Déplacement d'opérations récurrentes hors du callback

src/pages/home.py

@@ -8,20 +8,18 @@ from dotenv import load_dotenv
 from src.utils import (
     add_annuaire_link,
     booleans_to_strings,
-    df,
     format_number,
+    lf,
     logger,
-    numbers_to_strings,
     split_filter_part,
 )
 
 load_dotenv()
 
-schema = df.schema
+schema = lf.collect_schema()
 update_date = os.path.getmtime(os.getenv("DATA_FILE_PARQUET_PATH"))
 update_date = datetime.fromtimestamp(update_date).strftime("%d/%m/%Y")
 df_filtered = pl.DataFrame()
-lf: pl.LazyFrame = df.lazy()
 
 # Suppression des colonnes inutiles
 lf = lf.drop(
@@ -183,12 +181,6 @@ def update_table(page_current, page_size, filter_query, data_timestamp):
             # elif operator == 'datestartswith':
             # lff = lff.filter(pl.col(col_name).str.startswith(filter_value)")
 
-    # Remplacement des valeurs numériques par des chaînes de caractères
-    lff = numbers_to_strings(lff)
-
-    # Tri des marchés par date de notification
-    lff = lff.sort(by=["datePublicationDonnees"], descending=True, nulls_last=True)
-
     dff: pl.DataFrame = lff.collect()
 
     df_filtered = dff.clone()

src/utils.py

@@ -86,7 +86,7 @@ def format_number(number) -> str:
     return number
 
 
-def get_decp_data() -> pl.DataFrame:
+def get_decp_data() -> pl.LazyFrame:
     # Chargement du fichier parquet
     # Le fichier est chargé en mémoire, ce qui est plus rapide qu'une base de données pour le moment.
     # On utilise polars pour la rapidité et la facilité de manipulation des données.
@@ -95,13 +95,21 @@ def get_decp_data() -> pl.DataFrame:
         logger.info(
             f"Lecture du fichier parquet ({os.getenv('DATA_FILE_PARQUET_PATH')})..."
         )
-        ddf: pl.DataFrame = pl.read_parquet(os.getenv("DATA_FILE_PARQUET_PATH"))
+        df: pl.DataFrame = pl.read_parquet(os.getenv("DATA_FILE_PARQUET_PATH"))
     except ComputeError:
         # Le fichier est probablement en cours de mise à jour
         logger.info("Échec, nouvelle tentative dans 10s...")
         sleep(10)
-        ddf: pl.DataFrame = pl.read_parquet(os.getenv("DATA_FILE_PARQUET_PATH"))
-    return ddf
+        df: pl.DataFrame = pl.read_parquet(os.getenv("DATA_FILE_PARQUET_PATH"))
+
+    lff: pl.LazyFrame = df.lazy()
+    # Remplacement des valeurs numériques par des chaînes de caractères
+    lff = numbers_to_strings(lff)
+
+    # Tri des marchés par date de notification
+    lff = lff.sort(by=["datePublicationDonnees"], descending=True, nulls_last=True)
+
+    return lff
 
 
-df = get_decp_data()
+lf = get_decp_data()