Dashboard PAP – Streamlit

Ce projet est une migration d'un notebook Datalore vers une application Streamlit modulaire.

Démarrage

1. Créez un environnement Python 3.10+ (idéalement via venv ou conda)
2. Installez les dépendances:

pip install -r requirements.txt

3. Lancez l'app:

streamlit run app.py

4. Ouvrez l'URL indiquée dans la console (généralement http://localhost:8501).

Architecture

• app.py: page d'accueil et configuration globale
• pages/: pages thématiques
  • 01_📈_Weekly.py: indicateurs hebdomadaires (nouveaux PAP)
  • 02_🏆_Champions.py: top évolutions hebdo et radars comparés
  • 03_🚀_MEP_et_Cycle.py: métriques d'usage (pilotes, référents, partages)
  • 04_🎯_Score_PAP.py: radar de score par plan
• utils/
  • data.py: chargeurs de données à brancher sur vos sources (SQL/CSV/API)
  • plots.py: fonctions Plotly réutilisables (radar, aires cumulatives, indicateurs)

Brancher vos données

Remplacez les fonctions load_df_* de utils/data.py par vos requêtes ou lectures de fichiers. Schémas attendus:

• load_df_pap(): passage_pap, nom_plan, plan, collectivite_id, nom, import
• load_df_ct(): collectivite_id, passage_pap, nom, import
• load_df_pap_notes(): semaine, plan_id, collectivite_id, score, score_pilotabilite, score_indicateur, score_objectif, score_referentiel, score_avancement, score_budget, nom_ct, nom, c_referentiel
• load_df_plan_pilote(): created_at, user_id, plan_id, collectivite_id, nom
• load_df_plan_referent(): created_at, user_id, plan_id, collectivite_id, nom
• load_df_sharing(): created_at, collectivite_id
• load_df_score_indicateur(): collectivite_id, action_id

Si vous partez de SQL, vous pouvez utiliser sqlalchemy/psycopg et retourner des DataFrame pandas.

Personnalisation

• Couleurs, tailles, et formats des graphiques: modifiez utils/plots.py
• Ajoutez des pages: créez un nouveau fichier dans pages/ en suivant le pattern
• Mise en prod: Streamlit Cloud, Docker, ou un serveur interne

Limitations

• Les widgets ipywidgets et display(Markdown) du notebook ont été remplacés par des composants Streamlit (sélecteurs, st.plotly_chart, st.markdown).
• Les appels directs SQL dans le notebook sont remplacés par des loaders stub; branchez vos sources réelles.