Code Editor for app.py

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

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

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

# Création d'un DataFrame exemple (à remplacer par votre vraie connexion à la base de données)
@st.cache_data
def load_data():
    # Simuler les données - À remplacer par votre requête SQL réelle
    data = pd.DataFrame({
        'CHEM_DATE': pd.date_range(start='2023-01-01', end='2023-12-31', freq='D'),
        'INJECTION_POINT': ['Point A', 'Point B', 'Point C'] * 122,
        'CHEM_PRODUCT_NAME': ['Product X', 'Product Y', 'Product Z'] * 122,
        'TREATED_FLUID': ['Water', 'Oil', 'Gas'] * 122,
        'TREATED_FLOWRATE': [100 + i for i in range(366)],
        'TARGET_INJECTION_RATE': [10 + i/10 for i in range(366)],
        'TARGET_PPM': [50 + i/5 for i in range(366)],
        'IS_FIELD_TEST': [i % 2 == 0 for i in range(366)],
        'IS_BATCH': [i % 3 == 0 for i in range(366)],
        'BSW_TREATED_FLUID': [i/10 for i in range(366)],
        'TEMP_TREATED_FLUID': [25 + i/10 for i in range(366)],
        'PRESSURE_TREATED_FLUID': [100 + i for i in range(366)],
        'TDS_TREATED_FLUID': [1000 + i*2 for i in range(366)],
        'PH_TREATED_FLUID': [7 + (i/100) for i in range(366)],
        'SUBSTITUTE_PRODUCT': ['Sub A', 'Sub B', 'None'] * 122
    })
    return data

data = load_data()

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

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

# Filtre de produit chimique
all_products = ['Tous'] + sorted(data['CHEM_PRODUCT_NAME'].unique().tolist())
selected_product = st.sidebar.selectbox('Sélectionnez le produit chimique', all_products)

# Filtre de point d'injection
all_points = ['Tous'] + sorted(data['INJECTION_POINT'].unique().tolist())
selected_point = st.sidebar.selectbox("Sélectionnez le point d'injection", all_points)

# Application des filtres
filtered_data = data.copy()

# Filtre de date
filtered_data = filtered_data[
    (filtered_data['CHEM_DATE'].dt.date >= date_range[0]) &
    (filtered_data['CHEM_DATE'].dt.date <= date_range[1])
]

# Filtre de produit
if selected_product != 'Tous':
    filtered_data = filtered_data[filtered_data['CHEM_PRODUCT_NAME'] == selected_product]

# Filtre de point d'injection
if selected_point != 'Tous':
    filtered_data = filtered_data[filtered_data['INJECTION_POINT'] == selected_point]

# Affichage des métriques clés
col1, col2, col3, col4 = st.columns(4)
with col1:
    st.metric("Nombre total d'injections", len(filtered_data))
with col2:
    st.metric("Nombre de produits utilisés", filtered_data['CHEM_PRODUCT_NAME'].nunique())
with col3:
    st.metric("Points d'injection actifs", filtered_data['INJECTION_POINT'].nunique())
with col4:
    st.metric("Tests terrain", filtered_data['IS_FIELD_TEST'].sum())

# Graphiques
col1, col2 = st.columns(2)

with col1:
    # Graphique des taux d'injection par produit
    fig1 = px.box(filtered_data, x='CHEM_PRODUCT_NAME', y='TARGET_INJECTION_RATE',
                  title="Distribution des taux d'injection par produit")
    st.plotly_chart(fig1, use_container_width=True)

with col2:
    # Graphique de l'évolution temporelle
    fig2 = px.line(filtered_data, x='CHEM_DATE', y='TARGET_PPM',
                   color='CHEM_PRODUCT_NAME',
                   title="Évolution des PPM ciblés dans le temps")
    st.plotly_chart(fig2, use_container_width=True)

# Tableau de données filtré
st.subheader("Données détaillées")
st.dataframe(filtered_data.sort_values('CHEM_DATE', ascending=False))