Upload 2 files

app.py

@@ -0,0 +1,165 @@
+import streamlit as st
+import pandas as pd
+import numpy as np
+import seaborn as sns
+import matplotlib.pyplot as plt
+from streamlit_extras.stylable_container import stylable_container
+
+# Charger les données
+try:
+    df = pd.read_csv('bank.csv')
+except FileNotFoundError:
+    st.error("Le fichier 'bank.csv' n'a pas été trouvé. Veuillez vous assurer qu'il se trouve dans le même répertoire que le script.")
+    st.stop()
+
+st.set_page_config(page_title='Analyse Bancaire Professionnelle',
+                   page_icon='🏦', layout="wide")
+
+# --- Styles CSS Personnalisés ---
+st.markdown(
+    """
+    <style>
+        .reportview-container {
+            background: #f7f8fa; /* Fond gris très clair */
+        }
+        .main {
+            background-color: #fff;
+            padding: 2rem 3rem;
+            border-radius: 12px;
+            box-shadow: 0 8px 24px rgba(0, 0, 0, 0.08);
+        }
+        h1 {
+            color: #2c3e50; /* Bleu foncé élégant */
+            text-align: center;
+            margin-bottom: 2.5rem;
+            font-size: 2.5rem;
+            font-weight: 600;
+        }
+        h3 {
+            color: #34495e; /* Bleu légèrement plus clair */
+            margin-top: 2rem;
+            font-size: 1.3rem;
+            font-weight: 500;
+            border-bottom: 2px solid #bdc3c7; /* Séparateur subtil */
+            padding-bottom: 0.5rem;
+            margin-bottom: 1rem;
+        }
+        .kpi-container {
+            background-color: #e7f5ff; /* Bleu très clair pour les KPIs */
+            border-radius: 8px;
+            padding: 1.5rem;
+            text-align: center;
+            box-shadow: 0 4px 8px rgba(0, 0, 0, 0.04);
+            border-left: 5px solid #3498db; /* Couleur d'accentuation */
+        }
+        .kpi-label {
+            color: #7f8c8d; /* Gris bleuté */
+            font-size: 0.9rem;
+            margin-bottom: 0.5rem;
+            font-weight: 500;
+        }
+        .kpi-value {
+            font-size: 1.8rem;
+            font-weight: 700;
+            color: #3498db; /* Couleur d'accentuation */
+        }
+        .chart-container {
+            background-color: #fff;
+            border-radius: 12px;
+            box-shadow: 0 6px 12px rgba(0, 0, 0, 0.06);
+            padding: 1.5rem 2rem;
+            margin-top: 2rem;
+        }
+        .dataframe-container {
+            background-color: #fff;
+            border-radius: 12px;
+            box-shadow: 0 6px 12px rgba(0, 0, 0, 0.06);
+            padding: 1.5rem;
+            margin-top: 2rem;
+        }
+        /* Style pour le selectbox */
+        .st-selectbox > div > div > div > div {
+            background-color: #f0f0f0;
+            border: 1px solid #ccc;
+            border-radius: 6px;
+            color: #333;
+            padding: 0.5rem;
+        }
+        /* Style pour le bouton */
+        .st-button > button {
+            background-color: #3498db;
+            color: white;
+            border: none;
+            border-radius: 6px;
+            padding: 0.75rem 1.5rem;
+            font-weight: 500;
+            cursor: pointer;
+            transition: background-color 0.3s ease;
+        }
+        .st-button > button:hover {
+            background-color: #2980b9;
+        }
+    </style>
+    """,
+    unsafe_allow_html=True,
+)
+
+with stylable_container(key="main_container", css_styles="""
+    padding: 2rem 3rem;
+    border-radius: 12px;
+    box-shadow: 0 8px 24px rgba(0, 0, 0, 0.08);
+    background-color: #fff;
+"""):
+    # --- Titre du Dashboard ---
+    st.title('Analyse Approfondie des Données Bancaires')
+
+    # --- Filtre sur le type de job ---
+    job_filter = st.selectbox('Filtrer par métier', pd.unique(df['job']))
+    df_filtered = df[df['job'] == job_filter]
+
+    # --- Création d'indicateurs clés (KPIs) ---
+    avg_age = np.mean(df_filtered['age'])
+    count_married = int(df_filtered[df_filtered['marital'] == 'married']['marital'].count())
+    avg_balance = np.mean(df_filtered['balance'])
+
+    kpi1, kpi2, kpi3 = st.columns(3)
+
+    with kpi1:
+        st.markdown(f"<div class='kpi-container'><p class='kpi-label'>Âge Moyen</p><p class='kpi-value'>{round(avg_age)} <span style='font-size: 0.8rem;'>ans</span></p></div>", unsafe_allow_html=True)
+
+    with kpi2:
+        st.markdown(f"<div class='kpi-container'><p class='kpi-label'>Clients Mariés</p><p class='kpi-value'>{count_married} <span style='font-size: 0.8rem;'>clients</span></p></div>", unsafe_allow_html=True)
+
+    with kpi3:
+        st.markdown(f"<div class='kpi-container'><p class='kpi-label'>Solde Moyen</p><p class='kpi-value'>$<span style='font-size: 0.8rem;'> {round(avg_balance, 2)}</span></p></div>", unsafe_allow_html=True)
+
+    # --- Graphiques ---
+    col1, col2 = st.columns(2)
+
+    with col1:
+        st.markdown('### Répartition de l\'âge par statut marital')
+        fig_age_marital = plt.figure(figsize=(10, 5))
+        sns.barplot(data=df_filtered, y='age', x='marital', palette='Blues_r')
+        plt.title('Âge moyen par statut marital', fontsize=14, fontweight='bold', color='#34495e')
+        plt.xlabel('Statut Marital', color='#555')
+        plt.ylabel('Âge Moyen', color='#555')
+        plt.xticks(fontsize=10)
+        plt.yticks(fontsize=10)
+        sns.despine() # Supprimer les bordures superflues
+        st.pyplot(fig_age_marital)
+
+    with col2:
+        st.markdown('### Distribution des soldes des clients')
+        fig_balance_dist = plt.figure(figsize=(10, 5))
+        sns.histplot(df_filtered['balance'], bins=30, kde=True, color='#3498db', edgecolor='black')
+        plt.title('Distribution des soldes', fontsize=14, fontweight='bold', color='#34495e')
+        plt.xlabel('Solde', color='#555')
+        plt.ylabel('Fréquence', color='#555')
+        plt.xticks(fontsize=10)
+        plt.yticks(fontsize=10)
+        sns.despine()
+        st.pyplot(fig_balance_dist)
+
+    # --- Vue détaillée des données filtrées ---
+    st.markdown('### Données Détaillées')
+    st.dataframe(df_filtered)