Rétablissement de la carte des marchés par dpt

src/assets/style.css

@@ -106,6 +106,11 @@ a.nav {
 }
 
 h3 {
+  margin: 36px 0 24px 0;
+}
+
+summary > h3 {
+  margin: 0;
   display: inline;
 }
 

src/figures.py

@@ -32,11 +32,11 @@ def get_map_count_marches(lf: pl.LazyFrame):
         df,
         geojson=departements,
         locations="Département",
-        # color="uid",
+        color="uid",
-        # color_continuous_scale="Reds",
+        color_continuous_scale="Reds",
         title="Nombres de marchés attribués par département (lieu d'exécution)",
-        # range_color=(df["uid"].min(), df["uid"].max()),
+        range_color=(df["uid"].min(), df["uid"].max()),
-        # labels={"uid": "Marchés attribués"},
+        labels={"uid": "Marchés attribués"},
         scope="europe",
         width=1000,
         height=800,

src/pages/acheteur.py

@@ -140,7 +140,7 @@ def update_acheteur_stats(data):
     df = pl.DataFrame(data)
     if df.height == 0:
         df = pl.DataFrame(schema=lf.collect_schema())
-    df_marches = df.unique("uid")
+    df_marches = df.unique("id")
     nb_marches = format_number(df_marches.height)
     # somme_marches = format_number(int(df_marches.select(pl.sum("montant")).item()))
     marches_attribues = [html.Strong(nb_marches), " marchés et accord-cadres attribués"]
@@ -165,8 +165,9 @@ def update_acheteur_stats(data):
 def get_acheteur_marches_data(url, acheteur_year: str) -> pl.LazyFrame:
     acheteur_siret = url.split("/")[-1]
     lff = lf.filter(pl.col("acheteur_id") == acheteur_siret)
+    lff = lff.fill_null("")
     lff = lff.select(
-        "uid",
+        "id",
         "objet",
         "dateNotification",
         "titulaire_id",
@@ -179,7 +180,7 @@ def get_acheteur_marches_data(url, acheteur_year: str) -> pl.LazyFrame:
         lff = lff.filter(
             pl.col("dateNotification").cast(pl.String).str.starts_with(acheteur_year)
         )
-    lff = lff.sort("dateNotification", descending=True, nulls_last=True)
+    lff = lff.sort(["dateNotification", "id"], descending=True, nulls_last=True)
 
     data = lff.collect(engine="streaming").to_dicts()
     return data
@@ -191,7 +192,7 @@ def get_acheteur_marches_data(url, acheteur_year: str) -> pl.LazyFrame:
 )
 def get_last_marches_table(data) -> html.Div:
     columns = [
-        "uid",
+        "id",
         "objet",
         "dateNotification",
         "titulaire_nom",

src/pages/home.py

@@ -8,7 +8,6 @@ from dotenv import load_dotenv
 from src.utils import (
     add_org_links,
     add_resource_link,
-    booleans_to_strings,
     filter_table_data,
     format_number,
     lf,
@@ -20,19 +19,6 @@ load_dotenv()
 update_date = os.path.getmtime(os.getenv("DATA_FILE_PARQUET_PATH"))
 update_date = datetime.fromtimestamp(update_date).strftime("%d/%m/%Y")
 
-# Suppression des colonnes inutiles
-lf = lf.drop(
-    [
-        "donneesActuelles",
-    ]
-)
-
-# Convertir les colonnes booléennes en chaînes de caractères
-lf = booleans_to_strings(lf)
-
-# Remplacer les valeurs manquantes par des chaînes vides
-lf = lf.fill_null("")
-
 schema = lf.collect_schema()
 
 
@@ -164,14 +150,12 @@ def update_table(page_current, page_size, filter_query, sort_by, data_timestamp)
     if len(sort_by) > 0:
         lff = sort_table_data(lff, sort_by)
 
+    # Remplace les strings null par "", mais pas les numeric null
+    lff = lff.fill_null("")
+
     # Matérialisation des filtres
     dff: pl.DataFrame = lff.collect()
 
-    # if filter_query or sort_by:
-    #     filtered_data = dff.to_dicts()
-    # else:
-    #     filtered_data = {}
-
     height = dff.height
 
     nb_rows = f"{format_number(height)} lignes"

src/utils.py

@@ -126,10 +126,17 @@ def get_decp_data() -> pl.LazyFrame:
         lff: pl.LazyFrame = pl.scan_parquet(os.getenv("DATA_FILE_PARQUET_PATH"))
 
     # Tri des marchés par date de notification
-    lff = lff.sort(by=["dateNotification"], descending=True, nulls_last=True)
+    lff = lff.sort(by=["dateNotification", "uid"], descending=True, nulls_last=True)
 
     # Uniquement les données actuelles, pas les anciennes versions de marchés
-    lff = lff.filter(pl.col("donneesActuelles"))
+    lff = lff.filter(pl.col("donneesActuelles")).drop("donneesActuelles")
+
+    # Convertir les colonnes booléennes en chaînes de caractères
+    lff = booleans_to_strings(lff)
+
+    # Bizarrement je ne peux pas faire lff = lff.fill_null("") ici
+    # ça génère une erreur dans la page acheteur (acheteur_data.table) :
+    # AttributeError: partially initialized module 'pandas' has no attribute 'NaT' (most likely due to a circular import)
 
     return lff