import streamlit as st import pandas as pd import requests import folium from streamlit_folium import folium_static from transformers import pipeline import tensorflow as tf assert tf.__version__.startswith('2.') print("TensorFlow version:", tf.__version__) # Fonction pour récupérer les données de l'API def get_data(): url = "https://opendata.bordeaux-metropole.fr/api/records/1.0/search/?dataset=met_etablissement_rse&q=&rows=100" response = requests.get(url) if response.status_code == 200: data = response.json() records = data.get("records", []) return [record["fields"] for record in records], data.get("nhits", 0) else: return [], 0 # Fonction pour l'onglet "Organisations engagées" def display_organisations_engagees(): st.markdown("## OPEN DATA RSE") st.markdown("### Découvrez les organisations engagées RSE de la métropole de Bordeaux") data, _ = get_data() if data: df = pd.DataFrame(data) df = df.rename(columns={ "nom_courant_denomination": "Nom", "commune": "Commune", "libelle_section_naf": "Section NAF", "tranche_effectif_entreprise": "Effectif", "action_rse": "Action RSE" }) df = df[["Nom", "Commune", "Section NAF", "Effectif", "Action RSE"]] st.dataframe(df, width=None, height=None) # Fonction pour l'onglet "GeoRSE Insights" def display_geo_rse_insights(): data, _ = get_data() if data: m = folium.Map(location=[44.84474, -0.60711], zoom_start=11) for item in data: point_geo = item.get('point_geo', []) if point_geo: lat, lon = point_geo lat, lon = float(lat), float(lon) if lat and lon: folium.Marker( [lat, lon], popup=f"{item.get('nom_courant_denomination', 'Sans nom')}
Action RSE: {item.get('action_rse', 'Non spécifié')}", icon=folium.Icon(color="green", icon="leaf"), ).add_to(m) folium_static(m) # Fonction pour la classification des actions RSE def classify_rse_actions(descriptions): classifier = pipeline("zero-shot-classification", model="typeform/distilbert-base-uncased-mnli") categories = [ "La gouvernance de la structure", "Les droits humains", "Les conditions et relations de travail", "La responsabilité environnementale", "La loyauté des pratiques", "Les questions relatives au consommateur et à la protection du consommateur", "Les communautés et le développement local" ] classified_data = [] for description in descriptions: result = classifier(description, categories) top_category = result['labels'][0] classified_data.append(top_category) return classified_data # Nouvelle fonction pour l'onglet de classification RSE def display_rse_categorizer(): st.header("Classification des Actions RSE") st.write("Cet outil classe les actions RSE des entreprises selon les normes ISO 26000.") data, _ = get_data() if data: descriptions = [item['action_rse'] for item in data if 'action_rse' in item] categories = classify_rse_actions(descriptions) for i, category in enumerate(categories): st.write(f"Action RSE: {descriptions[i]}") st.write(f"Catégorie prédite: {category}") st.write("---") # Main function orchestrating the app UI def main(): st.sidebar.title("Navigation") app_mode = st.sidebar.radio("Choisissez l'onglet", ["Organisations engagées", "GeoRSE Insights", "Classification RSE"]) if app_mode == "Organisations engagées": display_organisations_engagees() elif app_mode == "GeoRSE Insights": display_geo_rse_insights() elif app_mode == "Classification RSE": display_rse_categorizer() if __name__ == "__main__": main()