Update src/module/Data_Exploration.py

src/module/Data_Exploration.py

@@ -198,45 +198,69 @@ class DataExplorer:
             
             fig_week = px.bar(df_week, title="Moyenne par Jour", color=df_week.values, color_continuous_scale="Blues")
             st.plotly_chart(fig_week, use_container_width=True)
+            
 
     # ==========================================================================
-    # 3. STRESS-TEST SCÉNARIOS & DMS
+    # 3. STRESS-TEST SCÉNARIOS & DMS (CORRIGÉ)
     # ==========================================================================
     def tab_stress_scenarios(self):
         st.markdown("### 🌪️ Impact des Scénarios de Crise")
         st.caption("Corrélation entre les types de scénarios (Covid, Grippe) et la tension hospitalière.")
         
-        df_res = self.get_df('ressources')
+        # On récupère une COPIE pour ne pas casser l'original si on modifie
+        df_res = self.get_df('ressources').copy() if self.get_df('ressources') is not None else None
+        
         if df_res is None or 'scenario' not in df_res.columns:
             st.warning("Données ressources ou scénarios manquantes.")
             return
 
+        # --- CORRECTION CRITIQUE DES TYPES ---
+        # On force la conversion en nombres. Tout ce qui n'est pas un chiffre devient NaN (vide)
+        cols_numeriques = ['taux_occupation', 'tension_personnel', 'lits_total']
+        for col in cols_numeriques:
+            if col in df_res.columns:
+                df_res[col] = pd.to_numeric(df_res[col], errors='coerce')
+        
+        # On supprime les lignes qui ont des NaN dans ces colonnes critiques
+        # Cela évite le crash de Plotly
+        df_clean = df_res.dropna(subset=cols_numeriques)
+
+        if df_clean.empty:
+            st.error("Aucune donnée valide disponible après nettoyage des colonnes numériques.")
+            return
+
         # 1. Boxplot Taux d'Occupation par Scénario
         st.markdown("#### Saturation des Lits par Scénario")
-        # On filtre les scénarios 'Normal' pour voir le contraste
-        top_scenarios = df_res['scenario'].value_counts().head(5).index.tolist()
-        df_filtered = df_res[df_res['scenario'].isin(top_scenarios)]
-        
-        fig_box = px.box(df_filtered, x='scenario', y='taux_occupation', color='scenario',
-                         title="Distribution du Taux d'Occupation par Type de Crise",
-                         points="outliers")
-        st.plotly_chart(fig_box, use_container_width=True)
+        try:
+            top_scenarios = df_clean['scenario'].value_counts().head(5).index.tolist()
+            df_filtered = df_clean[df_clean['scenario'].isin(top_scenarios)]
+            
+            fig_box = px.box(df_filtered, x='scenario', y='taux_occupation', color='scenario',
+                             title="Distribution du Taux d'Occupation par Type de Crise",
+                             points="outliers")
+            st.plotly_chart(fig_box, use_container_width=True)
+        except Exception as e:
+            st.warning(f"Erreur affichage Boxplot : {e}")
         
         # 2. Corrélation Tension Personnel vs Occupation
         st.markdown("#### Corrélation : Occupation Lits vs Tension Personnel")
         col1, col2 = st.columns([3, 1])
         with col1:
-            fig_scatter = px.scatter(df_res, x='taux_occupation', y='tension_personnel', 
-                                   color='service_code', size='lits_total',
-                                   hover_data=['date', 'scenario'],
-                                   title="Zone de Danger : Tension > 80%",
-                                   trendline="ols") # Nécessite statsmodels, sinon retirer trendline
-            
-            # Ajout zones de danger
-            fig_scatter.add_hrect(y0=0.8, y1=1.5, line_width=0, fillcolor="red", opacity=0.1, annotation_text="Danger RH")
-            fig_scatter.add_vrect(x0=0.9, x1=1.5, line_width=0, fillcolor="orange", opacity=0.1, annotation_text="Saturation Lits")
-            
-            st.plotly_chart(fig_scatter, use_container_width=True)
+            try:
+                # Note: J'ai retiré trendline="ols" par sécurité car il nécessite le module 'statsmodels'
+                # Si vous l'avez, vous pouvez le remettre.
+                fig_scatter = px.scatter(df_clean, x='taux_occupation', y='tension_personnel', 
+                                       color='service_code', size='lits_total',
+                                       hover_data=['date', 'scenario'],
+                                       title="Zone de Danger : Tension > 80%")
+                
+                # Ajout zones de danger
+                fig_scatter.add_hrect(y0=0.8, y1=1.5, line_width=0, fillcolor="red", opacity=0.1, annotation_text="Danger RH")
+                fig_scatter.add_vrect(x0=0.9, x1=1.5, line_width=0, fillcolor="orange", opacity=0.1, annotation_text="Saturation Lits")
+                
+                st.plotly_chart(fig_scatter, use_container_width=True)
+            except Exception as e:
+                st.error(f"Erreur Scatter Plot : {e}")
         
         with col2:
             st.info("""