Merge pull request #29 from dataforgoodfr/22-onglet-data-améliorations

Améliorations onglet data : volumes en m3, harmonisation graphiques (labels, polices, etc), wording et explications méthodologiques (périmètre données)

.gitignore

@@ -102,7 +102,7 @@ ipython_config.py
 #   This is especially recommended for binary packages to ensure reproducibility, and is more
 #   commonly ignored for libraries.
 #   https://python-poetry.org/docs/basic-usage/#commit-your-poetrylock-file-to-version-control
-#poetry.lock
+poetry.lock
 
 # pdm
 #   Similar to Pipfile.lock, it is generally recommended to include pdm.lock in version control.

dashboards/app/pages/hotspots.py

@@ -432,25 +432,30 @@ def calculate_and_display_metrics(data, indicator_col1, indicator_col2, indicato
 def couleur_milieu(type):
     return couleur.get(type, "white")  # Returns 'white' if the type is not found
 
+
 def update_lieu_options(selected_milieu):
     if selected_milieu and selected_milieu != "Sélectionnez un milieu...":
-        filtered_data = data_zds[data_zds['TYPE_MILIEU'] == selected_milieu]
-        return ["Sélectionnez un lieu..."] + list(filtered_data['TYPE_LIEU2'].dropna().unique())
+        filtered_data = data_zds[data_zds["TYPE_MILIEU"] == selected_milieu]
+        return ["Sélectionnez un lieu..."] + list(
+            filtered_data["TYPE_LIEU2"].dropna().unique()
+        )
     return ["Sélectionnez un lieu..."]
 
+
 @st.cache_data
 def process_data(data_zds):
     # Filtering data to ensure surface area is not zero
-    data_zds = data_zds[data_zds['SURFACE'] > 0]
+    data_zds = data_zds[data_zds["SURFACE"] > 0]
     # Calculating density and filtering out anomalous values
-    data_zds['DENSITE'] = data_zds['VOLUME_TOTAL'] / data_zds['SURFACE']
-    data_zds = data_zds[data_zds['DENSITE'] < 20]
+    data_zds["DENSITE"] = data_zds["VOLUME_TOTAL"] / data_zds["SURFACE"]
+    data_zds = data_zds[data_zds["DENSITE"] < 20]
     # Rounding values for better display
-    data_zds['DENSITE'] = data_zds['DENSITE'].round(4)
-    data_zds['SURFACE_ROND'] = data_zds['SURFACE'].round(2)
+    data_zds["DENSITE"] = data_zds["DENSITE"].round(4)
+    data_zds["SURFACE_ROND"] = data_zds["SURFACE"].round(2)
     return data_zds
 
-#Zoom from admin level
+
+# Zoom from admin level
 if NIVEAU_ADMIN == "Commune":
     zoom_admin = 12
 elif NIVEAU_ADMIN == "EPCI":
@@ -469,14 +474,16 @@ def plot_density_map(data_zds: pd.DataFrame, filtered_data: pd.DataFrame) -> fol
 
     else:
         # Use processed data
-        processed_data = process_data(filtered_data if not filtered_data.empty else data_zds)
+        processed_data = process_data(
+            filtered_data if not filtered_data.empty else data_zds
+        )
 
         m = folium.Map(
             location=[
-                processed_data['LIEU_COORD_GPS_Y'].mean(),
-                processed_data['LIEU_COORD_GPS_X'].mean()
+                processed_data["LIEU_COORD_GPS_Y"].mean(),
+                processed_data["LIEU_COORD_GPS_X"].mean(),
             ],
-            zoom_start=zoom_admin
+            zoom_start=zoom_admin,
         )
 
         # Loop over each row in the DataFrame to place markers
@@ -491,26 +498,25 @@ def plot_density_map(data_zds: pd.DataFrame, filtered_data: pd.DataFrame) -> fol
             </div>
             """
             lgd_txt = '<span style="color: {col};">{txt}</span>'
-            color = couleur_milieu(row['TYPE_MILIEU'])
+            color = couleur_milieu(row["TYPE_MILIEU"])
             folium.CircleMarker(
-                fg = folium.FeatureGroup(name= lgd_txt.format( txt= ['TYPE_MILIEU'], col= color)),
-                location=[row['LIEU_COORD_GPS_Y'], row['LIEU_COORD_GPS_X']],
-                radius=np.log(row['DENSITE'] + 1)*15,
+                fg=folium.FeatureGroup(
+                    name=lgd_txt.format(txt=["TYPE_MILIEU"], col=color)
+                ),
+                location=[row["LIEU_COORD_GPS_Y"], row["LIEU_COORD_GPS_X"]],
+                radius=np.log(row["DENSITE"] + 1) * 15,
                 popup=folium.Popup(popup_html, max_width=300),
                 color=color,
                 fill=True,
-
             ).add_to(m)
 
         folium_static(m)
 
     return m
 
+
 # Function for 'milieu' density table
-def density_table_milieu(
-    data_zds: pd.DataFrame,
-    filtered_data: pd.DataFrame
-):
+def density_table_milieu(data_zds: pd.DataFrame, filtered_data: pd.DataFrame):
 
     if data_zds.empty:
         st.write("Aucune donnée disponible pour la région sélectionnée.")
@@ -554,10 +560,7 @@ def density_table_milieu(
             )
 
 
-def density_table_lieu(
-    data_zds: pd.DataFrame,
-    filtered_data: pd.DataFrame
-):
+def density_table_lieu(data_zds: pd.DataFrame, filtered_data: pd.DataFrame):
 
     if data_zds.empty:
         st.write("Aucune donnée disponible pour la région sélectionnée.")
@@ -766,55 +769,74 @@ def create_contributors_table(data_zds: pd.DataFrame, multi_filter_dict: dict) -
         # Add a default "Select a milieu..." option
         selected_milieu = st.selectbox(
             "Sélectionnez un milieu:",
-            ["Sélectionnez un milieu..."] + list(pd.unique(data_zds_correct['TYPE_MILIEU']))
+            ["Sélectionnez un milieu..."]
+            + list(pd.unique(data_zds_correct["TYPE_MILIEU"])),
         )
     with right_column:
         # Update lieu options based on selected milieu
         lieu_options = update_lieu_options(selected_milieu)
         selected_lieu = st.selectbox("Sélectionnez un lieu:", lieu_options)
 
-
     # Place the map centrally by using a wider column for the map and narrower ones on the sides
     col1, map_col, col3 = st.columns([4, 10, 1])  # Adjust column ratios as needed
 
     with map_col:
         st.markdown("### Carte des Densités")
-        if selected_milieu != "Sélectionnez un milieu..." and selected_lieu != "Sélectionnez un lieu...":
-            filtered_data = data_zds_correct[(data_zds_correct['TYPE_MILIEU'] == selected_milieu) & (data_zds_correct['TYPE_LIEU2'] == selected_lieu)]
+        if (
+            selected_milieu != "Sélectionnez un milieu..."
+            and selected_lieu != "Sélectionnez un lieu..."
+        ):
+            filtered_data = data_zds_correct[
+                (data_zds_correct["TYPE_MILIEU"] == selected_milieu)
+                & (data_zds_correct["TYPE_LIEU2"] == selected_lieu)
+            ]
             plot_density_map(data_zds_correct, filtered_data)
         else:
-            plot_density_map(data_zds_correct, data_zds_correct)  # Show all data by default
-
+            plot_density_map(
+                data_zds_correct, data_zds_correct
+            )  # Show all data by default
 
     col1, col2, col3 = st.columns([3, 3, 2])
 
     with col1:
         st.markdown("#### Tableau des Densités par Milieu")
-        if selected_milieu != "Sélectionnez un milieu..." and selected_lieu != "Sélectionnez un lieu...":
-            filtered_data = data_zds_correct[(data_zds_correct['TYPE_MILIEU'] == selected_milieu) & (data_zds_correct['TYPE_LIEU2'] == selected_lieu)]
+        if (
+            selected_milieu != "Sélectionnez un milieu..."
+            and selected_lieu != "Sélectionnez un lieu..."
+        ):
+            filtered_data = data_zds_correct[
+                (data_zds_correct["TYPE_MILIEU"] == selected_milieu)
+                & (data_zds_correct["TYPE_LIEU2"] == selected_lieu)
+            ]
             density_table_milieu(data_zds_correct, filtered_data)
         else:
             density_table_milieu(data_zds_correct, data_zds_correct)
 
     with col2:
         st.markdown("#### Tableau des Densités par Lieu")
-        if selected_milieu != "Sélectionnez un milieu..." and selected_lieu != "Sélectionnez un lieu...":
-            filtered_data = data_zds_correct[(data_zds_correct['TYPE_MILIEU'] == selected_milieu) & (data_zds_correct['TYPE_LIEU2'] == selected_lieu)]
+        if (
+            selected_milieu != "Sélectionnez un milieu..."
+            and selected_lieu != "Sélectionnez un lieu..."
+        ):
+            filtered_data = data_zds_correct[
+                (data_zds_correct["TYPE_MILIEU"] == selected_milieu)
+                & (data_zds_correct["TYPE_LIEU2"] == selected_lieu)
+            ]
             density_table_lieu(data_zds_correct, filtered_data)
         else:
             density_table_lieu(data_zds_correct, data_zds_correct)
 
     with col3:
-            with st.expander("###### Notice ℹ️", expanded=True):
-                st.write(
-                    """
+        with st.expander("###### Notice ℹ️", expanded=True):
+            st.write(
+                """
                     **Milieu** désigne de grands types d'environnements comme le Littoral,
                     les Cours d'eau ou la Montagne.\n
                     Chaque Milieu est ensuite divisé en
                     **Lieux** plus spécifiques. Par exemple, sous le Milieu Littoral,
                     on trouve des Lieux comme les Plages, les Roches, les Digues, ou les Parkings.
                     """
-                )
+            )
 
 with tab2:
     # Use the selected filters

dashboards/app/pages/ongletdata_colormap_materiaux.json

@@ -0,0 +1 @@
+{"Textile": "#C384B1", "Papier": "#CAA674", "Metal": "#A0A0A0", "Verre": "#3DCE89", "Autre": "#F3B900", "Plastique": "#48BEF0", "Caoutchouc": "#364E74", "Bois": "#673C11", "Papier/Carton": "#CAA674", "M\u00e9tal": "#A0A0A0", "Verre/C\u00e9ramique": "#3DCE89"}

dashboards/app/pages/ongletdata_colormap_secteurs.json

@@ -0,0 +1 @@
+{"AGRICULTURE": "#156644", "ALIMENTATION": "#F7D156", "AMEUBLEMENT, D\u00c9CORATION ET \u00c9QUIPEMENT DE LA MAISON": "#F79D65", "AQUACULTURE": "#0067C2", "B\u00c2TIMENT, TRAVAUX ET MAT\u00c9RIAUX DE CONSTRUCTION": "#FF9900", "CHASSE ET ARMEMENT": "#23A76F", "COSM\u00c9TIQUES, HYGI\u00c8NE ET SOINS PERSONNELS": "#BF726B", "D\u00c9TERGENTS ET PRODUITS D'ENTRETIENS": "#506266", "EMBALLAGE INDUSTRIEL ET COLIS": "#754B30", "GRAPHIQUE ET PAPETERIE ET FOURNITURES DE BUREAU": "#EFEFEF", "IND\u00c9TERMIN\u00c9": "#967EA1", "INFORMATIQUE ET HIGHTECH": "#E351F7", "JOUETS ET LOISIR": "#A64D79", "MAT\u00c9RIEL \u00c9LECTRIQUE ET \u00c9LECTROM\u00c9NAGER": "#AE05C3", "M\u00c9TALLURGIE": "#EC4773", "P\u00caCHE": "#003463", "PETROCHIMIE": "#0D0D0D", "PHARMACEUTIQUE/PARAM\u00c9DICAL": "#61BF5E", "PLASTURGIE": "#05A2AD", "TABAC": "#E9003F", "TEXTILE ET HABILLEMENT": "#FA9EE5", "TRAITEMENT DES EAUX": "#4AA6F7", "TRANSPORT / AUTOMOBILE": "#6C2775", "VAISSELLE \u00c0 USAGE UNIQUE": "#732D3A", "AUTRES SECTEURS": "#D9C190"}

dashboards/app/requirements.txt

@@ -7,7 +7,6 @@ streamlit==1.32.2
 openpyxl==3.1.2
 streamlit-folium==0.19.1
 plotly==5.19.0
-streamlit-dynamic-filters==0.1.6
 streamlit-authenticator==0.3.2
 st-pages==0.4.5
 babel==2.11.0