Code Editor for app.py

import streamlit as st
import pandas as pd
import plotly.express as px
from datetime import datetime

# Configuration de la page
st.set_page_config(page_title="Chemical Treatment Dashboard", layout="wide")

# Titre de l'application
st.title("Chemical Treatment Dashboard")

# Création d'un DataFrame exemple (à remplacer par votre connexion réelle à CHEM_TEST.LOGBOOK)
@st.cache_data
def load_data():
    # Remplacer ceci par votre vraie connexion à la base de données
    df = pd.DataFrame({
        'CHEM_DATE': pd.date_range(start='2023-01-01', periods=100),
        'INJECTION_POINT': ['Point A', 'Point B', 'Point C'] * 34,
        'CHEM_PRODUCT_NAME': ['Chemical X', 'Chemical Y', 'Chemical Z'] * 34,
        'TREATED_FLUID': ['Water', 'Oil', 'Gas'] * 34,
        'TREATED_FLOWRATE': [100 + i for i in range(100)],
        'TARGET_INJECTION_RATE': [5 + i/10 for i in range(100)],
        'TARGET_PPM': [50 + i for i in range(100)],
        'IS_FIELD_TEST': [True, False] * 50,
        'IS_BATCH': [True, False] * 50,
        'BSW_TREATED_FLUID': [i/100 for i in range(100)],
        'TEMP_TREATED_FLUID': [30 + i/10 for i in range(100)],
        'PRESSURE_TREATED_FLUID': [100 + i for i in range(100)],
        'TDS_TREATED_FLUID': [1000 + i*10 for i in range(100)],
        'PH_TREATED_FLUID': [6 + i/100 for i in range(100)],
        'SUBSTITUTE_PRODUCT': ['Sub A', 'Sub B', 'None'] * 34
    })
    return df

df = load_data()

# Création des filtres dans la sidebar
st.sidebar.header("Filtres")

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

# Filtre de produit chimique
all_chemicals = sorted(df['CHEM_PRODUCT_NAME'].unique())
selected_chemicals = st.sidebar.multiselect(
    "Sélectionner les produits chimiques",
    all_chemicals,
    default=all_chemicals
)

# Filtre de point d'injection
all_points = sorted(df['INJECTION_POINT'].unique())
selected_points = st.sidebar.multiselect(
    "Sélectionner les points d'injection",
    all_points,
    default=all_points
)

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

# Création du dashboard
col1, col2 = st.columns(2)

with col1:
    # Graphique de l'utilisation des produits chimiques dans le temps
    fig1 = px.line(filtered_df, 
                   x='CHEM_DATE', 
                   y='TARGET_INJECTION_RATE',
                   color='CHEM_PRODUCT_NAME',
                   title="Taux d'injection par produit chimique")
    st.plotly_chart(fig1, use_container_width=True)

    # Distribution des points d'injection
    fig3 = px.pie(filtered_df, 
                  names='INJECTION_POINT',
                  title="Distribution des points d'injection")
    st.plotly_chart(fig3, use_container_width=True)

with col2:
    # Graphique des PPM par produit
    fig2 = px.box(filtered_df, 
                  x='CHEM_PRODUCT_NAME', 
                  y='TARGET_PPM',
                  title="Distribution des PPM par produit")
    st.plotly_chart(fig2, use_container_width=True)

    # Température vs Pression
    fig4 = px.scatter(filtered_df,
                      x='TEMP_TREATED_FLUID',
                      y='PRESSURE_TREATED_FLUID',
                      color='INJECTION_POINT',
                      title="Température vs Pression par point d'injection")
    st.plotly_chart(fig4, use_container_width=True)

# Tableau de données filtré
st.header("Données détaillées")
st.dataframe(filtered_df)

# Statistiques de base
st.header("Statistiques")
col3, col4, col5 = st.columns(3)

with col3:
    st.metric("Nombre total d'injections", len(filtered_df))

with col4:
    st.metric("Taux d'injection moyen", 
              f"{filtered_df['TARGET_INJECTION_RATE'].mean():.2f}")

with col5:
    st.metric("PPM moyen", 
              f"{filtered_df['TARGET_PPM'].mean():.2f}")