Update app.py

app.py

@@ -255,7 +255,7 @@ if page == "Accueil":
 
     # Palette dynamique
     vmax = float(df_map[col_proba].max())
-    fig = px.scatter_mapbox(
+    fig = px.scatter_map(
         df_map,
         lat="lat",
         lon="lon",
@@ -268,7 +268,7 @@ if page == "Accueil":
         height=650,
     )
     fig.update_layout(
-        mapbox_style="open-street-map",
+        map_style="open-street-map",
         margin=dict(l=0, r=0, t=0, b=0),
         coloraxis_colorbar=dict(title="Probabilité", tickformat=".0%"),
     )
@@ -281,12 +281,6 @@ if page == "Accueil":
 
 if page == "Accueil":
 
-    # Chargement des données des casernes
-    # df_casernes = pd.read_csv(
-    #     'https://projet-incendie.s3.eu-west-3.amazonaws.com/casernes_corses.csv',
-    #     sep=',',
-    #     encoding='utf8'
-    # )
     s3.download_file(os.getenv('S3_BUCKET'), 'dataset/casernes_corses.csv', 'casernes_corses.csv')
     df_casernes = pd.read_csv('casernes_corses.csv', sep=',', encoding='utf8')
     # Nettoyage des coordonnées
@@ -466,8 +460,8 @@ if page == "Notre Projet":
 - **Fermeture de massif** enclenchée 1 seule fois : forêt de Pinia
             """)
 #---------------------------------------------------Equipe du projet---------------------------------------------------
-    st.subheader("👨‍💻 Équipe du projet")
-    col3= st.columns(1)
+    # st.subheader("👨‍💻 Équipe du projet")
+    # col3= st.columns(1)
     # col1, col2, col3 = st.columns(3)
     # with col1:
     #     st.image("images/Faycal_Belambri.jpg", width=150)
@@ -475,9 +469,9 @@ if page == "Notre Projet":
     # with col2:
     #     st.image("images/Joel_Termondjian.jpg", width=150)  
     #     st.markdown("**Joël Termondjian**\n\nData Scientist\n\nResponsable des données\n\nPreprocessing\n\nData Enagineering")
-    with col3:
-        st.image("images/Marc_Barthes.jpg", width=150)
-        st.markdown("**Marc Barthes**\n\nData Scientist\n\nML Engineer\n\nExpert en modèles de prédiction")
+    # with col3:
+    #     st.image("images/Marc_Barthes.jpg", width=150)
+    #     st.markdown("**Marc Barthes**\n\nData Scientist\n\nML Engineer\n\nExpert en modèles de prédiction")
 #---------------------------------------------------Notre Objectif --------------------------------------------------------
   
     st.subheader("🎯 Notre Objectif")
@@ -880,20 +874,27 @@ if page == "Exploration des données":
     st.plotly_chart(fig_top10_feux, use_container_width=True)
 
 
-# #---------------------------------------------------- Page Résultats des modèles -----------------------------------------
+#---------------------------------------------------- Page Résultats des modèles -----------------------------------------
+
+elif page == "Résultats des modèles":
+    st.title("📈 Résultats des modèles prédictifs")
+    st.subheader("### Comparaison des modèles de Survival Analysis)
+
+    #--------------------------------------------------- Tableau codé en dur en Markdown -----------------------------------
+    st.markdown("""
+    | Modèle                            | Concordance Index | 
+    |-----------------------------------|-------------------|
+    | Predict survival fonction (MVP)   | 0.69              |                 
+    | XGBOOST survival cox              | 0.752             |      
+    """)
 
-# elif page == "Résultats des modèles":
-#     st.title("📈 Résultats des modèles prédictifs")
-#     st.markdown("### Comparaison des modèles de Survival Analysis")
+    st.markdown("👉 Le modèle **XGBOOST survival cox** obtient la meilleure performance globale.")
 
-#     #--------------------------------------------------- Tableau codé en dur en Markdown -----------------------------------
-#     st.markdown("""
-#     | Modèle                            | Concordance Index | 
-#     |-----------------------------------|-------------------|
-#     | Predict survival fonction (MVP)   | 0.69              |                 
-#     | XGBOOST survival cox              | 0.809             |      
-#     """)
+    st.subheader("📈 Suivi des resultats quotidien du modèle")
 
-#     st.markdown("👉 Le modèle **XGBOOST survival cox** obtient la meilleure performance globale.")
+    query = """SELECT * FROM metrics"""
+    df = pd.read_sql(query, engine)
+    df = pd.DataFrame(df)
+    display(df.tail(15))
 
 #     show_footer()