Upload app.py

Problème affichage onglet 2

app.py

@@ -1,204 +1,210 @@
-import streamlit as st
-import pandas as pd
-import plotly.express as px
-import json
-import numpy as np
-
-
-METIERS_CIBLES = [
-    {
-        "titre": "Data Engineer",
-        "requis": [
-            {"domaine": "Data", "methode": "Architecture", "outil": "SQL"},
-            {"domaine": "Informatique", "methode": "Développement", "outil": "Python"},
-            {"domaine": "Informatique", "methode": "Cloud", "outil": "AWS"}
-        ]
-    },
-    {
-        "titre": "Responsable Transformation Digitale",
-        "requis": [
-            {"domaine": "Gestion", "methode": "Agilité", "outil": "Scrum"},
-            {"domaine": "Marketing", "methode": "Analyse", "outil": "Google Analytics"},
-            {"domaine": "Data", "methode": "Visualisation", "outil": "Power BI"}
-        ]
-    },
-    {
-        "titre": "Product Owner",
-        "requis": [
-            {"domaine": "Gestion", "methode": "Agilité", "outil": "Jira"},
-            {"domaine": "Gestion", "methode": "Planning", "outil": "Trello"},
-            {"domaine": "Marketing", "methode": "Stratégie Digitale", "outil": "Figma"}
-        ]
-    },
-    {
-        "titre": "Analyste Cybersécurité",
-        "requis": [
-            {"domaine": "Informatique", "methode": "Sécurité", "outil": "Firewalls"},
-            {"domaine": "Informatique", "methode": "Cloud", "outil": "Docker"},
-            {"domaine": "Informatique", "methode": "Scripting", "outil": "Bash"}
-        ]
-    }
-]
-
-# --- 2. FONCTIONS DE CALCUL ---
-
-def calculer_score(candidat, poste):
-    score_total = 0
-    max_score_possible = len(poste['requis']) * 3 
-    
-    for req in poste['requis']:
-        points_competence = 0
-        for comp in candidat['competences']:
-            if comp['outil'].lower() == req['outil'].lower():
-                points_competence = max(points_competence, 3)
-            elif comp['methode'].lower() == req['methode'].lower():
-                points_competence = max(points_competence, 2)
-            elif comp['domaine'].lower() == req['domaine'].lower():
-                points_competence = max(points_competence, 1)
-        score_total += points_competence
-    return (score_total / max_score_possible) * 100
-
-# --- 3. INTERFACE PRINCIPALE ---
-
-def main():
-    st.set_page_config(page_title="Skill Mapping MVP", layout="wide")
-
-    # --- VERROU DE SÉCURITÉ SÉCURISÉ ---
-    if "authenticated" not in st.session_state:
-        st.session_state["authenticated"] = False
-
-    if not st.session_state["authenticated"]:
-        st.title("🔐 Accès Restreint")
-        password_input = st.text_input("Veuillez saisir le code d'accès :", type="password")
-        
-        if st.button("Se connecter"):
-            # On compare la saisie avec le secret caché sur Hugging Face
-            if password_input == st.secrets["MY_PASSWORD"]: 
-                st.session_state["authenticated"] = True
-                st.rerun()
-            else:
-                st.error("Code incorrect.")
-        return
-    
-    st.title("🎯 Mapping des talents Internes")
-    
-    try:
-        with open('data.json', 'r', encoding='utf-8') as f:
-            data = json.load(f)
-            collaborateurs = data['collaborateurs']
-    except FileNotFoundError:
-        st.error("Fichier 'data.json' non trouvé.")
-        return
-
-    # --- SIDEBAR & SÉLECTION ---
-    st.sidebar.header("Paramètres")
-    titre_metier = st.sidebar.selectbox("Poste cible :", [m['titre'] for m in METIERS_CIBLES])
-    poste_data = next(m for m in METIERS_CIBLES if m['titre'] == titre_metier)
-
-    # Calcul des scores (pré-traitement)
-    resultats = []
-    for c in collaborateurs:
-        score = calculer_score(c, poste_data)
-        resultats.append({
-            "Nom": c['nom'], 
-            "Métier Actuel": c['metier_actuel'], 
-            "Score de Match": round(score, 1),
-            "data_brute": c
-        })
-    df = pd.DataFrame(resultats).sort_values(by="Score de Match", ascending=False)
-
-    # --- CRÉATION DES ONGLETS ---
-    tab1, tab2, tab3 = st.tabs(["📊 Classement", "🌌 Cartographie 2D", "🔍 Analyse Individuelle"])
-
-    # --- ONGLET 1 : CLASSEMENT ---
-    with tab1:
-        st.subheader(f"Adéquation des profils pour : {titre_metier}")
-        st.dataframe(
-            df[["Nom", "Métier Actuel", "Score de Match"]],
-            column_config={
-                "Score de Match": st.column_config.ProgressColumn(
-                    "Adéquation", 
-                    format="%.1f%%", 
-                    min_value=0, 
-                    max_value=100
-                ),
-            },
-            hide_index=True, 
-            use_container_width=True
-        )
-
-    # --- ONGLET 2 : MAPPING 2D ---
-    with tab2:
-        st.subheader("Positionnement par rapport au poste cible")
-        st.info("Plus un collaborateur est proche du centre (CIBLE), plus ses compétences correspondent au besoin.")
-        
-        df_map = df.copy()
-        angles = np.linspace(0, 2 * np.pi, len(df_map), endpoint=False)
-        df_map['distance'] = 100 - df_map['Score de Match']
-        df_map['x'] = df_map['distance'] * np.cos(angles)
-        df_map['y'] = df_map['distance'] * np.sin(angles)
-        
-        target_point = pd.DataFrame({
-            'Nom': ['CIBLE'], 'x': [0], 'y': [0], 
-            'Score de Match': [100], 'size': [35]
-        })
-        df_map['size'] = 15
-        df_total = pd.concat([df_map, target_point], ignore_index=True)
-
-        fig_2d = px.scatter(
-            df_total, x='x', y='y', text='Nom', 
-            color='Score de Match', size='size',
-            color_continuous_scale="RdYlGn", 
-            range_color=[0, 100],
-            template="plotly_white"
-        )
-        
-        fig_2d.update_layout(
-            showlegend=False, 
-            height=600, 
-            xaxis=dict(visible=False), 
-            yaxis=dict(visible=False)
-        )
-        
-        # AJOUTE CETTE LIGNE ICI :
-        fig_2d.update_traces(textposition='bottom center')
-        # Ajout des cercles de radar pour le repère visuel
-        for r in [25, 50, 75]:
-            fig_2d.add_shape(type="circle", x0=-r, y0=-r, x1=r, y1=r, 
-                             line_color="gray", line_width=1, line_dash="dot", opacity=0.3)
-            
-        st.plotly_chart(fig_2d, use_container_width=True)
-
-    # --- ONGLET 3 : FOCUS CANDIDAT (ANALYSE DES ÉCARTS) ---
-    with tab3:
-        st.subheader("Détail des écarts par collaborateur")
-        
-        # Sélection du candidat
-        nom_selectionne = st.selectbox(
-            "Choisir un collaborateur à analyser :", 
-            df['Nom'].tolist()
-        )
-        cand = next(c for c in collaborateurs if c['nom'] == nom_selectionne)
-        
-        col_left, col_right = st.columns(2)
-        
-        with col_left:
-            st.markdown(f"### ✅ Compétences actuelles")
-            for comp in cand['competences']:
-                st.markdown(f"- **{comp['outil']}** \n  *{comp['domaine']} > {comp['methode']}*")
-
-        with col_right:
-            st.markdown("### 🚩 Comparaison avec le besoin")
-            for req in poste_data['requis']:
-                match_outil = any(c['outil'].lower() == req['outil'].lower() for c in cand['competences'])
-                match_methode = any(c['methode'].lower() == req['methode'].lower() for c in cand['competences'])
-                
-                if match_outil:
-                    st.success(f"**{req['outil']}** : Maîtrisé")
-                elif match_methode:
-                    st.warning(f"**{req['outil']}** : Partiel (connaît la méthode '{req['methode']}')")
-                else:
-                    st.error(f"**{req['outil']}** : Manquant")
-
-if __name__ == "__main__":
+import streamlit as st
+import pandas as pd
+import plotly.express as px
+import json
+import numpy as np
+
+
+METIERS_CIBLES = [
+    {
+        "titre": "Data Engineer",
+        "requis": [
+            {"domaine": "Data", "methode": "Architecture", "outil": "SQL"},
+            {"domaine": "Informatique", "methode": "Développement", "outil": "Python"},
+            {"domaine": "Informatique", "methode": "Cloud", "outil": "AWS"}
+        ]
+    },
+    {
+        "titre": "Responsable Transformation Digitale",
+        "requis": [
+            {"domaine": "Gestion", "methode": "Agilité", "outil": "Scrum"},
+            {"domaine": "Marketing", "methode": "Analyse", "outil": "Google Analytics"},
+            {"domaine": "Data", "methode": "Visualisation", "outil": "Power BI"}
+        ]
+    },
+    {
+        "titre": "Product Owner",
+        "requis": [
+            {"domaine": "Gestion", "methode": "Agilité", "outil": "Jira"},
+            {"domaine": "Gestion", "methode": "Planning", "outil": "Trello"},
+            {"domaine": "Marketing", "methode": "Stratégie Digitale", "outil": "Figma"}
+        ]
+    },
+    {
+        "titre": "Analyste Cybersécurité",
+        "requis": [
+            {"domaine": "Informatique", "methode": "Sécurité", "outil": "Firewalls"},
+            {"domaine": "Informatique", "methode": "Cloud", "outil": "Docker"},
+            {"domaine": "Informatique", "methode": "Scripting", "outil": "Bash"}
+        ]
+    }
+]
+
+# --- 2. FONCTIONS DE CALCUL ---
+
+def calculer_score(candidat, poste):
+    score_total = 0
+    max_score_possible = len(poste['requis']) * 3 
+    
+    for req in poste['requis']:
+        points_competence = 0
+        for comp in candidat['competences']:
+            if comp['outil'].lower() == req['outil'].lower():
+                points_competence = max(points_competence, 3)
+            elif comp['methode'].lower() == req['methode'].lower():
+                points_competence = max(points_competence, 2)
+            elif comp['domaine'].lower() == req['domaine'].lower():
+                points_competence = max(points_competence, 1)
+        score_total += points_competence
+    return (score_total / max_score_possible) * 100
+
+# --- 3. INTERFACE PRINCIPALE ---
+
+def main():
+    st.set_page_config(page_title="Skill Mapping MVP", layout="wide")
+
+    # --- VERROU DE SÉCURITÉ SÉCURISÉ ---
+    if "authenticated" not in st.session_state:
+        st.session_state["authenticated"] = False
+
+    if not st.session_state["authenticated"]:
+        st.title("🔐 Accès Restreint")
+        password_input = st.text_input("Veuillez saisir le code d'accès :", type="password")
+        
+        if st.button("Se connecter"):
+            # On compare la saisie avec le secret caché sur Hugging Face
+            if password_input == st.secrets["MY_PASSWORD"]: 
+                st.session_state["authenticated"] = True
+                st.rerun()
+            else:
+                st.error("Code incorrect.")
+        return
+    
+    st.title("🎯 Mapping des talents Internes")
+    
+    try:
+        with open('data.json', 'r', encoding='utf-8') as f:
+            data = json.load(f)
+            collaborateurs = data['collaborateurs']
+    except FileNotFoundError:
+        st.error("Fichier 'data.json' non trouvé.")
+        return
+
+    # --- SIDEBAR & SÉLECTION ---
+    st.sidebar.header("Paramètres")
+    titre_metier = st.sidebar.selectbox("Poste cible :", [m['titre'] for m in METIERS_CIBLES])
+    poste_data = next(m for m in METIERS_CIBLES if m['titre'] == titre_metier)
+
+    # Calcul des scores (pré-traitement)
+    resultats = []
+    for c in collaborateurs:
+        score = calculer_score(c, poste_data)
+        resultats.append({
+            "Nom": c['nom'], 
+            "Métier Actuel": c['metier_actuel'], 
+            "Score de Match": round(score, 1),
+            "data_brute": c
+        })
+    df = pd.DataFrame(resultats).sort_values(by="Score de Match", ascending=False)
+
+    # --- CRÉATION DES ONGLETS ---
+    tab1, tab2, tab3 = st.tabs(["📊 Classement", "🌌 Cartographie 2D", "🔍 Analyse Individuelle"])
+
+    # --- ONGLET 1 : CLASSEMENT ---
+    with tab1:
+        st.subheader(f"Adéquation des profils pour : {titre_metier}")
+        st.dataframe(
+            df[["Nom", "Métier Actuel", "Score de Match"]],
+            column_config={
+                "Score de Match": st.column_config.ProgressColumn(
+                    "Adéquation", 
+                    format="%.1f%%", 
+                    min_value=0, 
+                    max_value=100
+                ),
+            },
+            hide_index=True, 
+            use_container_width=True
+        )
+
+    # --- ONGLET 2 : MAPPING 2D ---
+    with tab2:
+        st.subheader("Positionnement par rapport au poste cible")
+        
+        df_map = df.copy()
+        # Calcul des coordonnées
+        angles = np.linspace(0, 2 * np.pi, len(df_map), endpoint=False)
+        df_map['distance'] = 100 - df_map['Score de Match']
+        df_map['x'] = df_map['distance'] * np.cos(angles)
+        df_map['y'] = df_map['distance'] * np.sin(angles)
+        
+        # Création du graphique de base
+        fig_2d = px.scatter(
+            df_map, x='x', y='y', text='Nom', 
+            color='Score de Match',
+            color_continuous_scale="RdYlGn", 
+            range_color=[0, 100],
+            template="plotly_white"
+        )
+
+        # Ajout manuel du point CIBLE au centre pour être sûr qu'il soit là
+        fig_2d.add_scatter(
+            x=[0], y=[0], mode='markers+text', text=['🎯 CIBLE'],
+            marker=dict(size=20, color='black'), name='Cible'
+        )
+        
+        # Amélioration du texte et des marqueurs
+        fig_2d.update_traces(
+            textposition='top center',
+            marker=dict(size=12, line=dict(width=1, color='DarkSlateGrey'))
+        )
+        
+        # Ajout des cercles de radar DERRIÈRE les points
+        for r in [25, 50, 75, 100]:
+            fig_2d.add_shape(
+                type="circle", x0=-r, y0=-r, x1=r, y1=r, 
+                line=dict(color="lightgray", width=1, dash="dot"),
+                layer="below" # <--- IMPORTANT : Force les cercles en arrière-plan
+            )
+            
+        fig_2d.update_layout(
+            showlegend=False, height=700,
+            xaxis=dict(visible=False, range=[-110, 110]),
+            yaxis=dict(visible=False, range=[-110, 110])
+        )
+        
+        st.plotly_chart(fig_2d, use_container_width=True)
+
+    # --- ONGLET 3 : FOCUS CANDIDAT (ANALYSE DES ÉCARTS) ---
+    with tab3:
+        st.subheader("Détail des écarts par collaborateur")
+        
+        # Sélection du candidat
+        nom_selectionne = st.selectbox(
+            "Choisir un collaborateur à analyser :", 
+            df['Nom'].tolist()
+        )
+        cand = next(c for c in collaborateurs if c['nom'] == nom_selectionne)
+        
+        col_left, col_right = st.columns(2)
+        
+        with col_left:
+            st.markdown(f"### ✅ Compétences actuelles")
+            for comp in cand['competences']:
+                st.markdown(f"- **{comp['outil']}** \n  *{comp['domaine']} > {comp['methode']}*")
+
+        with col_right:
+            st.markdown("### 🚩 Comparaison avec le besoin")
+            for req in poste_data['requis']:
+                match_outil = any(c['outil'].lower() == req['outil'].lower() for c in cand['competences'])
+                match_methode = any(c['methode'].lower() == req['methode'].lower() for c in cand['competences'])
+                
+                if match_outil:
+                    st.success(f"**{req['outil']}** : Maîtrisé")
+                elif match_methode:
+                    st.warning(f"**{req['outil']}** : Partiel (connaît la méthode '{req['methode']}')")
+                else:
+                    st.error(f"**{req['outil']}** : Manquant")
+
+if __name__ == "__main__":
     main()