pradelf commited on
Commit
7b9dbf6
·
verified ·
1 Parent(s): 4beb06c

Update app.py

Browse files
Files changed (1) hide show
  1. app.py +155 -155
app.py CHANGED
@@ -1,155 +1,155 @@
1
- import streamlit as st
2
- import pandas as pd
3
- import plotly.express as px
4
- import plotly.graph_objects as go
5
- import numpy as np
6
- import requests
7
- # ======================================================
8
- # 🌐 API Pricing HF
9
- # ======================================================
10
-
11
- API_URL = "https://pradelf-getaround-api.hf.space/predict"
12
-
13
-
14
- def call_pricing_api(features: dict):
15
- """
16
- Appelle l'API FastAPI déployée sur Hugging Face.
17
- Retourne le prix prédit (float) ou None en cas d'erreur.
18
- """
19
- payload = {"input": [features]}
20
- try:
21
- resp = requests.post(API_URL, json=payload, timeout=10)
22
- resp.raise_for_status()
23
- data = resp.json()
24
- if "prediction" in data and len(data["prediction"]) > 0:
25
- return float(data["prediction"][0]), payload, data
26
- else:
27
- st.error("Réponse API inattendue : clé 'prediction' absente.")
28
- return None, payload, data
29
- except Exception as e:
30
- st.error(f"Erreur lors de l'appel à l'API : {e}")
31
- return None, payload, None
32
-
33
-
34
- ### CONFIG
35
- st.set_page_config(page_title="E-commerce", page_icon="💸", layout="wide")
36
-
37
- ### TITLE AND TEXT
38
- st.title("Tableau de bord de Getaround")
39
-
40
- st.markdown("""
41
- Ce site représente le **dashboard** destiné à aider l’équipe Produit pour appréhender l'introduction
42
- de la nouvelle fonctionnalité consistant en l'implémentation d'un **délai minimum entre deux locations**.<br/>
43
- Un véhicule ne sera pas affiché dans les résultats de recherche si les heures de check-in
44
- ou de check-out demandées sont trop proches d’une location déjà existante.<br/>
45
-
46
- Grâce à ce site, l'équipe produit pourra répondre aux questions suivantes :<br/>
47
- - quelle doit être la durée minimale du délai entre deux locations ?
48
- - faut-il activer cette fonctionnalité pour tous les véhicules ou uniquement pour les véhicules Connect ?
49
- - Quelle part des revenus des propriétaires serait potentiellement affectée par cette fonctionnalité ?
50
- - Combien de locations seraient impactées en fonction du seuil et du périmètre choisis ?
51
- - À quelle fréquence les conducteurs sont-ils en retard pour le check-in suivant ? Quel est l’impact pour le conducteur suivant ?
52
- - Combien de situations problématiques seraient résolues selon le seuil et le périmètre retenus ?
53
-
54
- La documentation du web serveur de fonctions est déploiée sur l'url : [https://pradelf-getaround-api.hf.space/docs](https://pradelf-getaround-api.hf.space/docs) """)
55
- ### LOAD DATA
56
- DATA_PRICING = "/app/Data/get_around_pricing_project.csv"
57
- DATA_PRICING_HF = "https://huggingface.co/datasets/pradelf/getaround-dataset/blob/main/get_around_pricing_project.csv"
58
-
59
- DATA_ANALYSIS = "/app/Data/get_around_delay_analysis.csv"
60
- DATA_DELAY_HF = "https://huggingface.co/datasets/pradelf/getaround-dataset/blob/main/get_around_delay_analysis.csv"
61
-
62
- # usage d'un décorateur python pour ajouter des fonctionnalité
63
- # : st.cache_data et st.cache_resource qui remplace st.cache qui va devenir obsolète.
64
- # https://docs.streamlit.io/develop/api-reference/caching-and-state/st.cache_data
65
- # https://docs.streamlit.io/develop/api-reference/caching-and-state/st.cache_resource
66
- @st.cache_data
67
- def load_data(file, nrows, delimiter=","):
68
- data = pd.read_csv(file, nrows=nrows, delimiter=delimiter)
69
- # data["Date"] = data["Date"].apply(lambda x: pd.to_datetime(",".join(x.split(",")[-2:])))
70
- # data["currency"] = data["currency"].apply(lambda x: pd.to_numeric(x[1:]))
71
- return data
72
-
73
-
74
- data_load_state = st.text("Chargement des données...")
75
- data_pricing = load_data(DATA_PRICING_HF, 1000)
76
- data_analysis = load_data(DATA_DELAY_HF, 1000, ";")
77
- data_load_state.text(
78
- ""
79
- ) # change text from "Loading data..." to "" once the the load_data function has run
80
-
81
- ## Run the below code if the check is checked ✅
82
- if st.checkbox("Montrer les données brutes sur le prix de location."):
83
- st.subheader("Tarif de location")
84
- st.write(data_pricing)
85
- ## Run the below code if the check is checked ✅
86
- if st.checkbox("Montrer les données brutes sur l'analyse des retards de check-in."):
87
- st.subheader("Retard de check-in")
88
- st.write(data_analysis)
89
- ### SHOW GRAPH STREAMLIT
90
-
91
- # price_per_model = data_pricing["price"]
92
- # st.bar_chart(price_per_model)
93
-
94
-
95
- ### SIDEBAR
96
- st.sidebar.header("Tableau de bord GetAround")
97
- st.sidebar.markdown("""
98
- * GetAround projet
99
- """)
100
- e = st.sidebar.empty()
101
- e.write("")
102
- st.sidebar.write("GetAround Projet")
103
-
104
- ### EXPANDER
105
-
106
- with st.expander(
107
- "⏯️ Regardez cette vidéo d'une minute pour comprendre comment fonctionne Getaround."
108
- ):
109
- st.video("https://youtu.be/3LyzwpGSfzE")
110
-
111
- st.markdown("---")
112
-
113
- #### CREATE TWO COLUMNS
114
- col1, col2 = st.columns(2)
115
-
116
- with col1:
117
- # visu des widgets
118
- st.markdown("Première colonne")
119
- car_id = st.selectbox(
120
- "Select a country you want to see all time sales",
121
- data_analysis["car_id"].sort_values().unique(),
122
- )
123
- # intelligence et contrôle du widget
124
- rental_canceled = data_analysis[data_analysis["state"] == "canceled"]
125
- fig = px.histogram(
126
- rental_canceled,
127
- x="time_delta_with_previous_rental_in_minutes",
128
- y="delay_at_checkout_in_minutes",
129
- )
130
- fig.update_layout(bargap=0.2)
131
- st.plotly_chart(fig, use_container_width=True)
132
-
133
- with col2:
134
- st.markdown("Seconde colonne")
135
- with st.form("average_sales_per_country"):
136
- model = st.selectbox(
137
- "Sélectionnez un modèle de voiture pour voir le prix de location moyen",
138
- data_pricing["model_key"].sort_values().unique(),
139
- )
140
- power = st.selectbox(
141
- "Sélectionnez la puissance du moteur",
142
- data_pricing["engine_power"].sort_values().unique(),
143
- )
144
- submit = st.form_submit_button("submit")
145
- if submit:
146
- model_select = data_pricing[data_pricing["model_key"] == model]
147
- power_select = data_pricing[data_pricing["engine_power"] == power]
148
- # avg_rental_price = data_pricing[model_select & power_select][
149
- # "rental_price_per_day"
150
- # ].mean()
151
- rental_price = call_pricing_api(
152
- features={"model_key": model, "engine_power": power}
153
- )
154
- # avg_rental_price = 0.0
155
- st.metric("Prix de location moyen (en $)", np.round(rental_price, 2))
 
1
+ import streamlit as st
2
+ import pandas as pd
3
+ import plotly.express as px
4
+ import plotly.graph_objects as go
5
+ import numpy as np
6
+ import requests
7
+ # ======================================================
8
+ # 🌐 API Pricing HF
9
+ # ======================================================
10
+
11
+ API_URL = "https://pradelf-getaround-api.hf.space/predict"
12
+
13
+
14
+ def call_pricing_api(features: dict):
15
+ """
16
+ Appelle l'API FastAPI déployée sur Hugging Face.
17
+ Retourne le prix prédit (float) ou None en cas d'erreur.
18
+ """
19
+ payload = {"input": [features]}
20
+ try:
21
+ resp = requests.post(API_URL, json=payload, timeout=10)
22
+ resp.raise_for_status()
23
+ data = resp.json()
24
+ if "prediction" in data and len(data["prediction"]) > 0:
25
+ return float(data["prediction"][0]), payload, data
26
+ else:
27
+ st.error("Réponse API inattendue : clé 'prediction' absente.")
28
+ return None, payload, data
29
+ except Exception as e:
30
+ st.error(f"Erreur lors de l'appel à l'API : {e}")
31
+ return None, payload, None
32
+
33
+
34
+ ### CONFIG
35
+ st.set_page_config(page_title="E-commerce", page_icon="💸", layout="wide")
36
+
37
+ ### TITLE AND TEXT
38
+ st.title("Tableau de bord de Getaround")
39
+
40
+ st.markdown("""
41
+ Ce site représente le **dashboard** destiné à aider l’équipe Produit pour appréhender l'introduction
42
+ de la nouvelle fonctionnalité consistant en l'implémentation d'un **délai minimum entre deux locations**.<br/>
43
+ Un véhicule ne sera pas affiché dans les résultats de recherche si les heures de check-in
44
+ ou de check-out demandées sont trop proches d’une location déjà existante.<br/>
45
+
46
+ Grâce à ce site, l'équipe produit pourra répondre aux questions suivantes :<br/>
47
+ - quelle doit être la durée minimale du délai entre deux locations ?
48
+ - faut-il activer cette fonctionnalité pour tous les véhicules ou uniquement pour les véhicules Connect ?
49
+ - Quelle part des revenus des propriétaires serait potentiellement affectée par cette fonctionnalité ?
50
+ - Combien de locations seraient impactées en fonction du seuil et du périmètre choisis ?
51
+ - À quelle fréquence les conducteurs sont-ils en retard pour le check-in suivant ? Quel est l’impact pour le conducteur suivant ?
52
+ - Combien de situations problématiques seraient résolues selon le seuil et le périmètre retenus ?
53
+
54
+ La documentation du web serveur de fonctions est déploiée sur l'url : [https://pradelf-getaround-api.hf.space/docs](https://pradelf-getaround-api.hf.space/docs) """)
55
+ ### LOAD DATA
56
+ DATA_PRICING = "/app/Data/get_around_pricing_project.csv"
57
+ DATA_PRICING_HF = "https://huggingface.co/datasets/pradelf/getaround-dataset/blob/main/get_around_pricing_project.csv"
58
+
59
+ DATA_DELAY = "/app/Data/get_around_delay_analysis.csv"
60
+ DATA_DELAY_HF = "https://huggingface.co/datasets/pradelf/getaround-dataset/blob/main/get_around_delay_analysis.csv"
61
+
62
+ # usage d'un décorateur python pour ajouter des fonctionnalité
63
+ # : st.cache_data et st.cache_resource qui remplace st.cache qui va devenir obsolète.
64
+ # https://docs.streamlit.io/develop/api-reference/caching-and-state/st.cache_data
65
+ # https://docs.streamlit.io/develop/api-reference/caching-and-state/st.cache_resource
66
+ @st.cache_data
67
+ def load_data(file, nrows, delimiter=","):
68
+ data = pd.read_csv(file, nrows=nrows, delimiter=delimiter)
69
+ # data["Date"] = data["Date"].apply(lambda x: pd.to_datetime(",".join(x.split(",")[-2:])))
70
+ # data["currency"] = data["currency"].apply(lambda x: pd.to_numeric(x[1:]))
71
+ return data
72
+
73
+
74
+ data_load_state = st.text("Chargement des données...")
75
+ data_pricing = load_data(DATA_PRICING, 1000)
76
+ data_analysis = load_data(DATA_DELAY, 1000, ";")
77
+ data_load_state.text(
78
+ ""
79
+ ) # change text from "Loading data..." to "" once the the load_data function has run
80
+
81
+ ## Run the below code if the check is checked ✅
82
+ if st.checkbox("Montrer les données brutes sur le prix de location."):
83
+ st.subheader("Tarif de location")
84
+ st.write(data_pricing)
85
+ ## Run the below code if the check is checked ✅
86
+ if st.checkbox("Montrer les données brutes sur l'analyse des retards de check-in."):
87
+ st.subheader("Retard de check-in")
88
+ st.write(data_analysis)
89
+ ### SHOW GRAPH STREAMLIT
90
+
91
+ # price_per_model = data_pricing["price"]
92
+ # st.bar_chart(price_per_model)
93
+
94
+
95
+ ### SIDEBAR
96
+ st.sidebar.header("Tableau de bord GetAround")
97
+ st.sidebar.markdown("""
98
+ * GetAround projet
99
+ """)
100
+ e = st.sidebar.empty()
101
+ e.write("")
102
+ st.sidebar.write("GetAround Projet")
103
+
104
+ ### EXPANDER
105
+
106
+ with st.expander(
107
+ "⏯️ Regardez cette vidéo d'une minute pour comprendre comment fonctionne Getaround."
108
+ ):
109
+ st.video("https://youtu.be/3LyzwpGSfzE")
110
+
111
+ st.markdown("---")
112
+
113
+ #### CREATE TWO COLUMNS
114
+ col1, col2 = st.columns(2)
115
+
116
+ with col1:
117
+ # visu des widgets
118
+ st.markdown("Première colonne")
119
+ car_id = st.selectbox(
120
+ "Select a country you want to see all time sales",
121
+ data_analysis["car_id"].sort_values().unique(),
122
+ )
123
+ # intelligence et contrôle du widget
124
+ rental_canceled = data_analysis[data_analysis["state"] == "canceled"]
125
+ fig = px.histogram(
126
+ rental_canceled,
127
+ x="time_delta_with_previous_rental_in_minutes",
128
+ y="delay_at_checkout_in_minutes",
129
+ )
130
+ fig.update_layout(bargap=0.2)
131
+ st.plotly_chart(fig, use_container_width=True)
132
+
133
+ with col2:
134
+ st.markdown("Seconde colonne")
135
+ with st.form("average_sales_per_country"):
136
+ model = st.selectbox(
137
+ "Sélectionnez un modèle de voiture pour voir le prix de location moyen",
138
+ data_pricing["model_key"].sort_values().unique(),
139
+ )
140
+ power = st.selectbox(
141
+ "Sélectionnez la puissance du moteur",
142
+ data_pricing["engine_power"].sort_values().unique(),
143
+ )
144
+ submit = st.form_submit_button("submit")
145
+ if submit:
146
+ model_select = data_pricing[data_pricing["model_key"] == model]
147
+ power_select = data_pricing[data_pricing["engine_power"] == power]
148
+ # avg_rental_price = data_pricing[model_select & power_select][
149
+ # "rental_price_per_day"
150
+ # ].mean()
151
+ rental_price = call_pricing_api(
152
+ features={"model_key": model, "engine_power": power}
153
+ )
154
+ # avg_rental_price = 0.0
155
+ st.metric("Prix de location moyen (en $)", np.round(rental_price, 2))