Update app.py

app.py

@@ -12,9 +12,10 @@ from dashboard import *
 
 # CHARGEMENT DES DONNEES
 df_controls, df_individus, df_sites, df_distances, df_mapping = load_data_antenna()
-liste_sites_antennes = ["Brelouze", "Mairie d'Annepont", "Grottes de Loubeau", "Le Plessis", "Puy-Chenin", "Cézelle", "La Bourtière", "Goizet (W)", "Château de Gagemont", "Faye-L'Abbesse - Bourg", "Guibaud", "Cave Billard", "Grotte de Boisdichon", "Les Roches", "Barrage de l'Aigle", "Gouffre de la Fage",
-                  "La Brumaudière", "Château de Verteuil", "Les Dames", "Château de Hautefort", "Les Tours de Merle - Tour Fulcon", "Le Petit Pin", "Maison Brousse", "Caves de Laubenheimer", "Château de Villandraut", "Tunnel ferroviaire", "Grotte de la carrière", "Centrale hydroélectrique de Claredent", "Fermette des Nobis",
-                  "Beauregard", "Grotte de la Deveze", "Petexaenea", "Gouffre de Bexanka", "Mikelauenziloa"]
+liste_sites_antennes = sorted(["Brelouze", "Mairie d'Annepont", "Grottes de Loubeau", "Le Plessis", "Puy-Chenin", "Cézelle", "La Bourtière", "Goizet (W)", "Château de Gagemont", "Faye-L'Abbesse - Bourg", "Guibaud", "Cave Billard", "Grotte de Boisdichon", "Les Roches", "Barrage de l'Aigle", "Gouffre de la Fage",
+                  "Ancienne citerne à eau", "Château de Verteuil", "Les Dames", "Château de Hautefort", "Les Tours de Merle - Tour Fulcon", "Le Petit Pin", "Maison Brousse", "Caves de Laubenheimer", "Château de Villandraut", "Tunnel ferroviaire", "Grotte de la carrière", "Centrale hydroélectrique de Claredent", "Fermette des Nobis",
+                  "Beauregard", "Grotte de la Deveze", "Petexaenea (Site générique Galeries N&S)", "Gouffre de Bexanka", "Mikelauenziloa"])
+ETUDE_valides = ["Diag CEN", "Diag NATURA 2000", "Diag FDS_Oléron", "ECOFECT (GR/CCPNA)", "ECOFECT (Hors GR)", "TRANSPY ESPAGNE", "TRANSPY FRANCE"]
 
 # Initialisation des variables d'état
 selected_dpt = []
@@ -22,13 +23,13 @@ selected_dpt_gant = []
 selected_sp = []
 selected_gender = []
 selected_sites = []
+selected_communes = []
 selected_dates = [df_controls['DATE'].min(), df_controls['DATE'].max()]
 dates_gant = [df_controls['DATE'].min(), df_controls['DATE'].max()]
 df_empty = pd.DataFrame()
 
 # CONTENU
 ## ROOT PAGE
-
 FEDER = "images/FEDER-NA.png"
 PREFET = "images/Prefet_NA.jpg"
 VERT = "images/FranceNationVerte.jpg"
@@ -41,12 +42,24 @@ with open("pages/page1.md", "r", encoding = "utf-8") as file:
     page1 = file.read()
 
 ## VISUALISATION DES DONNEES D'ANTENNES
+communes = sorted(df_controls['COMMUNE'].unique().tolist())
 departements = sorted(df_controls['DEPARTEMENT'].unique().tolist())
-species = sorted(df_controls['CODE_ESP'].unique().tolist())
-genders = sorted(df_controls['SEXE'].dropna().unique().tolist())
-sites = sorted(df_controls['LIEU_DIT'].unique().tolist())
+species = sorted(df_distances['CODE_ESP'].unique().tolist())
+genders = sorted(df_individus['SEXE'].dropna().unique().tolist())
+sites = sorted(df_controls['LIEU_DIT'].dropna().unique().tolist())
 dates = [df_controls['DATE'].min(), df_controls['DATE'].max()]
 
+# Callback du sélécteur de sites
+def refresh_sites(state):
+    selected_communes = state.selected_communes or []
+    
+    if selected_communes:
+        filtered_df = df_controls[df_controls['COMMUNE'].isin(selected_communes)]
+    else:
+        filtered_df = df_controls
+
+    state.sites = sorted(filtered_df['LIEU_DIT'].unique().tolist())
+
 m = generate_map(df_empty, df_sites)
 
 with open("pages/page2.md", "r", encoding = "utf-8") as file:
@@ -78,7 +91,7 @@ def refresh_map_button(state):
     if state.selected_dates and len(state.selected_dates) == 2:
         start_date = pd.Timestamp(state.selected_dates[0])
         end_date = pd.Timestamp(state.selected_dates[1])
-        df_filtered = df_filtered[(df_filtered['DATE'] >= start_date) & (df_filtered['DATE'] <= end_date)]
+        df_filtered = df_filtered[(df_filtered['DATE_DEPART'] >= start_date) & (df_filtered['DATE_DEPART'] <= end_date)]
     
     # Rafraichir la carte
     state.m = generate_map(df_filtered, df_sites)
@@ -92,6 +105,7 @@ with open("pages/page3.md", "r", encoding = "utf-8") as file:
 # Callbacks du diagramme de Gant
 def update_gant(state):
     df_filtered_gant = df_controls.copy()
+    df_filtered_gant = df_filtered_gant[df_filtered_gant['LIEU_DIT'].isin(liste_sites_antennes)]
 
     # Convertir les dates sélectionnées en objets Timestamp
     if state.selected_dpt_gant:
@@ -108,29 +122,32 @@ def update_gant(state):
 
 ## STATISTIQUES ANALYTIQUES
 # Initialisation de tous les plots
-plot_detection_year = detection_by_year(df_controls)      # Barplot du nombre de détections par an et par espèce
-plot_capture_year = capture_by_year(df_individus)         # Barplot du nombre de captures par an et par espèces
-plot_control_year = control_by_year(df_controls)          # Barplot du nombre de contrôles par an et par espèces
-plot_frequencies = detection_frequencies(df_controls)     # Courbes de fréquences de détections par jour de l'année et par site
-plot_pie_controled = pie_controled(df_controls)           # Pieplot des individus contrôlés
-plot_pie_marked = pie_marked(df_individus)                # Pieplot des individus marqués
-plot_top_detection = top_detection(df_controls)           # Barplot horizontal des 10 individus les plus détectés
+df_controls_valide = df_controls[df_controls['ETUDE'].isin(ETUDE_valides)]
+df_individus_valide = df_individus[df_individus['ETUDE'].isin(ETUDE_valides)]
+
+plot_detection_year = detection_by_year(df_controls_valide)      # Barplot du nombre de détections par an et par espèce
+plot_capture_year = capture_by_year(df_individus_valide)         # Barplot du nombre de captures par an et par espèces
+plot_control_year = control_by_year(df_controls_valide)          # Barplot du nombre de contrôles par an et par espèces
+plot_frequencies = detection_frequencies(df_controls_valide)     # Courbes de fréquences de détections par jour de l'année et par site
+plot_pie_controled = pie_controled(df_controls_valide)           # Pieplot des individus contrôlés
+plot_pie_marked = pie_marked(df_individus_valide)                # Pieplot des individus marqués
+plot_top_detection = top_detection(df_controls_valide)           # Barplot horizontal des 10 individus les plus détectés
+plot_box_distances = distance_boxplot(df_distances)              # Boxplot des distances par espèce
 
 # Initialisation des variables à plot
 total_recaptured = df_controls['NUM_PIT'].nunique()       # Individus contrôlés
 total_marked = df_individus['NUM_PIT'].nunique()          # Individus marqués
 sites_capture = df_individus['LIEU_DIT'].nunique()        # Sites capturés au moins une fois
 sites_antennes = df_sites['LIEU_DIT'].nunique()           # Sites contrôlés au moins une fois
-transition_table_plot = df_distances[['CODE_ESP', 'DATE', 'SITE_DEPART', 'DATE_ARRIVEE', 'SITE_ARRIVEE', 'DISTANCE']].sort_values(by='DISTANCE', ascending = False)
-transition_table_plot['DISTANCE'] = transition_table_plot['DISTANCE'].round(2)
-transition_table_plot = transition_table_plot.rename(columns = {'DATE':'DATE_DEPART'})
+transition_table_plot = df_distances[['NUM_PIT', 'CODE_ESP', 'DATE_DEPART', 'SITE_DEPART', 'DATE_ARRIVEE', 'SITE_ARRIVEE', 'DIST_KM']].sort_values(by='DIST_KM', ascending = False)
+transition_table_plot['DIST_KM'] = transition_table_plot['DIST_KM'].round(2)
 
 with open("pages/page4.md", "r", encoding = "utf-8") as file:
     page4 = file.read()
 
 ## FICHE SITE
 # Initialisation du sélecteur et des plots
-selection_fiche = ['Brelouze']
+selection_fiche = ['Ancienne citerne à eau']
 df_controls_fiche = df_controls[df_controls['LIEU_DIT'].isin(selection_fiche)]
 df_individus_fiche = df_individus[df_individus['LIEU_DIT'].isin(selection_fiche)]
 df_distances_fiche = df_distances[(df_distances['SITE_DEPART'].isin(selection_fiche)) | (df_distances['SITE_ARRIVEE'].isin(selection_fiche))]