Update dashboard.py

dashboard.py

@@ -1,194 +1,225 @@
-import pandas as pd
-import plotly.express as px
-import plotly.graph_objects as go
-
-def detection_by_year(df_controls):
-    df_controls['YEAR'] = df_controls['DATE'].dt.year
-    grouped_data = df_controls.groupby(['YEAR', 'CODE_ESP']).size().reset_index(name = 'Detections')
-    
-    fig = px.bar(grouped_data, x = 'YEAR', y = 'Detections', color = 'CODE_ESP',
-                 labels = {'Detections': 'Nombre de détections', 'CODE_ESP': 'Espèce'},
-                 )
-
-    fig.update_layout(
-        height = 400,
-        width = 400,
-        yaxis_title = 'Nombre de détections',
-        xaxis_title = None,
-        xaxis = {'type': 'category', 'tickmode': 'linear'},  # Afficher toutes les années
-        barmode = 'stack',
-        legend = dict(
-            bgcolor = 'rgba(0, 0, 0, 0)',
-            orientation = 'h',  # Légende horizontale
-            x = 0.5,            # Centrer la légende horizontalement
-            y = -0.2,           # Placer la légende en dessous de la figure
-            xanchor = 'center', # Ancrer la légende au centre
-            yanchor = 'top'     # Ancrer la légende au-dessus de l'axe x
-        ),
-        margin = dict(b = 100)
-    )
-
-    return fig
-
-def capture_by_year(df_captures):
-    df_filtre = df_captures.copy()
-    df_filtre['YEAR'] = df_filtre['DATE'].dt.year
-    df_grouped = df_filtre.groupby(['YEAR', 'CODE_ESP'])['NUM_PIT'].nunique().reset_index()
-    df_grouped.rename(columns = {'NUM_PIT': 'Nombre d\'individus uniques'}, inplace = True)
-    
-    fig = px.bar(df_grouped, x = 'YEAR', y = 'Nombre d\'individus uniques', color = 'CODE_ESP',
-                 labels = {'Nombre d\'individus uniques': 'Nombre d\'individus uniques', 'CODE_ESP': 'Espèce'}
-                 )
-
-    fig.update_layout(
-        height = 400,
-        width = 400,
-        yaxis_title = 'Nombre d\'individus uniques',
-        xaxis_title = None,
-        xaxis = {'type': 'category', 'tickmode': 'linear'},  # Afficher toutes les années
-        legend = dict(
-            bgcolor ='rgba(0, 0, 0, 0)',
-            orientation = 'h',  # Légende horizontale
-            x = 0.5,            # Centrer la légende horizontalement
-            y = -0.2,           # Placer la légende en dessous de la figure
-            xanchor = 'center', # Ancrer la légende au centre
-            yanchor = 'top'     # Ancrer la légende au-dessus de l'axe x
-        ),
-        margin = dict(b = 100)
-    )  
-
-    return fig
-
-def control_by_year(df_controls):
-    df_filtre = df_controls.copy()
-    df_filtre['YEAR'] = df_filtre['DATE'].dt.year
-    df_grouped = df_filtre.groupby(['YEAR', 'CODE_ESP'])['NUM_PIT'].nunique().reset_index()
-    df_grouped.rename(columns = {'NUM_PIT': 'Nombre d\'individus'}, inplace = True)
-    
-    fig = px.bar(df_grouped, x = 'YEAR', y = 'Nombre d\'individus', color = 'CODE_ESP',
-                 labels = {'Nombre d\'individus': 'Nombre d\'individus', 'CODE_ESP': 'Espèce'},
-                 )
-
-    fig.update_layout(
-        height = 400,
-        width = 400,
-        yaxis_title = 'Nombre d\'individus',
-        xaxis_title = None,
-        xaxis = {'type': 'category', 'tickmode': 'linear'},  # Afficher toutes les années
-        legend = dict(
-            bgcolor = 'rgba(0, 0, 0, 0)',
-            orientation = 'h',  # Légende horizontale
-            x = 0.5,            # Centrer la légende horizontalement
-            y = -0.2,           # Placer la légende en dessous de la figure
-            xanchor = 'center', # Ancrer la légende au centre
-            yanchor = 'top'     # Ancrer la légende au-dessus de l'axe x
-        ),
-        margin = dict(b = 100)
-    )  
-
-    return fig
-
-def detection_frequencies(df_controls):
-    df_controls['DATE'] = pd.to_datetime(df_controls['DATE'], errors='coerce')
-    df_controls['MONTH_DAY'] = df_controls['DATE'].dt.strftime('%m-%d')
-    global_freq = df_controls.groupby('MONTH_DAY').size().reset_index(name = 'Global Detections')
-
-    # Calculer les fréquences par site
-    site_freq = df_controls.groupby(['MONTH_DAY', 'LIEU_DIT']).size().reset_index(name = 'Detections')
-    sites = site_freq['LIEU_DIT'].unique()
-
-    # Préparer l'ordre chronologique
-    months_days = pd.date_range('2021-01-01', '2021-12-31').strftime('%m-%d')
-    global_freq['MONTH_DAY'] = pd.Categorical(global_freq['MONTH_DAY'], categories = months_days, ordered = True)
-    global_freq = global_freq.sort_values('MONTH_DAY')
-
-    # Création du graphique
-    fig = go.Figure()
-
-    if len(site_freq['LIEU_DIT'].unique()) > 1:
-        # Ajouter la courbe globale
-        fig.add_trace(go.Scatter(x = global_freq['MONTH_DAY'], y = global_freq['Global Detections'],
-                                mode = 'lines', name = 'Global'))
-
-    # Ajouter une courbe pour chaque site
-    for site in sites:
-        site_data = site_freq[site_freq['LIEU_DIT'] == site]
-        site_data['MONTH_DAY'] = pd.Categorical(site_data['MONTH_DAY'], categories = months_days, ordered = True)
-        site_data = site_data.sort_values('MONTH_DAY')
-        fig.add_trace(go.Scatter(x = site_data['MONTH_DAY'], y = site_data['Detections'],
-                                 mode = 'lines', name = site))
-
-    # Mise à jour du layout
-    fig.update_layout(
-        xaxis_title = 'Jour de l\'année',
-        yaxis_title = 'Nombre de détections',
-        xaxis = dict(type = 'category', categoryorder = 'array', categoryarray = [md for md in months_days]),
-        legend = dict(bgcolor = 'rgba(0, 0, 0, 0)'),
-        #yaxis = dict(range = [0, global_freq['Global Detections'].max() + 10])
-    )
-    return fig
-
-def pie_controled(df_controls):
-    species_counts = df_controls['CODE_ESP'].value_counts().reset_index()
-    species_counts.columns = ['Species', 'Count']
-
-    # Créer un diagramme circulaire
-    fig = px.pie(species_counts, 
-                values = 'Count', names = 'Species', 
-                color_discrete_sequence = px.colors.qualitative.Pastel,
-                hole = 0.5,)
-
-    # Personnalisation supplémentaire
-    fig.update_layout(legend_title_text = 'Espèce',
-                    showlegend = True,
-                    legend = dict(bgcolor = 'rgba(0, 0, 0, 0)')
-                        )
-    return fig
-
-def pie_marked(df_individus):
-    marked_species = df_individus.copy()
-    species_counts = marked_species['CODE_ESP'].value_counts().reset_index()
-    species_counts.columns = ['Species', 'Count']
-
-    # Créer un diagramme circulaire
-    fig = px.pie(species_counts, 
-                values = 'Count', names = 'Species', 
-                color_discrete_sequence = px.colors.qualitative.Pastel,
-                hole = 0.5)
-
-    # Personnalisation supplémentaire
-    fig.update_layout(legend_title_text = 'Espèce',
-                    showlegend = True,
-                    legend = dict(bgcolor = 'rgba(0, 0, 0, 0)')
-                        )
-    return fig
-
-def top_detection(df_controls):
-    df_controls['NUM_PIT'] = "n° " + df_controls['NUM_PIT'].astype(str)
-
-    # Obtenir les dix catégories les plus fréquentes avec leurs occurrences
-    top_categories = df_controls['NUM_PIT'].value_counts().head(10)
-
-    # Créer un DataFrame à partir des dix premières catégories
-    df_top_categories = pd.DataFrame({'NUM_PIT': top_categories.index, 'Occurrences': top_categories.values})
-    df_top_categories = df_top_categories.sort_values(by = 'Occurrences', ascending = False)
-
-    # Créer le diagramme en barres horizontales
-    fig = px.bar(df_top_categories, x = 'Occurrences', y = 'NUM_PIT', orientation = 'h',
-                 labels = {'Occurrences': "Nombre d'occurrences", 'NUM_PIT': ''},
-                 color = 'NUM_PIT', color_discrete_sequence = px.colors.qualitative.Set3)
-
-    # Ajuster la hauteur en fonction du nombre de catégories (avec une hauteur minimale de 400 pixels)
-    bar_height = 50  # Hauteur de chaque barre
-    min_height = 400  # Hauteur minimale du graphique
-    calculated_height = max(min_height, len(df_top_categories) * bar_height)
-
-    # Mettre à jour la mise en page avec des marges ajustées
-    fig.update_layout(
-        height = calculated_height,     # Hauteur dynamique
-        showlegend = False,
-        margin = dict(l = 200),         # Augmenter la marge gauche pour mieux lire les annotations
-        legend = dict(bgcolor = 'rgba(0, 0, 0, 0)')
-    )
-
-    return fig
+import pandas as pd
+import plotly.express as px
+import plotly.graph_objects as go
+import plotly.io as pio
+
+def detection_by_year(df_controls):
+    df_controls['YEAR'] = df_controls['DATE'].dt.year
+    grouped_data = df_controls.groupby(['YEAR', 'CODE_ESP']).size().reset_index(name = 'Detections')
+    
+    fig = px.bar(grouped_data, x = 'YEAR', y = 'Detections', color = 'CODE_ESP',
+                 labels = {'Detections': 'Nombre de détections', 'CODE_ESP': 'Espèce'},
+                 )
+
+    fig.update_layout(
+        height = 400,
+        width = 400,
+        yaxis_title = 'Nombre de détections',
+        xaxis_title = None,
+        xaxis = {'type': 'category', 'tickmode': 'linear'},  # Afficher toutes les années
+        barmode = 'stack',
+        legend = dict(
+            bgcolor = 'rgba(0, 0, 0, 0)',
+            orientation = 'h',  # Légende horizontale
+            x = 0.5,            # Centrer la légende horizontalement
+            y = -0.2,           # Placer la légende en dessous de la figure
+            xanchor = 'center', # Ancrer la légende au centre
+            yanchor = 'top'     # Ancrer la légende au-dessus de l'axe x
+        ),
+        margin = dict(b = 100)
+    )
+
+    return fig
+
+def capture_by_year(df_captures):
+    df_filtre = df_captures.copy()
+    df_filtre['YEAR'] = df_filtre['DATE'].dt.year
+    df_grouped = df_filtre.groupby(['YEAR', 'CODE_ESP'])['NUM_PIT'].nunique().reset_index()
+    df_grouped.rename(columns = {'NUM_PIT': 'Nombre d\'individus uniques'}, inplace = True)
+    
+    fig = px.bar(df_grouped, x = 'YEAR', y = 'Nombre d\'individus uniques', color = 'CODE_ESP',
+                 labels = {'Nombre d\'individus uniques': 'Nombre d\'individus uniques', 'CODE_ESP': 'Espèce'}
+                 )
+
+    fig.update_layout(
+        height = 400,
+        width = 400,
+        yaxis_title = 'Nombre d\'individus uniques',
+        xaxis_title = None,
+        xaxis = {'type': 'category', 'tickmode': 'linear'},  # Afficher toutes les années
+        legend = dict(
+            bgcolor ='rgba(0, 0, 0, 0)',
+            orientation = 'h',  # Légende horizontale
+            x = 0.5,            # Centrer la légende horizontalement
+            y = -0.2,           # Placer la légende en dessous de la figure
+            xanchor = 'center', # Ancrer la légende au centre
+            yanchor = 'top'     # Ancrer la légende au-dessus de l'axe x
+        ),
+        margin = dict(b = 100)
+    )  
+
+    return fig
+
+def control_by_year(df_controls):
+    df_filtre = df_controls.copy()
+    df_filtre['YEAR'] = df_filtre['DATE'].dt.year
+    df_grouped = df_filtre.groupby(['YEAR', 'CODE_ESP'])['NUM_PIT'].nunique().reset_index()
+    df_grouped.rename(columns = {'NUM_PIT': 'Nombre d\'individus'}, inplace = True)
+    
+    fig = px.bar(df_grouped, x = 'YEAR', y = 'Nombre d\'individus', color = 'CODE_ESP',
+                 labels = {'Nombre d\'individus': 'Nombre d\'individus', 'CODE_ESP': 'Espèce'},
+                 )
+
+    fig.update_layout(
+        height = 400,
+        width = 400,
+        yaxis_title = 'Nombre d\'individus',
+        xaxis_title = None,
+        xaxis = {'type': 'category', 'tickmode': 'linear'},  # Afficher toutes les années
+        legend = dict(
+            bgcolor = 'rgba(0, 0, 0, 0)',
+            orientation = 'h',  # Légende horizontale
+            x = 0.5,            # Centrer la légende horizontalement
+            y = -0.2,           # Placer la légende en dessous de la figure
+            xanchor = 'center', # Ancrer la légende au centre
+            yanchor = 'top'     # Ancrer la légende au-dessus de l'axe x
+        ),
+        margin = dict(b = 100)
+    )  
+
+    return fig
+
+def detection_frequencies(df_controls):
+    df_controls['DATE'] = pd.to_datetime(df_controls['DATE'], errors='coerce')
+    df_controls['MONTH_DAY'] = df_controls['DATE'].dt.strftime('%m-%d')
+    global_freq = df_controls.groupby('MONTH_DAY').size().reset_index(name = 'Global Detections')
+
+    # Calculer les fréquences par site
+    site_freq = df_controls.groupby(['MONTH_DAY', 'LIEU_DIT']).size().reset_index(name = 'Detections')
+    sites = site_freq['LIEU_DIT'].unique()
+
+    # Préparer l'ordre chronologique
+    months_days = pd.date_range('2021-01-01', '2021-12-31').strftime('%m-%d')
+    global_freq['MONTH_DAY'] = pd.Categorical(global_freq['MONTH_DAY'], categories = months_days, ordered = True)
+    global_freq = global_freq.sort_values('MONTH_DAY')
+
+    # Création du graphique
+    fig = go.Figure()
+
+    if len(site_freq['LIEU_DIT'].unique()) > 1:
+        # Ajouter la courbe globale
+        fig.add_trace(go.Scatter(x = global_freq['MONTH_DAY'], y = global_freq['Global Detections'],
+                                mode = 'lines', name = 'Global'))
+
+    # Ajouter une courbe pour chaque site
+    for site in sites:
+        site_data = site_freq[site_freq['LIEU_DIT'] == site]
+        site_data['MONTH_DAY'] = pd.Categorical(site_data['MONTH_DAY'], categories = months_days, ordered = True)
+        site_data = site_data.sort_values('MONTH_DAY')
+        fig.add_trace(go.Scatter(x = site_data['MONTH_DAY'], y = site_data['Detections'],
+                                 mode = 'lines', name = site))
+
+    # Mise à jour du layout
+    fig.update_layout(
+        xaxis_title = 'Jour de l\'année',
+        yaxis_title = 'Nombre de détections',
+        xaxis = dict(type = 'category', categoryorder = 'array', categoryarray = [md for md in months_days]),
+        legend = dict(bgcolor = 'rgba(0, 0, 0, 0)'),
+        #yaxis = dict(range = [0, global_freq['Global Detections'].max() + 10])
+    )
+    return fig
+
+def detection_frequencies_global(df_controls):
+    df_controls['DATE'] = pd.to_datetime(df_controls['DATE'], errors='coerce')
+    df_controls['MONTH_DAY'] = df_controls['DATE'].dt.strftime('%m-%d')
+    global_freq = df_controls.groupby('MONTH_DAY').size().reset_index(name = 'Global Detections')
+
+    # Calculer les fréquences par site
+    site_freq = df_controls.groupby(['MONTH_DAY', 'LIEU_DIT']).size().reset_index(name = 'Detections')
+    sites = site_freq['LIEU_DIT'].unique()
+
+    # Préparer l'ordre chronologique
+    months_days = pd.date_range('2021-01-01', '2021-12-31').strftime('%m-%d')
+    global_freq['MONTH_DAY'] = pd.Categorical(global_freq['MONTH_DAY'], categories = months_days, ordered = True)
+    global_freq = global_freq.sort_values('MONTH_DAY')
+
+    # Création du graphique
+    fig = go.Figure()
+
+    # Ajouter la courbe globale
+    fig.add_trace(go.Scatter(x = global_freq['MONTH_DAY'], y = global_freq['Global Detections'], mode = 'lines', name = 'Global'))
+
+    # Mise à jour du layout
+    fig.update_layout(
+        xaxis_title = 'Jour de l\'année',
+        yaxis_title = 'Nombre de détections',
+        xaxis = dict(type = 'category', categoryorder = 'array', categoryarray = [md for md in months_days]),
+        legend = dict(bgcolor = 'rgba(0, 0, 0, 0)'),
+        #yaxis = dict(range = [0, global_freq['Global Detections'].max() + 10])
+    )
+    return fig
+
+def pie_controled(df_controls):
+    species_counts = df_controls['CODE_ESP'].value_counts().reset_index()
+    species_counts.columns = ['Species', 'Count']
+
+    # Créer un diagramme circulaire
+    fig = px.pie(species_counts, 
+                values = 'Count', names = 'Species', 
+                color_discrete_sequence = px.colors.qualitative.Pastel,
+                hole = 0.5,)
+
+    # Personnalisation supplémentaire
+    fig.update_layout(legend_title_text = 'Espèce',
+                    showlegend = True,
+                    legend = dict(bgcolor = 'rgba(0, 0, 0, 0)')
+                        )
+    return fig
+
+def pie_marked(df_individus):
+    marked_species = df_individus.copy()
+    species_counts = marked_species['CODE_ESP'].value_counts().reset_index()
+    species_counts.columns = ['Species', 'Count']
+
+    # Créer un diagramme circulaire
+    fig = px.pie(species_counts, 
+                values = 'Count', names = 'Species', 
+                color_discrete_sequence = px.colors.qualitative.Pastel,
+                hole = 0.5)
+
+    # Personnalisation supplémentaire
+    fig.update_layout(legend_title_text = 'Espèce',
+                    showlegend = True,
+                    legend = dict(bgcolor = 'rgba(0, 0, 0, 0)')
+                        )
+    return fig
+
+def top_detection(df_controls):
+    df_controls['NUM_PIT'] = "n° " + df_controls['NUM_PIT'].astype(str)
+
+    # Obtenir les dix catégories les plus fréquentes avec leurs occurrences
+    top_categories = df_controls['NUM_PIT'].value_counts().head(10)
+
+    # Créer un DataFrame à partir des dix premières catégories
+    df_top_categories = pd.DataFrame({'NUM_PIT': top_categories.index, 'Occurrences': top_categories.values})
+    df_top_categories = df_top_categories.sort_values(by = 'Occurrences', ascending = False)
+
+    # Créer le diagramme en barres horizontales
+    fig = px.bar(df_top_categories, x = 'Occurrences', y = 'NUM_PIT', orientation = 'h',
+                 labels = {'Occurrences': "Nombre d'occurrences", 'NUM_PIT': ''},
+                 color = 'NUM_PIT', color_discrete_sequence = px.colors.qualitative.Set3)
+
+    # Ajuster la hauteur en fonction du nombre de catégories (avec une hauteur minimale de 400 pixels)
+    bar_height = 50  # Hauteur de chaque barre
+    min_height = 400  # Hauteur minimale du graphique
+    calculated_height = max(min_height, len(df_top_categories) * bar_height)
+
+    # Mettre à jour la mise en page avec des marges ajustées
+    fig.update_layout(
+        height = calculated_height,     # Hauteur dynamique
+        showlegend = False,
+        margin = dict(l = 200),         # Augmenter la marge gauche pour mieux lire les annotations
+        legend = dict(bgcolor = 'rgba(0, 0, 0, 0)')
+    )
+
+    return fig