app.py

import streamlit as st
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import plotly.express as px

# Configuration de la page
st.set_page_config(
    page_title="Démo Pingouins de Palmer",
    page_icon="🐧",
    layout="wide"
)

# Titre principal
st.title("🐧 Analyse des Pingouins de Palmer")
st.markdown("""
Cette application présente une analyse exploratoire du célèbre dataset des pingouins de Palmer.
Ce dataset contient des mesures sur 3 espèces de pingouins observés dans l'archipel Palmer en Antarctique.
""")

# Chargement des données
@st.cache_data
def load_data():
    penguins = sns.load_dataset('penguins')
    return penguins

df = load_data()

# Sidebar avec filtres
st.sidebar.header("🔍 Filtres")
species_filter = st.sidebar.multiselect(
    "Espèces",
    options=df['species'].dropna().unique(),
    default=df['species'].dropna().unique()
)

island_filter = st.sidebar.multiselect(
    "Îles",
    options=df['island'].dropna().unique(),
    default=df['island'].dropna().unique()
)

sex_filter = st.sidebar.multiselect(
    "Sexe",
    options=df['sex'].dropna().unique(),
    default=df['sex'].dropna().unique()
)

# Filtrer les données
df_filtered = df[
    (df['species'].isin(species_filter)) &
    (df['island'].isin(island_filter)) &
    (df['sex'].isin(sex_filter))
]

# Affichage des statistiques principales
st.header("📊 Vue d'ensemble")
col1, col2, col3, col4 = st.columns(4)

with col1:
    st.metric("Nombre de pingouins", len(df_filtered))
with col2:
    st.metric("Nombre d'espèces", df_filtered['species'].nunique())
with col3:
    st.metric("Nombre d'îles", df_filtered['island'].nunique())
with col4:
    st.metric("Masse moyenne (g)", f"{df_filtered['body_mass_g'].mean():.0f}" if len(df_filtered) > 0 else "N/A")

# Données brutes
with st.expander("📋 Voir les données brutes"):
    st.dataframe(df_filtered, use_container_width=True)
    st.write(f"Dimensions: {df_filtered.shape[0]} lignes × {df_filtered.shape[1]} colonnes")

# Visualisations
st.header("📈 Visualisations")

# Deux colonnes pour les graphiques
col1, col2 = st.columns(2)

with col1:
    st.subheader("Distribution des espèces")
    if len(df_filtered) > 0:
        species_counts = df_filtered['species'].value_counts()
        fig1 = px.pie(
            values=species_counts.values,
            names=species_counts.index,
            title="Répartition par espèce",
            color_discrete_sequence=px.colors.qualitative.Set3
        )
        st.plotly_chart(fig1, use_container_width=True)
    else:
        st.warning("Aucune donnée à afficher")

with col2:
    st.subheader("Pingouins par île")
    if len(df_filtered) > 0:
        island_counts = df_filtered['island'].value_counts()
        fig2 = px.bar(
            x=island_counts.index,
            y=island_counts.values,
            labels={'x': 'Île', 'y': 'Nombre de pingouins'},
            title="Distribution par île",
            color=island_counts.values,
            color_continuous_scale='Viridis'
        )
        st.plotly_chart(fig2, use_container_width=True)
    else:
        st.warning("Aucune donnée à afficher")

# Graphique de corrélation
st.subheader("Relation entre la longueur et la profondeur du bec")
if len(df_filtered) > 0:
    fig3 = px.scatter(
        df_filtered,
        x='bill_length_mm',
        y='bill_depth_mm',
        color='species',
        size='body_mass_g',
        hover_data=['island', 'sex'],
        labels={
            'bill_length_mm': 'Longueur du bec (mm)',
            'bill_depth_mm': 'Profondeur du bec (mm)',
            'body_mass_g': 'Masse corporelle (g)',
            'species': 'Espèce'
        },
        title="Dimensions du bec par espèce"
    )
    st.plotly_chart(fig3, use_container_width=True)
else:
    st.warning("Aucune donnée à afficher")

# Distribution de la masse corporelle
st.subheader("Distribution de la masse corporelle")
if len(df_filtered) > 0:
    fig4 = px.box(
        df_filtered,
        x='species',
        y='body_mass_g',
        color='species',
        labels={
            'species': 'Espèce',
            'body_mass_g': 'Masse corporelle (g)'
        },
        title="Masse corporelle par espèce"
    )
    st.plotly_chart(fig4, use_container_width=True)
else:
    st.warning("Aucune donnée à afficher")

# Statistiques détaillées
st.header("📋 Statistiques détaillées")
if len(df_filtered) > 0:
    st.dataframe(
        df_filtered.describe(),
        use_container_width=True
    )
else:
    st.warning("Aucune donnée à afficher")

# Footer
st.markdown("---")
st.markdown("""
**À propos des données**: Le dataset des pingouins de Palmer a été collecté et mis à disposition par 
Dr. Kristen Gorman et la Palmer Station, Antarctica LTER. Il est devenu une alternative populaire 
au dataset Iris pour l'enseignement de la science des données.
""")