Update app.py

app.py

@@ -17,26 +17,23 @@ from sklearn.decomposition import PCA
 # ======================================================
 #  DATA LADEN
 # ======================================================
-VEREISTE_KOLOMMEN = {"survived","pclass","sex","age","sibsp","parch","fare","embarked"}
+REQUIRED = {"survived","pclass","sex","age","sibsp","parch","fare","embarked"}
 
 def load_data(path="Titanic-Dataset.csv"):
     if not os.path.exists(path):
         raise FileNotFoundError("❌ Titanic-Dataset.csv niet gevonden in de rootmap.")
     df = pd.read_csv(path)
     df.columns = [c.lower().strip() for c in df.columns]
-    ontbrekend = VEREISTE_KOLOMMEN - set(df.columns)
-    if ontbrekend:
-        raise ValueError(f"Ontbrekende kolommen: {', '.join(sorted(ontbrekend))}")
-    # Missende waarden invullen (modus voor categorisch, mediaan voor numeriek)
+    missing = REQUIRED - set(df.columns)
+    if missing:
+        raise ValueError(f"Ontbrekende kolommen: {', '.join(sorted(missing))}")
     for c in df.columns:
         if df[c].isna().any():
             df[c] = df[c].fillna(df[c].mode()[0] if df[c].dtype=='O' else df[c].median())
-    # Afgeleide kolommen
     df["family_size"] = df["sibsp"] + df["parch"] + 1
     df["status"] = df["survived"].map({0:"Niet overleefd", 1:"Overleefd"})
-    # Consistente casing (laat intern Engels voor model/plots; vertaling doen we alleen in de preview-tabel)
-    df["sex"] = df["sex"].astype(str).str.title()        # 'Male'/'Female'
-    df["embarked"] = df["embarked"].astype(str).str.upper()  # 'S'/'C'/'Q'
+    df["sex"] = df["sex"].astype(str).str.title()
+    df["embarked"] = df["embarked"].astype(str).str.upper()
     return df
 
 df = load_data()
@@ -64,46 +61,6 @@ def make_plot(fig, title):
     )
     return fig
 
-def maak_passagiers_preview(df_src: pd.DataFrame) -> pd.DataFrame:
-    """
-    Maakt een weergavetabel met Nederlandse kolomnamen/waarden (alleen voor tonen in de UI).
-    We wijzigen het originele df niet (het model gebruikt nog steeds de Engelse kolommen/waarden).
-    """
-    kolommen = ["pclass","sex","age","sibsp","parch","fare","embarked","family_size","status"]
-    optioneel = ["name","ticket","cabin"]
-    aanwezig_opt = [c for c in optioneel if c in df_src.columns]
-    selectie = kolommen + aanwezig_opt
-
-    d = df_src[selectie].copy()
-
-    # Waarde-vertalingen voor weergave
-    d["sex"] = d["sex"].map({"Male":"Man", "Female":"Vrouw"}).fillna(d["sex"])
-    d["embarked"] = d["embarked"].map({"S":"Southampton","C":"Cherbourg","Q":"Queenstown"}).fillna(d["embarked"])
-
-    # Kolomnamen naar NL
-    mapping = {
-        "pclass":"Klasse",
-        "sex":"Geslacht",
-        "age":"Leeftijd",
-        "sibsp":"Broers/Zussen",
-        "parch":"Ouders/Kinderen",
-        "fare":"Ticketprijs (£)",
-        "embarked":"Vertrekhaven",
-        "family_size":"Familieomvang",
-        "status":"Uitkomst",
-        "name":"Naam",
-        "ticket":"Ticket",
-        "cabin":"Hut",
-    }
-    d = d.rename(columns=mapping)
-
-    # Sorteer kolommen op een prettige volgorde
-    volgorde = [k for k in ["Naam","Klasse","Geslacht","Leeftijd","Familieomvang",
-                            "Broers/Zussen","Ouders/Kinderen","Ticketprijs (£)",
-                            "Vertrekhaven","Uitkomst","Ticket","Hut"] if k in d.columns]
-    d = d[volgorde]
-    return d.head(10)
-
 # ======================================================
 #  MODELTRAINING + 2D VISUALISATIE
 # ======================================================
@@ -306,9 +263,6 @@ h1, h2, h3, h4 { color:#1B4B91; }
 .kpi .value { font-size:1.6rem; font-weight:800; color:#1B4B91; }
 .kpi .label { font-size:.9rem; color:#3F557A; }
 .explain-card { background:#EAF0FF; border-radius:12px; padding:18px; border:1px solid #D5E0FA; }
-
-/* Scrollbaar venster voor de passagierstabel */
-#passenger_table { overflow:auto; max-height:250px; }
 """
 
 with gr.Blocks(css=CUSTOM_CSS, theme=gr.themes.Default(primary_hue="blue")) as demo:
@@ -321,17 +275,18 @@ with gr.Blocks(css=CUSTOM_CSS, theme=gr.themes.Default(primary_hue="blue")) as d
             if hp: gr.Image(value=hp, interactive=False, show_label=False, elem_classes=["hero-img"])
             else: gr.Markdown("⚠️ **Geen afbeelding gevonden.** Plaats `titanic_bg.png` of `titanic_bg.jpg` in de root.")
 
-    # NIEUW PANEEL: Passagierslijst (eerste 10 rijen) — scrollbaar
+    # NIEUW PANEEL: Passagierslijst (volledige dataset, scrollbaar)
     with gr.Column(elem_classes=["panel"]):
-        gr.Markdown("## 👥 Passagierslijst — eerste 10 rijen van de dataset")
+        gr.Markdown("## 👥 Passagierslijst — volledige dataset (scrollbaar)")
         gr.DataFrame(
-            value=maak_passagiers_preview(df),
+            value=df,               # volledige dataset
             wrap=True,
-            interactive=False,
-            label="Titanic-passagiers (voorbeeld)",
-            elem_id="passenger_table",
-            max_height=250
+            interactive=False,      # alleen-lezen
+            label="Titanic-passagiers",
+            max_height=320          # vaste hoogte -> scroll binnen de tabel
         )
+    # Kleine spacer om overlap te voorkomen
+    gr.Markdown("")
 
     # Panel: status + 2D-plot links en uitleg rechts
     with gr.Column(elem_classes=["panel"]):
@@ -343,7 +298,7 @@ with gr.Blocks(css=CUSTOM_CSS, theme=gr.themes.Default(primary_hue="blue")) as d
             with gr.Column(scale=1, min_width=320):
                 gr.Markdown(EXPLAIN_MD_SIDE, elem_classes=["explain-card"])
 
-    # KPI-tegels
+    # KPIs
     with gr.Row():
         gr.HTML(f"<div class='kpi'><div class='value'>{len(df):,}</div><div class='label'>Totaal passagiers</div></div>")
         gr.HTML(f"<div class='kpi'><div class='value'>{int(df['survived'].sum()):,}</div><div class='label'>Overlevenden</div></div>")
@@ -394,11 +349,11 @@ Hier kun je ontdekken **hoe groot jouw kans op overleving** zou zijn geweest aan
         btn = gr.Button("🎲 Bereken én vertel mijn verhaal", variant="primary")
         story_out = gr.Markdown()
 
-    # Laden & acties
+    # Loads & acties
     demo.load(fn=train_and_embed_solid, inputs=[], outputs=[status_md, train_plot])
     demo.load(lambda: (plot_age_hist(df), plot_gender(df), plot_fare_box(df)), inputs=[], outputs=[g2, g3, g4])
 
-    # Initiële gauge (na modeltraining): gebruik de default UI-waarden
+    # Initiele gauge (na modeltraining): gebruik de default UI-waarden
     demo.load(lambda: live_viz(2, "Man", 30, 1, 0, 50, "S"), inputs=[], outputs=[viz_plot])
 
     # Live updates bij elke wijziging