Mise à jour documentation et construction de l'interrogation du web service de tarif

README.md

@@ -11,9 +11,9 @@ pinned: false
 short_description: Streamlit template space
 ---
 
-# Welcome to Streamlit!
+# Bienvenue sur l'application Streamlit pour le projet Get Around
 
-Edit `/src/streamlit_app.py` to customize this app to your heart's desire. :heart:
+Editer `getaround/app/app.py` pour adapter l'application à vos souhaits.
 
-If you have any questions, checkout our [documentation](https://docs.streamlit.io) and [community
-forums](https://discuss.streamlit.io).
+Pour toute question, veuillez vous diriger vers la [documentation](https://docs.streamlit.io) and le [
+forum de la communauté](https://discuss.streamlit.io).

app.py

@@ -1,155 +1,175 @@
-import streamlit as st
-import pandas as pd
-import plotly.express as px
-import plotly.graph_objects as go
-import numpy as np
-import requests
-# ======================================================
-# 🌐 API Pricing HF
-# ======================================================
-
-API_URL = "https://pradelf-getaround-api.hf.space/predict"
-
-
-def call_pricing_api(features: dict):
-    """
-    Appelle l'API FastAPI déployée sur Hugging Face.
-    Retourne le prix prédit (float) ou None en cas d'erreur.
-    """
-    payload = {"input": [features]}
-    try:
-        resp = requests.post(API_URL, json=payload, timeout=10)
-        resp.raise_for_status()
-        data = resp.json()
-        if "prediction" in data and len(data["prediction"]) > 0:
-            return float(data["prediction"][0]), payload, data
-        else:
-            st.error("Réponse API inattendue : clé 'prediction' absente.")
-            return None, payload, data
-    except Exception as e:
-        st.error(f"Erreur lors de l'appel à l'API : {e}")
-        return None, payload, None
-
-
-### CONFIG
-st.set_page_config(page_title="E-commerce", page_icon="💸", layout="wide")
-
-### TITLE AND TEXT
-st.title("Tableau de bord de Getaround")
-
-st.markdown("""
-    Ce site représente le **dashboard** destiné à aider l’équipe Produit pour appréhender l'introduction 
-    de la nouvelle fonctionnalité consistant en l'implémentation d'un **délai minimum entre deux locations**.<br/> 
-    Un véhicule ne sera pas affiché dans les résultats de recherche si les heures de check-in 
-    ou de check-out demandées sont trop proches d’une location déjà existante.<br/>
-             
-    Grâce à ce site, l'équipe produit pourra répondre aux questions suivantes :<br/>
-    - quelle doit être la durée minimale du délai entre deux locations ?
-    - faut-il activer cette fonctionnalité pour tous les véhicules ou uniquement pour les véhicules Connect ?
-    - Quelle part des revenus des propriétaires serait potentiellement affectée par cette fonctionnalité ?
-    - Combien de locations seraient impactées en fonction du seuil et du périmètre choisis ?
-    - À quelle fréquence les conducteurs sont-ils en retard pour le check-in suivant ? Quel est l’impact pour le conducteur suivant ?
-    - Combien de situations problématiques seraient résolues selon le seuil et le périmètre retenus ?
-            
-    La documentation du web serveur de fonctions est déploiée sur l'url : [https://pradelf-getaround-api.hf.space/docs](https://pradelf-getaround-api.hf.space/docs)        """)
-### LOAD DATA
-DATA_PRICING = "/app/Data/get_around_pricing_project.csv"
-DATA_PRICING_HF = "https://huggingface.co/datasets/pradelf/getaround-dataset/blob/main/get_around_pricing_project.csv"
-
-DATA_DELAY = "/app/Data/get_around_delay_analysis.csv"
-DATA_DELAY_HF = "https://huggingface.co/datasets/pradelf/getaround-dataset/blob/main/get_around_delay_analysis.csv"
-
-# usage d'un décorateur python pour ajouter des fonctionnalité
-# : st.cache_data et st.cache_resource qui remplace st.cache qui va devenir obsolète.
-# https://docs.streamlit.io/develop/api-reference/caching-and-state/st.cache_data
-# https://docs.streamlit.io/develop/api-reference/caching-and-state/st.cache_resource
-@st.cache_data
-def load_data(file, nrows, delimiter=","):
-    data = pd.read_csv(file, nrows=nrows, delimiter=delimiter)
-    # data["Date"] = data["Date"].apply(lambda x: pd.to_datetime(",".join(x.split(",")[-2:])))
-    # data["currency"] = data["currency"].apply(lambda x: pd.to_numeric(x[1:]))
-    return data
-
-
-data_load_state = st.text("Chargement des données...")
-data_pricing = load_data(DATA_PRICING, 1000)
-data_analysis = load_data(DATA_DELAY, 1000, ";")
-data_load_state.text(
-    ""
-)  # change text from "Loading data..." to "" once the the load_data function has run
-
-## Run the below code if the check is checked ✅
-if st.checkbox("Montrer les données brutes sur le prix de location."):
-    st.subheader("Tarif de location")
-    st.write(data_pricing)
-## Run the below code if the check is checked ✅
-if st.checkbox("Montrer les données brutes sur l'analyse des retards de check-in."):
-    st.subheader("Retard de check-in")
-    st.write(data_analysis)
-### SHOW GRAPH STREAMLIT
-
-# price_per_model = data_pricing["price"]
-# st.bar_chart(price_per_model)
-
-
-### SIDEBAR
-st.sidebar.header("Tableau de bord GetAround")
-st.sidebar.markdown("""
-    * GetAround projet
-""")
-e = st.sidebar.empty()
-e.write("")
-st.sidebar.write("GetAround Projet")
-
-### EXPANDER
-
-with st.expander(
-    "⏯️ Regardez cette vidéo d'une minute pour comprendre comment fonctionne Getaround."
-):
-    st.video("https://youtu.be/3LyzwpGSfzE")
-
-st.markdown("---")
-
-#### CREATE TWO COLUMNS
-col1, col2 = st.columns(2)
-
-with col1:
-    # visu des widgets
-    st.markdown("Première colonne")
-    car_id = st.selectbox(
-        "Select a country you want to see all time sales",
-        data_analysis["car_id"].sort_values().unique(),
-    )
-    # intelligence et contrôle du widget
-    rental_canceled = data_analysis[data_analysis["state"] == "canceled"]
-    fig = px.histogram(
-        rental_canceled,
-        x="time_delta_with_previous_rental_in_minutes",
-        y="delay_at_checkout_in_minutes",
-    )
-    fig.update_layout(bargap=0.2)
-    st.plotly_chart(fig, use_container_width=True)
-
-with col2:
-    st.markdown("Seconde colonne")
-    with st.form("average_sales_per_country"):
-        model = st.selectbox(
-            "Sélectionnez un modèle de voiture pour voir le prix de location moyen",
-            data_pricing["model_key"].sort_values().unique(),
-        )
-        power = st.selectbox(
-            "Sélectionnez la puissance du moteur",
-            data_pricing["engine_power"].sort_values().unique(),
-        )
-        submit = st.form_submit_button("submit")
-        if submit:
-            model_select = data_pricing[data_pricing["model_key"] == model]
-            power_select = data_pricing[data_pricing["engine_power"] == power]
-            # avg_rental_price = data_pricing[model_select & power_select][
-            #    "rental_price_per_day"
-            # ].mean()
-            rental_price = call_pricing_api(
-                features={"model_key": model, "engine_power": power}
-            )
-            # avg_rental_price = 0.0
-            st.metric("Prix de location moyen (en $)", np.round(rental_price, 2))
+import streamlit as st
+from pydantic import BaseModel
+import pandas as pd
+import plotly.express as px
+import plotly.graph_objects as go
+import numpy as np
+import requests
+# ======================================================
+# 🌐 API Pricing HF
+# ======================================================
+
+API_URL = "https://pradelf-getaround-api.hf.space/predict"
+
+
+class RentalFeatures(BaseModel):
+    model_key: str = "Peugeot"
+    mileage: int = 0
+    engine_power: int = 100
+    fuel: str = "petrol"
+    paint_color: str = "black"
+    car_type: str = "sedan"
+    private_parking_available: int = 1
+    has_gps: int = 0
+    has_air_conditioning: int = 0
+    automatic_car: int = 0
+    has_getaround_connect: int = 0
+    has_speed_regulator: int = 0
+    winter_tires: int = 0
+
+
+
+def call_pricing_api(featRentalFeatures: RentalFeatures):
+    """
+    Appelle l'API FastAPI déployée sur Hugging Face.
+    Retourne le prix prédit (float) ou None en cas d'erreur.
+    """
+    payload = {"input": [featRentalFeatures.model_dump()]}
+    try:
+        resp = requests.post(API_URL, json=payload, timeout=10)
+        resp.raise_for_status()
+        data = resp.json()
+        if "prediction" in data and len(data["prediction"]) > 0:
+            return float(data["prediction"][0]), payload, data
+        else:
+            st.error("Réponse API inattendue : clé 'prediction' absente.")
+            return None, payload, data
+    except Exception as e:
+        st.error(f"Erreur lors de l'appel à l'API : {e}")
+        return None, payload, None
+
+
+### CONFIG
+st.set_page_config(page_title="Location Voiture", page_icon="💸", layout="wide")
+
+### TITLE AND TEXT
+st.title("Tableau de bord de Get Around")
+
+st.markdown("""
+    Ce site représente le **dashboard** destiné à aider l’équipe Produit pour appréhender l'introduction 
+    de la nouvelle fonctionnalité consistant en l'implémentation d'un **délai minimum entre deux locations**.<br/> 
+    Un véhicule ne sera pas affiché dans les résultats de recherche si les heures de check-in 
+    ou de check-out demandées sont trop proches d’une location déjà existante.<br/>
+             
+    Grâce à ce site, l'équipe produit pourra répondre aux questions suivantes :<br/>
+    - quelle doit être la durée minimale du délai entre deux locations ?
+    - faut-il activer cette fonctionnalité pour tous les véhicules ou uniquement pour les véhicules Connect ?
+    - Quelle part des revenus des propriétaires serait potentiellement affectée par cette fonctionnalité ?
+    - Combien de locations seraient impactées en fonction du seuil et du périmètre choisis ?
+    - À quelle fréquence les conducteurs sont-ils en retard pour le check-in suivant ? Quel est l’impact pour le conducteur suivant ?
+    - Combien de situations problématiques seraient résolues selon le seuil et le périmètre retenus ?
+            
+    La documentation du web serveur de fonctions est déploiée sur l'url : [https://pradelf-getaround-api.hf.space/docs](https://pradelf-getaround-api.hf.space/docs)        """)
+### LOAD DATA
+DATA_PRICING = "/app/Data/get_around_pricing_project.csv"
+DATA_PRICING_HF = "https://huggingface.co/datasets/pradelf/getaround-dataset/blob/main/get_around_pricing_project.csv"
+
+DATA_ANALYSIS = "/app/Data/get_around_delay_analysis.csv"
+DATA_DELAY_HF = "https://huggingface.co/datasets/pradelf/getaround-dataset/blob/main/get_around_delay_analysis.csv"
+
+# usage d'un décorateur python pour ajouter des fonctionnalité
+# : st.cache_data et st.cache_resource qui remplace st.cache qui va devenir obsolète.
+# https://docs.streamlit.io/develop/api-reference/caching-and-state/st.cache_data
+# https://docs.streamlit.io/develop/api-reference/caching-and-state/st.cache_resource
+@st.cache_data
+def load_data(file, nrows, delimiter=","):
+    data = pd.read_csv(file, nrows=nrows, delimiter=delimiter)
+    # data["Date"] = data["Date"].apply(lambda x: pd.to_datetime(",".join(x.split(",")[-2:])))
+    # data["currency"] = data["currency"].apply(lambda x: pd.to_numeric(x[1:]))
+    return data
+
+
+data_load_state = st.text("Chargement des données...")
+data_pricing = load_data(DATA_PRICING_HF, 1000)
+data_analysis = load_data(DATA_DELAY_HF, 1000, ";")
+data_load_state.text(
+    ""
+)  # change text from "Loading data..." to "" once the the load_data function has run
+
+## Run the below code if the check is checked ✅
+if st.checkbox("Montrer les données brutes sur le prix de location."):
+    st.subheader("Tarif de location")
+    st.write(data_pricing)
+## Run the below code if the check is checked ✅
+if st.checkbox("Montrer les données brutes sur l'analyse des retards de check-in."):
+    st.subheader("Retard de check-in")
+    st.write(data_analysis)
+### SHOW GRAPH STREAMLIT
+
+# price_per_model = data_pricing["price"]
+# st.bar_chart(price_per_model)
+
+
+### SIDEBAR
+st.sidebar.header("Tableau de bord GetAround")
+st.sidebar.markdown("""
+    * GetAround projet
+""")
+e = st.sidebar.empty()
+e.write("")
+st.sidebar.write("GetAround Projet")
+
+### EXPANDER
+
+with st.expander(
+    "⏯️ Regardez cette vidéo d'une minute pour comprendre comment fonctionne Getaround."
+):
+    st.video("https://youtu.be/3LyzwpGSfzE")
+
+st.markdown("---")
+
+#### CREATE TWO COLUMNS
+col1, col2 = st.columns(2)
+
+with col1:
+    # visu des widgets
+    st.markdown("Première colonne")
+    car_id = st.selectbox(
+        "Select a country you want to see all time sales",
+        data_analysis["car_id"].sort_values().unique(),
+    )
+    # intelligence et contrôle du widget
+    rental_canceled = data_analysis[data_analysis["state"] == "canceled"]
+    fig = px.histogram(
+        rental_canceled,
+        x="time_delta_with_previous_rental_in_minutes",
+        y="delay_at_checkout_in_minutes",
+    )
+    fig.update_layout(bargap=0.2)
+    st.plotly_chart(fig, use_container_width=True)
+
+with col2:
+    st.markdown("Seconde colonne")
+    with st.form("average_sales_per_country"):
+        model = st.selectbox(
+            "Sélectionnez un modèle de voiture pour voir le prix de location moyen",
+            data_pricing["model_key"].sort_values().unique(),
+        )
+        power = st.selectbox(
+            "Sélectionnez la puissance du moteur",
+            data_pricing["engine_power"].sort_values().unique(),
+        )
+        submit = st.form_submit_button("submit")
+        if submit:
+            model_select = data_pricing[data_pricing["model_key"] == model]
+            power_select = data_pricing[data_pricing["engine_power"] == power]
+            car_select=RentalFeatures(model_key=model, engine_power=power)
+            # avg_rental_price = data_pricing[model_select & power_select][
+            #    "rental_price_per_day"
+            # ].mean()
+            rental_price = call_pricing_api(
+                car_select
+            )
+            # avg_rental_price = 0.0
+            st.metric("Prix de location moyen (en $)", np.round(rental_price, 2))
+# exemple de véhicule du site avec les données : https://fr.getaround.com/location-voiture/paris/citroen-c3-1608526