`")
        col_interp.markdown(f'<span style="color:{color}; font-weight:600">{arrow} {interpretation}</span>', unsafe_allow_html=True)
        col_val.markdown(f"`{valeur}`")

# ─── Tab 1 : Manual form ──────────────────────────────────────────────────────

with tab1:
    st.header("Enter employee data")

    col1, col2, col3 = st.columns(3)

    with col1:
        st.subheader("Personal information")
        genre = st.selectbox("Genre", ["M", "F"])
        age = st.number_input("Âge", value=35)
        statut_marital = st.selectbox("Statut marital", ["Célibataire", "Marié(e)", "Divorcé(e)"])
        niveau_education = st.number_input("Niveau d'éducation", min_value=1, max_value=5, value=3)
        domaine_etude = st.selectbox("Domaine d'étude", [
            "Ressources Humaines", "Marketing", "Infra & Cloud", "Transformation Digitale", "Entrepreunariat"
        ])
        ayant_enfants = st.selectbox("Ayant des enfants", ["Oui", "Non"])
        distance_domicile = st.number_input("Distance domicile-travail (km)", min_value=1, value=10)
        frequence_deplacement = st.selectbox("Fréquence de déplacement", ["Aucun", "Occasionnel", "Frequent"])

    with col2:
        st.subheader("Position and experience")
        departement = st.selectbox("Département", ["Commercial", "Consulting", "Ressources Humaines"])
        poste = st.selectbox("Poste", [
            "Cadre Commercial", "Assistant de Direction", "Consultant",
            "Tech Lead", "Manager", "Senior Manager",
            "Représentant Commercial", "Directeur Technique", "Ressources Humaines"
        ])
        revenu_mensuel = st.number_input("Revenu mensuel (€)", value=5000)
        heure_supplementaires = st.selectbox("Heures supplémentaires", ["Oui", "Non"])
        nb_experiences = st.number_input("Nombre d'expériences précédentes", value=2)
        annees_experience = st.number_input("Années d'expérience totale",  value=10)
        annees_entreprise = st.number_input("Années dans l'entreprise", value=5)
        annees_poste = st.number_input("Années dans le poste actuel",  value=3)
        annees_promotion = st.number_input("Années depuis la dernière promotion",  value=1)
        annees_manager = st.number_input("Années sous responsable actuel", value=2)
        nb_formations = st.number_input("Nombre de formations suivies",  value=2)
        augmentation_num = st.number_input("Augmentation salaire précédente (%)", value=15)
        augmentation = f"{augmentation_num} %"

    with col3:
        st.subheader("Satisfaction scores")
        satisfaction_env = st.slider("Satisfaction environnement", 1, 4, 3)
        satisfaction_travail = st.slider("Satisfaction nature du travail", 1, 4, 3)
        satisfaction_equipe = st.slider("Satisfaction équipe", 1, 4, 3)
        satisfaction_equilibre = st.slider("Satisfaction équilibre pro/perso", 1, 4, 3)
        note_eval_prec = st.slider("Note évaluation précédente", 1, 4, 3)
        note_eval_actuelle = st.slider("Note évaluation actuelle", 1, 4, 3)
        niveau_hierarchique = st.number_input("Niveau hiérarchique", value=2)
        nb_participation_pee = st.number_input("Participations PEE",  value=3)
        nb_employes_sous_resp = st.number_input("Employés sous responsabilité", value=0)

    if st.button("🔮 Predict departure risk", type="primary"):
        payload = {
            "Genre": genre,
            "Statut Marital": statut_marital,
            "Département": departement,
            "Poste": poste,
            "Domaine d'étude": domaine_etude,
            "Fréquence de déplacement": frequence_deplacement,
            "Heures supplémentaires": heure_supplementaires,
            "Âge": age,
            "Revenu mensuel": revenu_mensuel,
            "Nombre d'expériences précédentes": nb_experiences,
            "Années d'expérience totale": annees_experience,
            "Années dans l'entreprise": annees_entreprise,
            "Années dans le poste actuel": annees_poste,
            "Nombre de formations suivies": nb_formations,
            "Distance domicile-travail": distance_domicile,
            "Niveau d'éducation": niveau_education,
            "Années depuis la dernière promotion": annees_promotion,
            "Années sous responsable actuel": annees_manager,
            "Satisfaction environnement": satisfaction_env,
            "Note évaluation précédente": note_eval_prec,
            "Satisfaction nature du travail": satisfaction_travail,
            "Satisfaction équipe": satisfaction_equipe,
            "Satisfaction équilibre pro/perso": satisfaction_equilibre,
            "Note évaluation actuelle": note_eval_actuelle,
            "Augmentation salaire précédente": augmentation
        }

        with st.spinner("Predicting..."):
            try:
                response = requests.post(f"{API_URL}/predict", json=payload)
                if response.status_code == 200:
                    afficher_resultat(response.json())
                else:
                    st.error(f"API error: {response.status_code} — {response.text}")
            except Exception as e:
                st.error(f"Could not reach the API: {e}")

# ─── Tab 2 : Search by ID ─────────────────────────────────────────────────────

with tab2:
    st.header("Search an employee by ID")

    id_employee = st.number_input("Employee ID", min_value=1, value=1, step=1)

    if st.button("🔍 Search and predict", type="primary"):
        with st.spinner("Searching..."):
            try:
                response = requests.get(f"{API_URL}/predict/{id_employee}")
                if response.status_code == 200:
                    afficher_resultat(response.json())
                elif response.status_code == 404:
                    st.warning(f"⚠️ {response.json()['detail']}")
                else:
                    st.error(f"API error: {response.status_code}")
            except Exception as e:
                st.error(f"Could not reach the API: {e}")