Skip to content

Commit

Permalink
adding summarize per disease
Browse files Browse the repository at this point in the history
  • Loading branch information
@Arctusol
Arctusol committed Dec 2, 2024
1 parent 682537c commit 1cd8ce1
Showing 1 changed file with 122 additions and 7 deletions.
129 changes: 122 additions & 7 deletions pages/Vue_globale.py
View file
Original file line number Diff line number Diff line change
Expand Up @@ -605,7 +605,7 @@ def load_with_progress():
height=500,
template='plotly_white',
showlegend=False,
margin=dict(t=100, b=50, l=50, r=50), # Augmenter la marge du haut (t) pour plus d'espace
margin=dict(t=100, b=50, l=50, r=50), # Augmenter la marge du haut pour plus d'espace
)

# Mise à jour des titres des axes Y
Expand Down Expand Up @@ -816,7 +816,13 @@ def load_with_progress():

# Mise en page du graphique 3D
fig.update_layout(
title='Distribution des pathologies',
title=dict(
text='Évolution des pathologies selon trois dimensions clés',
y=0.95,
x=0.4,
xanchor='right',
yanchor='top'
),
scene=dict(
xaxis_title='Nombre d\'hospitalisations',
yaxis_title='Durée moyenne de séjour (jours)',
Expand All @@ -838,6 +844,27 @@ def load_with_progress():
),
width=800,
sliders=sliders,
annotations=[
dict(
text="<b>Légende</b> : <br>La taille des points représente le nombre d'hospitalisations<br>La couleur indique la durée moyenne de séjour",
showarrow=False,
xref="paper", yref="paper",
x=0.8, y=1.1,
align="left",
xanchor="left"
)
],
margin=dict(t=100, b=50, l=50, r=50) # Augmenter la marge du haut pour l'annotation
)

# Ajout de configuration pour une animation plus fluide
fig.update_traces(
hoverinfo="none", # Désactiver temporairement le hover pendant l'animation
customdata=combined_data_3d[['nom_pathologie', 'nbr_hospi', 'AVG_duree_hospi', 'indice_comparatif_tt_age_percent']].values,
)

# Ajout des boutons de contrôle pour l'animation
fig.update_layout(
updatemenus=[{
"buttons": [
{
Expand Down Expand Up @@ -871,13 +898,101 @@ def load_with_progress():
}]
)

# Ajout de configuration pour une animation plus fluide
fig.update_traces(
hoverinfo="none", # Désactiver temporairement le hover pendant l'animation
customdata=combined_data_3d[['nom_pathologie', 'nbr_hospi', 'AVG_duree_hospi', 'indice_comparatif_tt_age_percent']].values,
# Affichage du graphique
st.plotly_chart(fig, use_container_width=True)

# Tableau récapitulatif détaillé
st.subheader("Évolution des pathologies (2018-2022)")

# Calculer les évolutions année par année
evolutions_by_year = {}
years = sorted(df_nbr_hospi_filtered['year'].dt.year.unique())

for i in range(len(years)-1):
current_year = years[i]
next_year = years[i+1]

# Données pour l'année courante et suivante
current_data = df_nbr_hospi_filtered[df_nbr_hospi_filtered['year'].dt.year == current_year].groupby('nom_pathologie')['nbr_hospi'].sum()
next_data = df_nbr_hospi_filtered[df_nbr_hospi_filtered['year'].dt.year == next_year].groupby('nom_pathologie')['nbr_hospi'].sum()

# Calculer l'évolution en pourcentage
evolution = ((next_data - current_data) / current_data * 100).fillna(0)
evolutions_by_year[f'{current_year}-{next_year}'] = evolution

# Créer le DataFrame de base avec le nombre total d'hospitalisations
df_summary = df_nbr_hospi_filtered.groupby('nom_pathologie')['nbr_hospi'].sum().reset_index()

# Ajouter les évolutions année par année
for period, evolution in evolutions_by_year.items():
df_summary = df_summary.merge(
evolution.reset_index().rename(columns={'nbr_hospi': f'Evolution_{period}'}),
on='nom_pathologie',
how='left'
)

# Calculer l'évolution globale (2018-2022)
hospi_2018 = df_nbr_hospi_filtered[df_nbr_hospi_filtered['year'].dt.year == 2018].groupby('nom_pathologie')['nbr_hospi'].sum()
hospi_2022 = df_nbr_hospi_filtered[df_nbr_hospi_filtered['year'].dt.year == 2022].groupby('nom_pathologie')['nbr_hospi'].sum()
evolution_globale = ((hospi_2022 - hospi_2018) / hospi_2018 * 100).fillna(0)

# Ajouter l'évolution globale au DataFrame
df_summary = df_summary.merge(
evolution_globale.reset_index().rename(columns={'nbr_hospi': 'Evolution_globale'}),
on='nom_pathologie',
how='left'
)

st.plotly_chart(fig, use_container_width=True)
# Trier par évolution globale décroissante
df_summary = df_summary.sort_values('Evolution_globale', ascending=False)

# Renommer les colonnes pour l'affichage
df_summary.columns = ['Pathologie', 'Hospitalisations'] + [f'Évol. {period} (%)' for period in evolutions_by_year.keys()] + ['Évol. 2018-2022 (%)']

# Colonnes d'évolution pour le gradient
evolution_columns = ['Évol. 2018-2019 (%)', 'Évol. 2019-2020 (%)',
'Évol. 2020-2021 (%)', 'Évol. 2021-2022 (%)',
'Évol. 2018-2022 (%)']

# Formater et afficher le tableau
st.dataframe(
df_summary.style.format({
'Hospitalisations': '{:,.0f}',
'Évol. 2018-2019 (%)': '{:+.1f}%',
'Évol. 2019-2020 (%)': '{:+.1f}%',
'Évol. 2020-2021 (%)': '{:+.1f}%',
'Évol. 2021-2022 (%)': '{:+.1f}%',
'Évol. 2018-2022 (%)': '{:+.1f}%'
}).background_gradient(
subset=evolution_columns,
cmap='RdYlBu_r'
),
use_container_width=True
)

st.markdown("---")

# Deuxième tableau avec les baisses en premier
st.subheader("Évolution des pathologies (2018-2022) - Baisses les plus importantes")

# Utiliser le même DataFrame mais trié dans l'ordre inverse
df_summary_desc = df_summary.sort_values('Évol. 2018-2022 (%)', ascending=True)

# Afficher le deuxième tableau
st.dataframe(
df_summary_desc.style.format({
'Hospitalisations': '{:,.0f}',
'Évol. 2018-2019 (%)': '{:+.1f}%',
'Évol. 2019-2020 (%)': '{:+.1f}%',
'Évol. 2020-2021 (%)': '{:+.1f}%',
'Évol. 2021-2022 (%)': '{:+.1f}%',
'Évol. 2018-2022 (%)': '{:+.1f}%'
}).background_gradient(
subset=evolution_columns,
cmap='RdYlBu_r'
),
use_container_width=True
)

# Démographie
with tab4:
Expand Down

0 comments on commit 1cd8ce1

Please sign in to comment.