Update src/module/Features.py

src/module/Features.py

@@ -395,7 +395,7 @@ def show_feature_engine(client, sheet_name):
         client: Client Google Sheets
         sheet_name: Nom de la feuille Google Sheets
     """
-    st.markdown("## ⚙️ FEATURE ENGINEERING CORE")
+    st.markdown("##  FEATURE ENGINEERING CORE")
     st.caption("Transformation des données CLEAN (ETL) en vecteurs ML avec lags, rolling stats et interactions.")
     
     # ===== 1. CHARGEMENT VIA ETL =====
@@ -406,7 +406,7 @@ def show_feature_engine(client, sheet_name):
         data_explorer = st.session_state.data_explorer
         st.success("✅ Données CLEAN récupérées du Cache ETL")
     else:
-        with st.spinner("🔄 Exécution ETL requis..."):
+        with st.spinner(" Exécution ETL requis..."):
             success, result = etl.run_etl()
             
             if not success:
@@ -429,7 +429,7 @@ def show_feature_engine(client, sheet_name):
     if 'ml_features' not in st.session_state:
         engine = FeatureEngineer(data_explorer)
         
-        with st.spinner("⚡ Génération des features (Lags, Rolling, Saisons, Interactions)..."):
+        with st.spinner(" Génération des features (Lags, Rolling, Saisons, Interactions)..."):
             df_final, msg = engine.build_full_dataset()
         
         if df_final is not None and not df_final.empty:
@@ -450,7 +450,7 @@ def show_feature_engine(client, sheet_name):
             st.success(f"✅ Dataset ML Prêt ({len(df):,} échantillons)")
         
         with col_btn:
-            if st.button("🔄 Recalculer", key="recalc_features"):
+            if st.button(" Recalculer", key="recalc_features"):
                 del st.session_state['ml_features']
                 st.rerun()
         
@@ -465,7 +465,7 @@ def show_feature_engine(client, sheet_name):
         st.divider()
         
         # ===== ANALYSE DES FEATURES =====
-        st.subheader("📊 Analyse des Features Générées")
+        st.subheader(" Analyse des Features Générées")
         
         # Catégorisation des features
         feature_categories = {
@@ -504,7 +504,7 @@ def show_feature_engine(client, sheet_name):
         st.divider()
         
         # ===== MATRICE DE CORRÉLATION =====
-        st.subheader("🔥 Matrice de Corrélation")
+        st.subheader(" Matrice de Corrélation")
         
         numerics = df.select_dtypes(include=[np.number])
         
@@ -539,11 +539,11 @@ def show_feature_engine(client, sheet_name):
             st.info("Pas assez de features numériques pour la matrice de corrélation")
         
         # ===== STATISTIQUES DESCRIPTIVES =====
-        with st.expander("📈 Statistiques Descriptives"):
+        with st.expander(" Statistiques Descriptives"):
             st.dataframe(df.describe(), use_container_width=True)
         
         # ===== PREVIEW DATA =====
-        with st.expander("👁️ Inspecter le Dataset ML Final"):
+        with st.expander(" Inspecter le Dataset ML Final"):
             # Options de filtrage
             col_f1, col_f2 = st.columns(2)