app.py

import streamlit as st
import pandas as pd
import sqlite3
import requests
import os
import plotly.express as px
import plotly.graph_objects as go
from datetime import datetime
import tempfile
import time

# === CONFIGURATION DE LA PAGE ===
st.set_page_config(
    page_title="RASFF Tableau de Bord",
    page_icon="🚨",
    layout="wide",
    initial_sidebar_state="expanded"
)

# === CSS PERSONNALISÉ ===
st.markdown("""
<style>
    .main-header {
        font-size: 42px;
        font-weight: bold;
        color: #FF5A5F;
        margin-bottom: 20px;
        text-align: center;
        padding: 20px;
        background-color: #f0f2f6;
        border-radius: 10px;
    }
    .subheader {
        font-size: 24px;
        font-weight: bold;
        color: #1E88E5;
        margin: 20px 0;
        padding-left: 10px;
        border-left: 5px solid #1E88E5;
    }
    .stat-box {
        background-color: #f0f2f6;
        border-radius: 10px;
        padding: 20px;
        text-align: center;
        box-shadow: 0 4px 6px rgba(0, 0, 0, 0.1);
    }
    .stat-value {
        font-size: 36px;
        font-weight: bold;
        color: #1E88E5;
    }
    .stat-label {
        font-size: 16px;
        color: #616161;
    }
    .filter-section {
        background-color: #f8f9fa;
        padding: 20px;
        border-radius: 10px;
        margin-bottom: 20px;
    }
    .download-btn {
        background-color: #4CAF50;
        color: white;
        padding: 10px 24px;
        border-radius: 4px;
        cursor: pointer;
        font-size: 16px;
        margin: 10px 0;
    }
    .stDataFrame {
        border-radius: 10px;
        overflow: hidden;
        box-shadow: 0 4px 6px rgba(0, 0, 0, 0.1);
    }
    .banner { 
        background-image: url('https://github.com/M00N69/BUSCAR/blob/main/logo%2002%20copie.jpg?raw=true'); 
        background-size: cover; 
        height: 120px; 
        border-radius: 5px; 
        margin-top: -60px; 
        margin-bottom: 20px; 
        box-shadow: 0 2px 4px rgba(0, 0, 0, 0.1); 
    }
</style>
""", unsafe_allow_html=True)

# === CSS PERSONNALISÉ POUR LE EXPANDER ===
st.markdown("""
<style>
.custom-expander .streamlit-expanderHeader {
    background-color: #FFEBCC; /* Couleur de fond personnalisée (orange clair) */
    color: #333333;  /* Couleur du texte */
    font-weight: bold;
    padding: 5px 10px;
    border-radius: 5px;
}
.custom-expander .streamlit-expanderContent {
    background-color: #FFF5E6; /* Fond légèrement plus clair pour l'intérieur */
    padding: 10px;
    border: 1px solid #FFCC99; /* Bordure fine pour l'intérieur */
    border-radius: 0 0 5px 5px;
}
</style>
""", unsafe_allow_html=True)

# === BANNER VISIPILOT ===
st.sidebar.markdown("""
<div style="text-align: center; margin-bottom: 20px;">
    <a href="https://visipilot.fr" target="_blank">
        <img src="https://visipilot.fr/wp-content/uploads/2023/07/cropped-logo-1.png" width="200">
    </a>
</div>
""", unsafe_allow_html=True)

# === EXPANDER PERSONNALISÉ ===
with st.expander("ℹ️ Guide d'utilisation du Dashboard", expanded=True):
    st.markdown("""
    <div class="custom-expander">
        <p>Bienvenue sur le <b>RASFF Alerts Dashboard</b>! 👋</p>
        <ul>
            <li>Utilisez les <b>filtres</b> dans la barre latérale pour affiner les alertes affichées.</li>
            <li>Les statistiques clés et graphiques se mettent à jour automatiquement selon vos choix.</li>
            <li><b>Descendez plus bas</b> pour explorer les graphiques détaillés et les tableaux d'alertes.</li>
            <li>Utilisez les boutons de téléchargement pour exporter les données filtrées en CSV.</li>
        </ul>
        <p>Bonne exploration des données! 🚀</p>
    </div>
    """, unsafe_allow_html=True)


DB_PATH = "rasff_data.db"
REPO_OWNER = "M00N69"
REPO_NAME = "RASFFDB"
FILE_PATH = "rasff_data.db"

# === TÉLÉCHARGEMENT ET MISE À JOUR DE LA BASE DE DONNÉES ===
def get_github_file_info():
    """Récupère les informations sur le fichier stocké sur GitHub (comme le SHA)"""
    api_url = f"https://api.github.com/repos/{REPO_OWNER}/{REPO_NAME}/contents/{FILE_PATH}"
    response = requests.get(api_url)
    if response.status_code == 200:
        return response.json()
    return None

def download_database():
    with st.spinner("Téléchargement de la base de données en cours..."):
        url = f"https://raw.githubusercontent.com/{REPO_OWNER}/{REPO_NAME}/main/{FILE_PATH}"
        response = requests.get(url)
        if response.status_code == 200:
            with open(DB_PATH, "wb") as file:
                file.write(response.content)
            # Enregistrer la version actuelle
            if 'github_sha' in st.session_state:
                with open(f"{DB_PATH}.sha", "w") as f:
                    f.write(st.session_state['github_sha'])
            st.success("✅ Base de données téléchargée avec succès!")
            return True
        else:
            st.error("❌ Erreur lors du téléchargement de la base de données.")
            return False

def check_database_update():
    # Récupérer les informations du fichier sur GitHub
    github_info = get_github_file_info()
    
    if not github_info:
        st.warning("⚠️ Impossible de vérifier les mises à jour. Utilisation de la version locale.")
        return False
    
    # Stocker le SHA actuel pour l'enregistrer après téléchargement
    st.session_state['github_sha'] = github_info.get('sha', '')
    
    # Vérifier si nous avons déjà cette version
    if os.path.exists(f"{DB_PATH}.sha"):
        with open(f"{DB_PATH}.sha", "r") as f:
            local_sha = f.read().strip()
        
        # Si les SHA correspondent, la base de données est à jour
        if local_sha == st.session_state['github_sha']:
            st.info("✅ La base de données est à jour.")
            return False
    
    # SHA différent ou fichier SHA inexistant, mise à jour nécessaire
    st.info("🔄 Une mise à jour de la base de données est disponible.")
    return True


# === INITIALISATION DE LA BASE DE DONNÉES ===
if not os.path.exists(DB_PATH):
    st.write("📥 Premier téléchargement de la base de données...")
    download_database()
else:
    # Vérifier s'il y a des mises à jour
    st.write("📥 Vérification des mises à jour de la base de données...")
    if check_database_update():
        download_database()


# === CHARGEMENT DES DONNÉES ===
@st.cache_data
def load_data():
    conn = sqlite3.connect(DB_PATH)
    df = pd.read_sql_query("SELECT * FROM rasff_notifications", conn)
    conn.close()
    
    # Assurer la conversion correcte des colonnes 'year' et 'week' en entiers
    df['year'] = df['year'].astype(int)
    df['week'] = df['week'].astype(int)
    
    # Créer une colonne de date approximative pour meilleure visualisation
    df['date_approx'] = pd.to_datetime(df['year'].astype(str) + '-' + df['week'].astype(str) + '-1', format='%Y-%W-%w')
    
    return df

# Afficher un spinner pendant le chargement des données
with st.spinner("Chargement des données..."):
    df = load_data()

# === SIDEBAR: FILTRES ===
# Ajout du logo VisiPilot en haut de la sidebar
st.sidebar.markdown("""
<div style="text-align: center;">
    <a href="https://www.visipilot.com" target="_blank">
        <img src="https://raw.githubusercontent.com/M00N69/RAPPELCONSO/main/logo%2004%20copie.jpg" alt="Visipilot Logo" style="width: 250px; margin-top: 20px;">
    </a>
</div>
""", unsafe_allow_html=True)

st.sidebar.markdown("<h2 style='text-align: center; color: #FF5A5F;'>🔍 Filtres</h2>", unsafe_allow_html=True)

# Ajout d'un accordéon pour organiser les filtres
with st.sidebar.expander("⏱️ Filtres temporels", expanded=True):
    # Filtre: Année
    annees = sorted(df['year'].unique(), reverse=True)
    annee_selectionnee = st.selectbox("Année", ["Tous"] + [str(annee) for annee in annees])

    # Filtre: Semaine (conditionnel à l'année)
    if annee_selectionnee != "Tous":
        semaines_disponibles = sorted(df[df['year'] == int(annee_selectionnee)]['week'].unique())
        semaine_selectionnee = st.selectbox("Semaine", ["Toutes"] + [str(semaine) for semaine in semaines_disponibles])
    else:
        semaines = sorted(df['week'].unique())
        semaine_selectionnee = st.selectbox("Semaine", ["Toutes"] + [str(semaine) for semaine in semaines])

with st.sidebar.expander("🌍 Filtres géographiques", expanded=True):
    # Filtre: Pays
    pays = sorted(df['notifying_country'].dropna().unique())
    pays_selectionne = st.selectbox("Pays notifiant", ["Tous"] + pays)
    
    # Nouvel ajout: filtre sur pays d'origine
    pays_origine = sorted(df['origin'].dropna().unique())
    pays_origine_selectionne = st.selectbox("Pays d'origine", ["Tous"] + pays_origine)

with st.sidebar.expander("🍎 Filtres produits et risques", expanded=True):
    # Filtre: Produits
    produits = sorted(df['category'].dropna().unique())
    produit_selectionne = st.selectbox("Catégorie de produit", ["Tous"] + produits)

    # Filtre: Type de risque
    types_risque = sorted(df['hazards'].dropna().unique())
    type_risque_selectionne = st.selectbox("Type de risque", ["Tous"] + types_risque)
    
    # Ajout filtre: Type de notification
    types_notification = sorted(df['type'].dropna().unique())
    type_notification_selectionne = st.selectbox("Type de notification", ["Tous"] + types_notification)
    
    # Filtre par mots-clés (recherche dans subjects et hazards)
    st.markdown("---")  # Séparateur visuel
    mot_cle = st.text_input("🔍 Recherche par mot-clé", 
                            placeholder="Ex: Salmonella, fruits, etc.",
                            help="Recherche dans les sujets et types de dangers (non sensible à la casse)")

# Bouton pour réinitialiser tous les filtres
if st.sidebar.button("🔄 Réinitialiser tous les filtres", use_container_width=True):
    for key in st.session_state.keys():
        del st.session_state[key]


# Ajout d'une section d'information
with st.sidebar.expander("ℹ️ À propos de RASFF", expanded=False):
    st.markdown("""
    **RASFF** (Rapid Alert System for Food and Feed) est le système d'alerte rapide pour les denrées alimentaires et les aliments pour animaux de l'Union européenne.
    
    Ce dashboard vous permet d'explorer les alertes RASFF pour identifier les tendances et les risques émergents.
    
    Dernière mise à jour: {}
    """.format(datetime.now().strftime("%d/%m/%Y")))

# === APPLICATION DES FILTRES ===
df_filtre = df.copy()

if annee_selectionnee != "Tous":
    df_filtre = df_filtre[df_filtre['year'] == int(annee_selectionnee)]

if semaine_selectionnee != "Toutes":
    df_filtre = df_filtre[df_filtre['week'] == int(semaine_selectionnee)]

if pays_selectionne != "Tous":
    df_filtre = df_filtre[df_filtre['notifying_country'] == pays_selectionne]

if pays_origine_selectionne != "Tous":
    df_filtre = df_filtre[df_filtre['origin'] == pays_origine_selectionne]

if produit_selectionne != "Tous":
    df_filtre = df_filtre[df_filtre['category'] == produit_selectionne]

if type_risque_selectionne != "Tous":
    df_filtre = df_filtre[df_filtre['hazards'] == type_risque_selectionne]

if type_notification_selectionne != "Tous":
    df_filtre = df_filtre[df_filtre['type'] == type_notification_selectionne]

# Application du filtre par mot-clé
if mot_cle:
    # Convertir le mot-clé en minuscules pour une recherche insensible à la casse
    mot_cle_lower = mot_cle.lower()
    
    # Recherche dans subjects et hazards (avec gestion des valeurs NaN)
    mask_subjects = df_filtre['subject'].fillna('').str.lower().str.contains(mot_cle_lower)
    mask_hazards = df_filtre['hazards'].fillna('').str.lower().str.contains(mot_cle_lower)
    
    # Appliquer les deux masques avec un OU logique
    df_filtre = df_filtre[mask_subjects | mask_hazards]

# === HEADER ET STATISTIQUES GÉNÉRALES ===
# Affichage de la bannière au tout début de la page principale
st.markdown("<div class='banner'></div>", unsafe_allow_html=True)
st.markdown("<div class='main-header'>🚨 RASFF Alerts Dashboard</div>", unsafe_allow_html=True)

# KPIs en ligne
col1, col2, col3, col4 = st.columns(4)

with col1:
    st.markdown("<div class='stat-box'><div class='stat-value'>{}</div><div class='stat-label'>Alertes totales</div></div>".format(len(df_filtre)), unsafe_allow_html=True)

with col2:
    nb_pays = df_filtre['notifying_country'].nunique()
    st.markdown("<div class='stat-box'><div class='stat-value'>{}</div><div class='stat-label'>Pays notifiants</div></div>".format(nb_pays), unsafe_allow_html=True)

with col3:
    nb_produits = df_filtre['category'].nunique()
    st.markdown("<div class='stat-box'><div class='stat-value'>{}</div><div class='stat-label'>Catégories de produits</div></div>".format(nb_produits), unsafe_allow_html=True)

with col4:
    nb_dangers = df_filtre['hazards'].nunique()
    st.markdown("<div class='stat-box'><div class='stat-value'>{}</div><div class='stat-label'>Types de dangers</div></div>".format(nb_dangers), unsafe_allow_html=True)

# === VISUALISATION TEMPORELLE ===
st.markdown("<div class='subheader'>📅 Évolution temporelle des alertes</div>", unsafe_allow_html=True)

# Créer une agrégation par date
if not df_filtre.empty:
    df_time = df_filtre.groupby(['year', 'week']).size().reset_index(name='count')
    df_time['date_approx'] = pd.to_datetime(df_time['year'].astype(str) + '-' + df_time['week'].astype(str) + '-1', format='%Y-%W-%w')
    
    fig = px.line(df_time, x='date_approx', y='count', 
                 title="Évolution du nombre d'alertes au fil du temps",
                 labels={'count': "Nombre d'alertes", 'date_approx': 'Date (Année-Semaine)'},
                 markers=True)
    
    fig.update_layout(
        hovermode='x unified',
        xaxis_title='Date',
        yaxis_title="Nombre d'alertes",
        template='plotly_white',
        height=400
    )
    
    st.plotly_chart(fig, use_container_width=True)
else:
    st.info("Aucune donnée disponible pour l'évolution temporelle avec les filtres actuels.")

# === TOP DANGERS ET PRODUITS ===
st.markdown("<div class='subheader'>🌟 Top 10 Dangers et Produits</div>", unsafe_allow_html=True)

col1, col2 = st.columns(2)

# Top 10 des dangers avec graphique amélioré
with col1:
    if not df_filtre.empty:
        top_dangers = df_filtre['hazards'].value_counts().nlargest(10)
        if not top_dangers.empty:
            fig = px.bar(top_dangers, 
                         x=top_dangers.values, 
                         y=top_dangers.index,
                         orientation='h',
                         title="Top 10 des dangers signalés",
                         color=top_dangers.values,
                         color_continuous_scale='Reds')
            
            fig.update_layout(
                xaxis_title="Nombre d'alertes",
                yaxis_title="Type de danger",
                yaxis={'categoryorder':'total ascending'},
                template='plotly_white',
                height=500
            )
            
            st.plotly_chart(fig, use_container_width=True)
        else:
            st.info("Aucun danger trouvé avec les filtres actuels.")
    else:
        st.info("Aucune donnée disponible pour les dangers.")

# Top 10 des produits avec graphique amélioré
with col2:
    if not df_filtre.empty:
        top_produits = df_filtre['category'].value_counts().nlargest(10)
        if not top_produits.empty:
            fig = px.bar(top_produits, 
                         x=top_produits.values, 
                         y=top_produits.index,
                         orientation='h',
                         title="Top 10 des produits concernés",
                         color=top_produits.values,
                         color_continuous_scale='Blues')
            
            fig.update_layout(
                xaxis_title="Nombre d'alertes",
                yaxis_title="Catégorie de produit",
                yaxis={'categoryorder':'total ascending'},
                template='plotly_white',
                height=500
            )
            
            st.plotly_chart(fig, use_container_width=True)
        else:
            st.info("Aucun produit trouvé avec les filtres actuels.")
    else:
        st.info("Aucune donnée disponible pour les produits.")

# === RÉPARTITION GÉOGRAPHIQUE ===
st.markdown("<div class='subheader'>🌍 Répartition géographique des alertes</div>", unsafe_allow_html=True)

col1, col2 = st.columns(2)

# Pays notifiants
with col1:
    if not df_filtre.empty:
        top_pays_notifiants = df_filtre['notifying_country'].value_counts().nlargest(10)
        if not top_pays_notifiants.empty:
            fig = px.bar(top_pays_notifiants, 
                         x=top_pays_notifiants.values, 
                         y=top_pays_notifiants.index,
                         orientation='h',
                         title="Top 10 des pays notifiants",
                         color=top_pays_notifiants.values,
                         color_continuous_scale='Greens')
            
            fig.update_layout(
                xaxis_title="Nombre d'alertes",
                yaxis_title="Pays notifiant",
                yaxis={'categoryorder':'total ascending'},
                template='plotly_white',
                height=400
            )
            
            st.plotly_chart(fig, use_container_width=True)
        else:
            st.info("Aucun pays notifiant trouvé avec les filtres actuels.")
    else:
        st.info("Aucune donnée disponible pour les pays notifiants.")

# Pays d'origine
with col2:
    if not df_filtre.empty:
        top_pays_origine = df_filtre['origin'].value_counts().nlargest(10)
        if not top_pays_origine.empty:
            fig = px.bar(top_pays_origine, 
                         x=top_pays_origine.values, 
                         y=top_pays_origine.index,
                         orientation='h',
                         title="Top 10 des pays d'origine des produits signalés",
                         color=top_pays_origine.values,
                         color_continuous_scale='Oranges')
            
            fig.update_layout(
                xaxis_title="Nombre d'alertes",
                yaxis_title="Pays d'origine",
                yaxis={'categoryorder':'total ascending'},
                template='plotly_white',
                height=400
            )
            
            st.plotly_chart(fig, use_container_width=True)
        else:
            st.info("Aucun pays d'origine trouvé avec les filtres actuels.")
    else:
        st.info("Aucune donnée disponible pour les pays d'origine.")

# === MATRICE DE CORRÉLATION DANGERS / PRODUITS ===
st.markdown("<div class='subheader'>🔄 Relation entre produits et dangers</div>", unsafe_allow_html=True)

if not df_filtre.empty and len(df_filtre) > 5:
    # Création de la matrice produit/danger
    danger_product_matrix = pd.crosstab(df_filtre['hazards'], df_filtre['category'])
    
    # Sélection des top 10 dangers et produits pour une meilleure lisibilité
    top_dangers = df_filtre['hazards'].value_counts().nlargest(10).index.tolist()
    top_products = df_filtre['category'].value_counts().nlargest(10).index.tolist()
    
    # Filtrer la matrice pour les top dangers/produits
    filtered_matrix = danger_product_matrix.loc[danger_product_matrix.index.isin(top_dangers), 
                                              danger_product_matrix.columns.isin(top_products)]
    
    # Création de la heatmap
    fig = px.imshow(filtered_matrix, 
                   labels=dict(x="Catégorie de produit", y="Type de danger", color="Nombre d'alertes"),
                   x=filtered_matrix.columns,
                   y=filtered_matrix.index,
                   color_continuous_scale='YlOrRd',
                   title="Heatmap des relations entre dangers et produits")
    
    fig.update_layout(
        height=500,
        xaxis={'tickangle': 45},
        template='plotly_white'
    )
    
    st.plotly_chart(fig, use_container_width=True)
else:
    st.info("Pas assez de données pour générer une matrice de corrélation. Veuillez élargir vos critères de filtrage.")

# === TABLEAU DES DONNÉES ===
with st.expander("📋 Données brutes", expanded=False):
    st.markdown("### Alertes RASFF ({} enregistrements)".format(len(df_filtre)))
    
    # Options de tri
    sort_col, sort_order = st.columns(2)
    with sort_col:
        sort_column = st.selectbox("Trier par", df_filtre.columns)
    with sort_order:
        sort_ascending = st.radio("Ordre", ["Ascendant", "Descendant"], horizontal=True) == "Ascendant"
    
    # Affichage du tableau trié
    df_display = df_filtre.sort_values(by=sort_column, ascending=sort_ascending)
    st.dataframe(df_display, use_container_width=True)
    
    # Options d'export
    csv = df_filtre.to_csv(index=False).encode('utf-8')
    
    col1, col2 = st.columns(2)
    with col1:
        st.download_button(
            "📥 Télécharger en CSV", 
            data=csv, 
            file_name="rasff_data_filtered.csv", 
            mime="text/csv",
            use_container_width=True
        )
    with col2:
        pass

# Pied de page
st.markdown("""
<div style="text-align: center; margin-top: 40px; padding: 20px; background-color: #f0f2f6; border-radius: 10px;">
    <p style="color: #616161;">RASFF Alerts Dashboard - Développé avec Streamlit</p>
    <p style="color: #616161; font-size: 12px;">Données issues du système d'alerte rapide pour les denrées alimentaires et les aliments pour animaux de l'UE</p>
    <p style="color: #616161; font-size: 12px;">Propulsé par <a href="https://visipilot.fr" target="_blank">VisiPilot</a></p>
</div>
""", unsafe_allow_html=True)