Spaces:
Sleeping
Sleeping
File size: 10,249 Bytes
256c0b7 2ce9eab 256c0b7 2ce9eab 256c0b7 2ce9eab 256c0b7 2ce9eab 256c0b7 2ce9eab 256c0b7 2ce9eab 256c0b7 2ce9eab 256c0b7 2ce9eab 256c0b7 2ce9eab 256c0b7 2ce9eab 256c0b7 2ce9eab 256c0b7 2ce9eab 256c0b7 2ce9eab 256c0b7 2ce9eab 256c0b7 2ce9eab |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 |
import typing as t
import pandas as pd
import gradio as gr
from data_loader import AgriculturalDataLoader
# -------------------------------------------------------------------
# Hypothèse: AgriculturalDataLoader.load_all_files() concatène 10 CSV
# et renvoie un DataFrame avec au moins ces colonnes (si présentes):
# ["millesime","raisonsoci","siret","pacage","refca","numilot","numparcell",
# "nomparc","surfparc","rang","kqte","teneurn","teneurp","teneurk",
# "keq","volumebo","codeamm","codegnis","materiel","mainoeuvre", ...]
# -------------------------------------------------------------------
class AgriculturalResources:
def __init__(self):
self.data_loader = AgriculturalDataLoader()
self.data_cache: t.Optional[pd.DataFrame] = None
def load_data(self) -> pd.DataFrame:
if self.data_cache is None:
df = self.data_loader.load_all_files()
# Normalisation minimale & robustesse
df = df.copy()
# Harmonise noms connus (au cas où)
rename_map = {
"raisonsoci": "raisonsociale",
"numparcelle": "numparcell",
"NomParc": "nomparc",
"SurfParc": "surfparc",
}
for k, v in rename_map.items():
if k in df.columns and v not in df.columns:
df[v] = df[k]
# Types & trim
for col in ["millesime", "siret", "pacage", "refca", "numilot", "numparcell", "rang",
"codeamm", "codegnis"]:
if col in df.columns:
df[col] = df[col].astype(str).str.strip()
for col in ["nomparc", "raisonsociale", "materiel", "mainoeuvre"]:
if col in df.columns:
df[col] = df[col].astype(str).str.strip()
for col in ["surfparc", "kqte", "teneurn", "teneurp", "teneurk", "keq", "volumebo"]:
if col in df.columns:
# coerce = NaN si non convertible
df[col] = pd.to_numeric(df[col], errors="coerce")
# IDs composites utiles
if {"millesime", "numparcell"}.issubset(df.columns):
df["parcelle_id"] = df["millesime"] + ":" + df["numparcell"]
else:
df["parcelle_id"] = None
if {"millesime", "numparcell", "rang"}.issubset(df.columns):
df["intervention_id"] = df["millesime"] + ":" + df["numparcell"] + ":" + df["rang"]
else:
df["intervention_id"] = None
self.data_cache = df
return self.data_cache
# -------------------------
# Utilitaires internes
# -------------------------
def _safe_first(self, df: pd.DataFrame) -> t.Optional[pd.Series]:
if df is None or df.empty:
return None
return df.iloc[0]
def _notnull(self, d: dict) -> dict:
# Retire les champs None/NaN pour des payloads plus propres
return {k: v for k, v in d.items() if pd.notna(v)}
# -------------------------
# LISTINGS / DISCOVERY
# -------------------------
@gr.mcp.resource("dataset://years")
def list_years(self) -> t.List[str]:
"""Liste des millésimes disponibles dans l'ensemble des fichiers."""
df = self.load_data()
if "millesime" not in df.columns:
return []
years = sorted(df["millesime"].dropna().astype(str).unique())
return years
@gr.mcp.resource("exploitation://{siret}/parcelles")
def list_parcelles_by_exploitation(self, siret: str, millesime: t.Optional[str] = None) -> t.List[dict]:
"""Liste les parcelles d'une exploitation (optionnellement filtrées par millésime)."""
df = self.load_data()
q = df[df["siret"] == siret] if "siret" in df.columns else df.iloc[0:0]
if millesime:
q = q[q["millesime"] == str(millesime)]
cols = [c for c in ["parcelle_id","millesime","numparcell","nomparc","surfparc","refca","numilot"] if c in q.columns]
out = q[cols].drop_duplicates().to_dict(orient="records")
return out
@gr.mcp.resource("parcelles://search")
def search_parcelles(self, query: str = "", millesime: t.Optional[str] = None, limit: int = 50) -> t.List[dict]:
"""Recherche de parcelles par nom/numéro, filtrable par millésime."""
df = self.load_data()
q = df
if millesime:
q = q[q["millesime"] == str(millesime)]
if query:
mask = False
if "numparcell" in q.columns:
mask = q["numparcell"].str.contains(query, case=False, na=False)
if "nomparc" in q.columns:
mask = mask | q["nomparc"].str.contains(query, case=False, na=False)
q = q[mask]
cols = [c for c in ["parcelle_id","millesime","numparcell","nomparc","surfparc","refca","numilot","siret"] if c in q.columns]
return q[cols].drop_duplicates().head(limit).to_dict(orient="records")
# -------------------------
# RESSOURCES CANONIQUES
# -------------------------
@gr.mcp.resource("exploitation://{siret}/{millesime}")
def get_exploitation(self, siret: str, millesime: str) -> dict:
"""Infos d'une exploitation (pour un millésime donné)."""
df = self.load_data()
q = df[(df["siret"] == siret) & (df["millesime"] == str(millesime))] if {"siret","millesime"}.issubset(df.columns) else df.iloc[0:0]
row = self._safe_first(q.sort_values(by=[c for c in ["millesime"] if c in q.columns], ascending=False))
if row is None:
return {}
return self._notnull({
"millesime": row.get("millesime"),
"siret": row.get("siret"),
"raison_sociale": row.get("raisonsociale"),
"pacage": row.get("pacage"),
})
@gr.mcp.resource("parcelle://{millesime}/{numparcell}")
def get_parcelle(self, millesime: str, numparcell: str) -> dict:
"""Infos d'une parcelle (identifiée par millésime + numparcell)."""
df = self.load_data()
q = df[(df["millesime"] == str(millesime)) & (df["numparcell"] == str(numparcell))]
row = self._safe_first(q)
if row is None:
return {}
return self._notnull({
"parcelle_id": row.get("parcelle_id"),
"millesime": row.get("millesime"),
"numparcell": row.get("numparcell"),
"nomparc": row.get("nomparc"),
"surfparc": row.get("surfparc"),
"siret": row.get("siret"),
"refca": row.get("refca"),
"numilot": row.get("numilot"),
})
@gr.mcp.resource("intervention://{millesime}/{numparcell}/{rang}")
def get_intervention(self, millesime: str, numparcell: str, rang: str) -> dict:
"""Infos d'une intervention (clé composite millésime + numparcell + rang)."""
df = self.load_data()
q = df[(df["millesime"] == str(millesime)) & (df["numparcell"] == str(numparcell)) & (df["rang"] == str(rang))]
row = self._safe_first(q)
if row is None:
return {}
return self._notnull({
"intervention_id": row.get("intervention_id"),
"millesime": row.get("millesime"),
"numparcell": row.get("numparcell"),
"rang": row.get("rang"),
"mainoeuvre": row.get("mainoeuvre"),
"materiel": row.get("materiel"),
"codeamm": row.get("codeamm"),
"codegnis": row.get("codegnis"),
"kqte": row.get("kqte"),
"teneurn": row.get("teneurn"),
"teneurp": row.get("teneurp"),
"teneurk": row.get("teneurk"),
"keq": row.get("keq"),
"volumebo": row.get("volumebo"),
})
@gr.mcp.resource("intrant://{codeamm}")
def get_intrant(self, codeamm: str, millesime: t.Optional[str] = None) -> dict:
"""Infos d’un intrant (filtrable par millésime)."""
df = self.load_data()
q = df[df["codeamm"] == str(codeamm)] if "codeamm" in df.columns else df.iloc[0:0]
if millesime:
q = q[q["millesime"] == str(millesime)]
row = self._safe_first(q)
if row is None:
return {}
return self._notnull({
"codeamm": row.get("codeamm"),
"codegnis": row.get("codegnis"),
"millesime": row.get("millesime"),
"kqte": row.get("kqte"),
"teneurn": row.get("teneurn"),
"teneurp": row.get("teneurp"),
"teneurk": row.get("teneurk"),
"keq": row.get("keq"),
"volumebo": row.get("volumebo"),
})
@gr.mcp.resource("materiel://{millesime}/{numparcell}/{rang}")
def get_materiel(self, millesime: str, numparcell: str, rang: str) -> dict:
"""Matériel utilisé pour une intervention donnée."""
df = self.load_data()
q = df[(df["millesime"] == str(millesime)) & (df["numparcell"] == str(numparcell)) & (df["rang"] == str(rang))]
row = self._safe_first(q)
if row is None:
return {}
return self._notnull({
"millesime": row.get("millesime"),
"numparcell": row.get("numparcell"),
"rang": row.get("rang"),
"materiel": row.get("materiel"),
})
@gr.mcp.resource("maindoeuvre://{millesime}/{numparcell}/{rang}")
def get_main_oeuvre(self, millesime: str, numparcell: str, rang: str) -> dict:
"""Main d’œuvre associée à une intervention donnée."""
df = self.load_data()
q = df[(df["millesime"] == str(millesime)) & (df["numparcell"] == str(numparcell)) & (df["rang"] == str(rang))]
row = self._safe_first(q)
if row is None:
return {}
return self._notnull({
"millesime": row.get("millesime"),
"numparcell": row.get("numparcell"),
"rang": row.get("rang"),
"mainoeuvre": row.get("mainoeuvre"),
})
# -------------------------------------------------------------------
# Instance pour utilisation
# -------------------------------------------------------------------
resources = AgriculturalResources()
|