Code Editor for app.py

import streamlit as st
import pandas as pd
import plotly.express as px
import plotly.graph_objects as go
from datetime import datetime
import numpy as np

st.set_page_config(layout="wide", page_title="Dashboard Consommation Produits Chimiques")

# Fonction pour charger les données (simulation)
@st.cache_data
def load_data():
    # Simulation de données
    dates = pd.date_range(start='2023-01-01', end='2023-12-31', freq='D')
    np.random.seed(42)
    
    data = {
        'CHEM_DATE': dates,
        'INJECTION_POINT': np.random.choice(['Point A', 'Point B', 'Point C'], size=len(dates)),
        'CHEM_PRODUCT_NAME': np.random.choice(['Produit X', 'Produit Y', 'Produit Z'], size=len(dates)),
        'TREATED_FLUID': np.random.choice(['Eau', 'Huile', 'Mélange'], size=len(dates)),
        'TREATED_FLOWRATE': np.random.uniform(100, 1000, len(dates)),
        'TARGET_INJECTION_RATE': np.random.uniform(1, 10, len(dates)),
        'TARGET_PPM': np.random.uniform(10, 100, len(dates)),
        'IS_FIELD_TEST': np.random.choice([True, False], size=len(dates)),
        'IS_BATCH': np.random.choice([True, False], size=len(dates)),
        'BSW_TREATED_FLUID': np.random.uniform(0, 100, len(dates)),
        'TEMP_TREATED_FLUID': np.random.uniform(20, 80, len(dates)),
        'PRESSURE_TREATED_FLUID': np.random.uniform(1, 50, len(dates)),
        'TDS_TREATED_FLUID': np.random.uniform(1000, 5000, len(dates)),
        'PH_TREATED_FLUID': np.random.uniform(5, 9, len(dates)),
        'SUBSTITUTE_PRODUCT': np.random.choice(['Sub A', 'Sub B', 'None'], size=len(dates))
    }
    
    return pd.DataFrame(data)

# Chargement des données
df = load_data()

# Titre de l'application
st.title("Dashboard de Consommation des Produits Chimiques")

# Filtres dans la barre latérale
st.sidebar.header("Filtres")

# Sélection de la période
date_range = st.sidebar.date_input(
    "Sélectionner la période",
    [df['CHEM_DATE'].min(), df['CHEM_DATE'].max()]
)

# Sélection des points d'injection
selected_points = st.sidebar.multiselect(
    "Points d'injection",
    options=df['INJECTION_POINT'].unique(),
    default=df['INJECTION_POINT'].unique()
)

# Sélection des produits
selected_products = st.sidebar.multiselect(
    "Produits chimiques",
    options=df['CHEM_PRODUCT_NAME'].unique(),
    default=df['CHEM_PRODUCT_NAME'].unique()
)

# Filtrage des données
mask = (
    (df['CHEM_DATE'].dt.date >= date_range[0]) &
    (df['CHEM_DATE'].dt.date <= date_range[1]) &
    (df['INJECTION_POINT'].isin(selected_points)) &
    (df['CHEM_PRODUCT_NAME'].isin(selected_products))
)
filtered_df = df[mask]

# Layout en colonnes
col1, col2 = st.columns(2)

with col1:
    # Graphique de consommation par produit
    fig_consumption = px.bar(
        filtered_df.groupby('CHEM_PRODUCT_NAME')['TARGET_INJECTION_RATE'].mean().reset_index(),
        x='CHEM_PRODUCT_NAME',
        y='TARGET_INJECTION_RATE',
        title="Taux d'injection moyen par produit"
    )
    st.plotly_chart(fig_consumption, use_container_width=True)

with col2:
    # Graphique de tendance temporelle
    fig_trend = px.line(
        filtered_df,
        x='CHEM_DATE',
        y='TARGET_INJECTION_RATE',
        color='CHEM_PRODUCT_NAME',
        title="Évolution du taux d'injection dans le temps"
    )
    st.plotly_chart(fig_trend, use_container_width=True)

# Métriques clés
col3, col4, col5 = st.columns(3)

with col3:
    avg_rate = filtered_df['TARGET_INJECTION_RATE'].mean()
    st.metric("Taux d'injection moyen", f"{avg_rate:.2f}")

with col4:
    avg_ppm = filtered_df['TARGET_PPM'].mean()
    st.metric("PPM moyen", f"{avg_ppm:.2f}")

with col5:
    avg_temp = filtered_df['TEMP_TREATED_FLUID'].mean()
    st.metric("Température moyenne", f"{avg_temp:.1f}°C")

# Tableau détaillé
st.subheader("Données détaillées")
st.dataframe(
    filtered_df.style.format({
        'TARGET_INJECTION_RATE': '{:.2f}',
        'TARGET_PPM': '{:.2f}',
        'TEMP_TREATED_FLUID': '{:.1f}',
        'PRESSURE_TREATED_FLUID': '{:.1f}',
        'PH_TREATED_FLUID': '{:.1f}'
    })
)