tardis_dashboard.py

import streamlit as st
from utils.data_loader import DataLoader, ModelLoader
from utils.visualizer import DataVisualizer
from utils.prediction import PredictionDataPreparer
from utils.prediction_ui import PredictionUI
from utils.analysis_ui import AnalysisUI


def dashboard():
    st.set_page_config(
        page_title="Dashboard SNCF - Analyse des retards de trains",
        page_icon="🚆",
        layout="wide",
    )

    df = DataLoader.load_data()

    try:
        model, label_encoder = ModelLoader.load_model()
        model_loaded = True
    except:
        model_loaded = False
        st.warning(
            "Le modèle de prédiction n'a pas pu être chargé. La fonctionnalité de prédiction est désactivée."
        )

    visualizer = DataVisualizer()
    prediction_preparer = PredictionDataPreparer()

    st.title("Dashboard SNCF - Analyse des retards de trains")
    st.markdown(
        "Ce dashboard vous permet d'analyser les retards des trains de la SNCF pour la période couverte par les données."
    )
    start_date = df["Date"].min().strftime("%B %Y")
    end_date = df["Date"].max().strftime("%B %Y")
    st.caption(f"Période des données: de {start_date} à {end_date}")

    tab_analysis, tab_prediction = st.tabs(
        ["Analyse des retards", "Prédiction de retards"]
    )

    with tab_analysis:
        analysis_ui = AnalysisUI(df, visualizer)
        analysis_ui.render()

    with tab_prediction:
        if model_loaded:
            prediction_ui = PredictionUI(df, model, label_encoder, prediction_preparer)
            prediction_ui.render()
        else:
            st.error(
                "Le modèle de prédiction n'est pas disponible. Impossible de faire des prédictions."
            )

    st.divider()
    st.caption("Made with ❤️ by Lohan")


if __name__ == "__main__":
    dashboard()