streamlit/pages/Predictions.py

import streamlit as st
import boto3
import pandas as pd
import json
import matplotlib.pyplot as plt

# Titre de la page
st.title("Predictions - ville de Rennes")

# Paramètres S3 (à adapter ou utiliser variables d'environnement pour plus de sécurité)
AWS_ACCESS_KEY_ID = "AKIAQJXL2QR4KZ2RZYW4"
AWS_SECRET_ACCESS_KEY = "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"
BUCKET_NAME = "jedha-quality-air"
PREFIX = "datasets/output/"

# FILE_KEY = "datasets/output/20250711-064810_prediction_data.json"


# @st.cache_data(show_spinner=True)
def load_data_from_s3():
    s3 = boto3.client(
        "s3",
        aws_access_key_id=AWS_ACCESS_KEY_ID,
        aws_secret_access_key=AWS_SECRET_ACCESS_KEY,
    )
    response = s3.list_objects_v2(Bucket=BUCKET_NAME, Prefix=PREFIX)

    # Vérifie s'il y a des objets
    if "Contents" in response:
        # Trie les objets par date de dernière modification (LastModified)
        latest_file = max(response["Contents"], key=lambda x: x["LastModified"])
        latest_key = latest_file["Key"]

        # Récupère l'objet
        latest_object = s3.get_object(Bucket=BUCKET_NAME, Key=latest_key)
        content = latest_object["Body"].read().decode("utf-8")
        print("Latest file key:", latest_key)
    else:
        print("Aucun fichier trouvé dans ce dossier.")
    # response = s3.get_object(Bucket=BUCKET_NAME, Key=FILE_KEY)
    # content = response["Body"].read().decode("utf-8")
    data = json.loads(content)

    # Extraction date et heure du nom fichier
    filename = latest_key.split("/")[-1]
    datetime_str = filename.split("_")[0]  # "20250711-064810"
    date_str = datetime_str[:8]
    time_str = datetime_str[9:]
    formatted_date = pd.to_datetime(date_str, format="%Y%m%d").date()
    formatted_time = pd.to_datetime(time_str, format="%H%M%S").time()

    df = pd.DataFrame([data])
    df["date"] = formatted_date
    df["heure UTC"] = formatted_time
    return df, formatted_date, formatted_time


# Chargement des données
df, formatted_date, formatted_time = load_data_from_s3()
pollution_seuils = {
    "PM25": [
        (0, 10, "#4ee3dc", "Bon"),
        (10, 20, "#53c8b5", "Moyen"),
        (20, 25, "#f3dd57", "Dégradé"),
        (25, 50, "#f47d61", "Mauvais"),
        (50, 75, "#b22133", "Très mauvais"),
        (75, float("inf"), "#7d2e8e", "Extrêmement mauvais"),
    ],
    "PM10": [
        (0, 20, "#4ee3dc", "Bon"),
        (20, 40, "#53c8b5", "Moyen"),
        (40, 50, "#f3dd57", "Dégradé"),
        (50, 100, "#f47d61", "Mauvais"),
        (100, 150, "#b22133", "Très mauvais"),
        (150, float("inf"), "#7d2e8e", "Extrêmement mauvais"),
    ],
    "NOX": [
        (0, 40, "#4ee3dc", "Bon"),
        (40, 90, "#53c8b5", "Moyen"),
        (90, 120, "#f3dd57", "Dégradé"),
        (120, 230, "#f47d61", "Mauvais"),
        (230, 340, "#b22133", "Très mauvais"),
        (340, float("inf"), "#7d2e8e", "Extrêmement mauvais"),
    ],
    "O3": [
        (0, 50, "#4ee3dc", "Bon"),
        (50, 100, "#53c8b5", "Moyen"),
        (100, 130, "#f3dd57", "Dégradé"),
        (130, 240, "#f47d61", "Mauvais"),
        (240, 380, "#b22133", "Très mauvais"),
        (380, float("inf"), "#7d2e8e", "Extrêmement mauvais"),
    ],
}

# Fonction pour récupérer la couleur selon les seuils
def get_pollution_color(polluant, valeur):
    seuils = pollution_seuils.get(polluant)
    for bas, haut, couleur, libelle in seuils:
        if bas <= valeur < haut:
            return couleur, libelle
    return "#cccccc"  # fallback gris
# Affichage tableau
st.subheader("Données de prédiction")
st.dataframe(df)
st.markdown("")
st.markdown("")
st.markdown("")

# Création du plot
polluants = ["O3", "NOX", "PM10", "PM25"]
valeurs = [df[col].iloc[0] for col in polluants]

couleurs = ["#8da0cb", "#fc8d62", "#66c2a5", "#a6d854"]  # tons pastel et mats

fig, ax = plt.subplots(figsize=(6, 3))  # taille plus compacte
bars = ax.bar(polluants, valeurs, color=couleurs)

# Titre avec date et heure
titre = f"Pollution le {formatted_date} à {formatted_time.strftime('%H:%M:%S')}"
ax.set_title(titre, fontsize=14)
ax.set_xlabel("Polluants", fontsize=12)
ax.set_ylabel("Valeurs", fontsize=12)

# Valeurs sur barres
max_val = max(valeurs)
for bar, val in zip(bars, valeurs):
    height = bar.get_height()
    ax.text(
        bar.get_x() + bar.get_width() / 2,
        height + max_val * 0.02,
        f"{val:.1f}",
        ha="center",
        fontsize=8,
    )

# Centrage avec colonnes Streamlit
left_co, cent_co, right_co = st.columns([1, 2, 1])

with cent_co:
    st.pyplot(fig)

st.subheader("Qualité de l’air")

for i, polluant in enumerate(polluants):
    val = valeurs[i]
    color, libelle = get_pollution_color(polluant, val)

    st.markdown(
        f"""
        <div style='background-color:{color};padding:10px 15px;
                    margin:6px 0;border-radius:10px;
                    color:black;font-weight:bold;font-size:16px;'>
            {polluant} : {val:.1f} µg/m³ - {libelle}
        </div>
        """,
        unsafe_allow_html=True
    )