Update app.py

app.py

@@ -6,7 +6,7 @@ import seaborn as sns
 from datetime import datetime
 import plotly.express as px
 import plotly.graph_objects as go
-from data_processing import load_and_preprocess_data
+from data_processing import load_and_preprocess_data, prepare_timeseries_data, apply_scenarios
 from models import train_arima, train_mlp, train_lstm, train_bayesian_network
 from chatbot import InflationChatbot
 import os
@@ -62,12 +62,19 @@ st.markdown("""
 @st.cache_data
 def load_data():
     try:
-        # Essayez de charger depuis le chemin local
-        data = pd.read_csv('inflation_beac.csv')
+        data = pd.read_csv("inflation_beac_complet_2010_2025.csv")
     except:
-        # Si échec, utilisez l'URL de base
         base_url = "https://raw.githubusercontent.com/username/repo/main/"
-        data = pd.read_csv(base_url + 'inflation_beac.csv')
+        data = pd.read_csv(base_url + "inflation_beac_complet_2010_2025.csv")
+    
+    # Renommer les colonnes
+    data = data.rename(columns={
+        "Année": "Date",
+        "Taux d'inflation (%)": "Taux d'inflation",
+        "Masse monétaire (M2)": "Masse monétaire M2",
+        "Croissance PIB (%)": "Taux de croissance du PIB",
+        "Taux de change FCFA/USD": "Taux de change"
+    })
     return data
 
 data = load_and_preprocess_data()
@@ -78,24 +85,24 @@ with st.sidebar:
     st.markdown("## Paramètres de l'analyse")
     
     # Sélection du pays
-    pays_options = data['Pays'].unique()
+    pays_options = data["Pays"].unique()
     selected_country = st.selectbox("Sélectionnez un pays", pays_options)
     
     # Filtrage des dates disponibles pour le pays sélectionné
-    country_data = data[data['Pays'] == selected_country]
-    min_date = country_data['Date'].min()
-    max_date = country_data['Date'].max()
+    country_data = data[data["Pays"] == selected_country]
+    min_date = country_data["Date"].min()
+    max_date = country_data["Date"].max()
     
     # Sélection de la plage temporelle
     start_date = st.date_input("Date de début", 
-                              value=datetime.strptime(min_date, '%Y-%m-%d'), 
-                              min_value=datetime.strptime(min_date, '%Y-%m-%d'), 
-                              max_value=datetime.strptime(max_date, '%Y-%m-%d'))
+                              value=datetime.strptime(min_date, "%Y-%m-%d"), 
+                              min_value=datetime.strptime(min_date, "%Y-%m-%d"), 
+                              max_value=datetime.strptime(max_date, "%Y-%m-%d"))
     
     end_date = st.date_input("Date de fin", 
-                            value=datetime.strptime(max_date, '%Y-%m-%d'), 
-                            min_value=datetime.strptime(min_date, '%Y-%m-%d'), 
-                            max_value=datetime.strptime(max_date, '%Y-%m-%d'))
+                            value=datetime.strptime(max_date, "%Y-%m-%d"), 
+                            min_value=datetime.strptime(min_date, "%Y-%m-%d"), 
+                            max_value=datetime.strptime(max_date, "%Y-%m-%d"))
     
     # Sélection du modèle
     model_options = {
@@ -139,53 +146,53 @@ with tab1:
     
     # Filtrage des données selon les sélections
     filtered_data = data[
-        (data['Pays'] == selected_country) & 
-        (data['Date'] >= str(start_date)) & 
-        (data['Date'] <= str(end_date))
+        (data["Pays"] == selected_country) & 
+        (data["Date"] >= str(start_date)) & 
+        (data["Date"] <= str(end_date))
     ]
     
     # Graphique de l'inflation
-    fig1 = px.line(filtered_data, x='Date', y='Taux d\'inflation (%)', 
-                  title=f'Évolution de l\'inflation en {selected_country}',
-                  labels={'Taux d\'inflation (%)': 'Taux d\'inflation (%)'})
+    fig1 = px.line(filtered_data, x="Date", y="Taux d'inflation", 
+                  title=f"Évolution de l'inflation en {selected_country}",
+                  labels={"Taux d'inflation": "Taux d'inflation (%)"})
     fig1.update_layout(height=400)
     st.plotly_chart(fig1, use_container_width=True)
     
     # Graphiques des autres indicateurs
     col1, col2 = st.columns(2)
     with col1:
-        fig2 = px.line(filtered_data, x='Date', y='Masse monétaire M2', 
-                      title=f'Masse monétaire M2 en {selected_country}')
+        fig2 = px.line(filtered_data, x="Date", y="Masse monétaire M2", 
+                      title=f"Masse monétaire M2 en {selected_country}")
         st.plotly_chart(fig2, use_container_width=True)
         
-        fig3 = px.line(filtered_data, x='Date', y='Taux de croissance du PIB', 
-                      title=f'Croissance du PIB en {selected_country}')
+        fig3 = px.line(filtered_data, x="Date", y="Taux de croissance du PIB", 
+                      title=f"Croissance du PIB en {selected_country}")
         st.plotly_chart(fig3, use_container_width=True)
     
     with col2:
-        fig4 = px.line(filtered_data, x='Date', y='Taux directeur', 
-                      title=f'Taux directeur en {selected_country}')
+        fig4 = px.line(filtered_data, x="Date", y="Taux directeur", 
+                      title=f"Taux directeur en {selected_country}")
         st.plotly_chart(fig4, use_container_width=True)
         
-        fig5 = px.line(filtered_data, x='Date', y='Balance commerciale', 
-                      title=f'Balance commerciale en {selected_country}')
+        fig5 = px.line(filtered_data, x="Date", y="Balance commerciale", 
+                      title=f"Balance commerciale en {selected_country}")
         st.plotly_chart(fig5, use_container_width=True)
     
     # Matrice de corrélation
     st.subheader("Matrice de corrélation")
-    corr_data = filtered_data.drop(columns=['Date', 'Pays'])
+    corr_data = filtered_data.drop(columns=["Date", "Pays"])
     corr_matrix = corr_data.corr()
     
     fig6 = go.Figure(data=go.Heatmap(
         z=corr_matrix.values,
         x=corr_matrix.columns,
         y=corr_matrix.columns,
-        colorscale='RdBu',
+        colorscale="RdBu",
         zmin=-1,
         zmax=1,
         colorbar=dict(title="Coefficient de corrélation")
     ))
-    fig6.update_layout(title='Corrélations entre les indicateurs macroéconomiques',
+    fig6.update_layout(title="Corrélations entre les indicateurs macroéconomiques",
                       height=500)
     st.plotly_chart(fig6, use_container_width=True)
 
@@ -234,24 +241,24 @@ with tab2:
     
     # Ajout des données réelles
     fig_pred.add_trace(go.Scatter(
-        x=predictions['Date'],
-        y=predictions['Inflation réelle'],
-        name='Inflation réelle',
-        line=dict(color='blue')
+        x=predictions["Date"],
+        y=predictions["Inflation réelle"],
+        name="Inflation réelle",
+        line=dict(color="blue")
     ))
     
     # Ajout des prédictions
     fig_pred.add_trace(go.Scatter(
-        x=predictions['Date'],
-        y=predictions['Inflation prédite'],
-        name='Inflation prédite',
-        line=dict(color='red', dash='dash')
+        x=predictions["Date"],
+        y=predictions["Inflation prédite"],
+        name="Inflation prédite",
+        line=dict(color="red", dash="dash")
     ))
     
     fig_pred.update_layout(
-        title=f'Comparaison inflation réelle vs prédite - {selected_model}',
-        xaxis_title='Date',
-        yaxis_title='Taux d\'inflation (%)',
+        title=f"Comparaison inflation réelle vs prédite - {selected_model}",
+        xaxis_title="Date",
+        yaxis_title="Taux d'inflation (%)",
         height=500
     )
     st.plotly_chart(fig_pred, use_container_width=True)
@@ -260,7 +267,7 @@ with tab2:
     st.subheader("Export des résultats")
     
     # Format CSV
-    csv = predictions.to_csv(index=False).encode('utf-8')
+    csv = predictions.to_csv(index=False).encode("utf-8")
     st.download_button(
         label="Télécharger les prédictions (CSV)",
         data=csv,
@@ -270,10 +277,10 @@ with tab2:
     
     # Format Excel
     output = BytesIO()
-    with pd.ExcelWriter(output, engine='xlsxwriter') as writer:
-        predictions.to_excel(writer, sheet_name='Prédictions', index=False)
-        metrics_df = pd.DataFrame.from_dict(metrics, orient='index', columns=['Valeur'])
-        metrics_df.to_excel(writer, sheet_name='Métriques')
+    with pd.ExcelWriter(output, engine="xlsxwriter") as writer:
+        predictions.to_excel(writer, sheet_name="Prédictions", index=False)
+        metrics_df = pd.DataFrame.from_dict(metrics, orient="index", columns=["Valeur"])
+        metrics_df.to_excel(writer, sheet_name="Métriques")
     excel_data = output.getvalue()
     
     st.download_button(
@@ -289,21 +296,21 @@ with tab3:
     # Comparaison entre pays
     st.subheader("Comparaison entre pays")
     selected_countries = st.multiselect("Sélectionnez les pays à comparer", 
-                                      data['Pays'].unique(), 
+                                      data["Pays"].unique(), 
                                       default=[selected_country])
     
     if selected_countries:
-        compare_data = data[data['Pays'].isin(selected_countries)]
+        compare_data = data[data["Pays"].isin(selected_countries)]
         
         # Graphique comparatif
-        fig_compare = px.line(compare_data, x='Date', y='Taux d\'inflation (%)', 
-                             color='Pays', title='Comparaison des taux d\'inflation')
+        fig_compare = px.line(compare_data, x="Date", y="Taux d'inflation", 
+                             color="Pays", title="Comparaison des taux d'inflation")
         st.plotly_chart(fig_compare, use_container_width=True)
         
-        # Dernières valeurs
+        # Dernières valeurs disponibles
         st.subheader("Dernières valeurs disponibles")
-        latest_data = compare_data.sort_values('Date').groupby('Pays').last().reset_index()
-        st.dataframe(latest_data.set_index('Pays').drop(columns=['Date']).style.background_gradient(cmap='Blues'))
+        latest_data = compare_data.sort_values("Date").groupby("Pays").last().reset_index()
+        st.dataframe(latest_data.set_index("Pays").drop(columns=["Date"]).style.background_gradient(cmap="Blues"))
     
     # Comparaison entre modèles
     st.subheader("Comparaison entre modèles")
@@ -335,38 +342,38 @@ with tab3:
                     )
                 
                 comparison_results.append({
-                    'Modèle': model_name,
-                    'MAE': metrics['mae'],
-                    'RMSE': metrics['rmse'],
-                    'R²': metrics['r2'],
-                    'Temps d\'entraînement (s)': metrics['training_time']
+                    "Modèle": model_name,
+                    "MAE": metrics["mae"],
+                    "RMSE": metrics["rmse"],
+                    "R²": metrics["r2"],
+                    "Temps d'entraînement (s)": metrics["training_time"]
                 })
             
             comparison_df = pd.DataFrame(comparison_results)
             
             # Affichage des résultats
-            st.dataframe(comparison_df.set_index('Modèle').style.background_gradient(cmap='Blues'))
+            st.dataframe(comparison_df.set_index("Modèle").style.background_gradient(cmap="Blues"))
             
             # Graphique de comparaison
             fig_models = go.Figure()
             
             fig_models.add_trace(go.Bar(
-                x=comparison_df['Modèle'],
-                y=comparison_df['MAE'],
-                name='MAE',
-                marker_color='indianred'
+                x=comparison_df["Modèle"],
+                y=comparison_df["MAE"],
+                name="MAE",
+                marker_color="indianred"
             ))
             
             fig_models.add_trace(go.Bar(
-                x=comparison_df['Modèle'],
-                y=comparison_df['RMSE'],
-                name='RMSE',
-                marker_color='lightsalmon'
+                x=comparison_df["Modèle"],
+                y=comparison_df["RMSE"],
+                name="RMSE",
+                marker_color="lightsalmon"
             ))
             
             fig_models.update_layout(
-                title='Comparaison des performances des modèles',
-                barmode='group',
+                title="Comparaison des performances des modèles",
+                barmode="group",
                 height=500
             )
             
@@ -376,9 +383,9 @@ with tab4:
     st.header("Assistant intelligent")
     
     # Initialisation du chatbot
-    if 'chatbot' not in st.session_state:
+    if "chatbot" not in st.session_state:
         st.session_state.chatbot = InflationChatbot()
-    if 'chat_history' not in st.session_state:
+    if "chat_history" not in st.session_state:
         st.session_state.chat_history = []
     
     # Affichage de l'historique de chat
@@ -400,7 +407,7 @@ with tab4:
                 prompt, 
                 country=selected_country,
                 model=selected_model,
-                metrics=metrics if 'metrics' in locals() else None
+                metrics=metrics if "metrics" in locals() else None
             )
             st.markdown(response)