Upload 2 files

dashboard_roug.py

@@ -0,0 +1,134 @@
+import streamlit as st
+import pandas as pd
+import plotly.express as px
+import re  # Pour utiliser les expressions régulières
+
+# Configuration de la page
+st.set_page_config(page_title="Tableau de Bord Épidémie", layout="wide")
+
+
+# Fonction pour charger un fichier uploadé (CSV ou Excel)
+def load_uploaded_file(uploaded_file):
+    if uploaded_file is not None:
+        try:
+            if uploaded_file.name.endswith(".csv"):
+                df = pd.read_csv(uploaded_file, sep="\t")
+            elif uploaded_file.name.endswith((".xlsx", ".xls")):
+                df = pd.read_excel(uploaded_file)
+            else:
+                st.error("Type de fichier non supporté. Veuillez uploader un fichier CSV ou Excel.")
+                return None
+            return df
+        except Exception as e:
+            st.error(f"Erreur lors du chargement du fichier : {e}")
+            return None
+    return None
+
+
+# Interface pour uploader des fichiers dans la sidebar
+st.sidebar.header("📎 Importer vos Bases Excel")
+uploaded_file1 = st.sidebar.file_uploader("📂 Charger un premier fichier", type=["csv", "xlsx", "xls"])
+uploaded_file2 = st.sidebar.file_uploader("📂 Charger un deuxième fichier", type=["csv", "xlsx", "xls"])
+
+# Vérifier que les deux fichiers sont chargés
+if uploaded_file1 is None or uploaded_file2 is None:
+    st.warning("Veuillez envoyer les deux bases pour afficher les données.")
+    st.stop()
+
+# Charger les fichiers
+df_a = load_uploaded_file(uploaded_file1)
+df_b = load_uploaded_file(uploaded_file2)
+
+# Identifier quel fichier correspond à quelle structure
+if "periodname" in df_a.columns:
+    df2, df1 = df_a.copy(), df_b.copy()
+else:
+    df2, df1 = df_b.copy(), df_a.copy()
+
+# Harmonisation des colonnes dans df2
+df2.rename(columns={
+    "organisationunitname": "DistrictofResidence",
+    "periodname": "Semaine_Epi",
+    "MAPE16_H_19.Rougeole": "MAPE"
+}, inplace=True)
+
+df2["MAPE"] = pd.to_numeric(df2["MAPE"], errors='coerce')
+
+# Normalisation de la colonne "Semaine_Epi" pour extraire le chiffre
+df2["Semaine_Epi"] = df2["Semaine_Epi"].astype(str).str.extract(r'(\d+)')[0].astype(int)
+
+# Fusion des données sur "DistrictofResidence" et "Semaine_Epi"
+df = pd.merge(df1, df2, on=["DistrictofResidence", "Semaine_Epi"], how="outer")
+
+# Titre de l'application
+st.markdown("<h1 style='text-align: center; color: #2C3E50;'>📊 Tableau de Bord de l'Épidémie</h1>",
+            unsafe_allow_html=True)
+
+# Filtres dans la sidebar
+st.sidebar.header("Filtres")
+districts = st.sidebar.multiselect("🏠 Sélectionner un district", df["DistrictofResidence"].dropna().unique())
+weeks = st.sidebar.multiselect("📅 Sélectionner une semaine", df["Semaine_Epi"].unique())
+
+# Filtrage des données
+filtered_df = df.copy()
+if districts:
+    filtered_df = filtered_df[filtered_df["DistrictofResidence"].isin(districts)]
+if weeks:
+    filtered_df = filtered_df[filtered_df["Semaine_Epi"].isin(weeks)]
+
+# Statistiques clés
+st.subheader("📌 Statistiques Clés")
+st.markdown("<hr>", unsafe_allow_html=True)
+col1, col2, col3 = st.columns(3)
+with col1:
+    st.metric("🧪 Total IgM+", filtered_df["Igm+"].sum())
+    st.metric("📄 Total Line List", filtered_df["Line list"].sum())
+with col2:
+    st.metric("❌ Total Rejetés", filtered_df["REJETE"].sum())
+    st.metric("🔵 Total MAPE", filtered_df["MAPE"].sum())
+with col3:
+    st.metric("🟠 Total Compatibles", filtered_df["Compatible"].sum())
+
+# Assurer que les semaines sont de 1 à 10
+all_weeks = pd.DataFrame({"Semaine_Epi": range(1, 11)})
+time_series = filtered_df.groupby("Semaine_Epi")[
+    ["Igm+", "REJETE", "Compatible", "Line list", "MAPE"]].sum().reset_index()
+time_series = all_weeks.merge(time_series, on="Semaine_Epi", how="left").fillna(0)
+
+# Création du graphique avec affichage des valeurs sur chaque segment
+fig = px.bar(
+    time_series,
+    x="Semaine_Epi",
+    y=["Igm+", "REJETE", "Compatible", "Line list", "MAPE"],
+    title="📊 Évolution des différents cas",
+    color_discrete_map={
+        "Igm+": "red",
+        "REJETE": "green",
+        "Compatible": "orange",
+        "Line list": "yellow",
+        "MAPE": "blue"
+    },
+    barmode="stack",
+    text_auto=True  # Affiche les valeurs sur chaque bande
+)
+fig.update_layout(
+    xaxis=dict(tickmode='array', tickvals=list(range(1, 11)), ticktext=[str(i) for i in range(1, 11)])
+)
+
+# Affichage du graphique
+st.plotly_chart(fig, use_container_width=True)
+
+# Possibilité de télécharger le graphique sous forme d'image PNG
+# Pour cela, Plotly nécessite l'installation de kaleido : pip install -U kaleido
+img_bytes = fig.to_image(format="png")
+st.download_button(
+    label="Télécharger le graphique",
+    data=img_bytes,
+    file_name="graphique.png",
+    mime="image/png"
+)
+
+# Affichage des données filtrées dans un tableau
+st.subheader("📋 Données Filtrées")
+st.markdown("<hr>", unsafe_allow_html=True)
+st.dataframe(filtered_df, use_container_width=True)

requirements.txt

@@ -0,0 +1,8 @@
+streamlit~=1.43.0
+pandas~=2.2.3
+folium~=0.19.5
+streamlit_folium~=0.24.0
+geopy~=2.4.1
+numpy~=2.2.3
+scikit-learn~=1.6.1
+plotly~=6.0.0