updated

app.py

@@ -158,43 +158,66 @@ class AgricultureAnalyzer:
                 
             # Groupement des données par parcelle
             risk_analysis = self.df.groupby(group_cols).agg(agg_dict).round(2)
-        
-        # Quantités d'herbicides spécifiques
-        herbicide_quantities = self.df[self.df['familleprod'] == 'Herbicides'].groupby(
-            ['numparcell', 'nomparc', 'libelleusag', 'surfparc'])['quantitetot'].sum().fillna(0)
-        
-        risk_analysis['Quantite_herbicides'] = herbicide_quantities.reindex(risk_analysis.index, fill_value=0)
-        
-        risk_analysis.columns = ['Nb_herbicides', 'Diversite_evenements', 'Diversite_produits', 
-                                'Quantite_totale', 'Quantite_herbicides']
-        
-        # Calcul de l'IFT approximatif
-        risk_analysis['IFT_herbicide_approx'] = (risk_analysis['Quantite_herbicides'] / 
-                                                risk_analysis.index.get_level_values('surfparc')).round(2)
-        
-        # Classification du risque
-        def classify_risk(row):
-            ift = row['IFT_herbicide_approx']
-            nb_herb = row['Nb_herbicides']
             
-            if ift == 0 and nb_herb == 0:
-                return 'TRÈS FAIBLE'
-            elif ift < 1 and nb_herb <= 1:
-                return 'FAIBLE'
-            elif ift < 3 and nb_herb <= 3:
-                return 'MODÉRÉ'
-            elif ift < 5 and nb_herb <= 5:
-                return 'ÉLEVÉ'
+            # Quantités d'herbicides spécifiques (seulement si les colonnes existent)
+            if 'familleprod' in self.df.columns and 'quantitetot' in self.df.columns:
+                herbicides_df = self.df[self.df['familleprod'] == 'Herbicides']
+                if len(herbicides_df) > 0:
+                    herbicide_quantities = herbicides_df.groupby(group_cols)['quantitetot'].sum().fillna(0)
+                    risk_analysis['Quantite_herbicides'] = herbicide_quantities.reindex(risk_analysis.index, fill_value=0)
+                else:
+                    risk_analysis['Quantite_herbicides'] = 0
             else:
-                return 'TRÈS ÉLEVÉ'
-        
-        risk_analysis['Risque_adventice'] = risk_analysis.apply(classify_risk, axis=1)
-        
-        # Tri par risque
-        risk_order = ['TRÈS FAIBLE', 'FAIBLE', 'MODÉRÉ', 'ÉLEVÉ', 'TRÈS ÉLEVÉ']
-        risk_analysis['Risk_Score'] = risk_analysis['Risque_adventice'].map({r: i for i, r in enumerate(risk_order)})
-        
-        self.risk_analysis = risk_analysis.sort_values(['Risk_Score', 'IFT_herbicide_approx'])
+                risk_analysis['Quantite_herbicides'] = 0
+            
+            # Renommer les colonnes de façon sécurisée
+            new_column_names = {}
+            if 'familleprod' in agg_dict:
+                new_column_names['familleprod'] = 'Nb_herbicides'
+            if 'libevenem' in agg_dict:
+                new_column_names['libevenem'] = 'Diversite_evenements'
+            if 'produit' in agg_dict:
+                new_column_names['produit'] = 'Diversite_produits'
+            if 'quantitetot' in agg_dict:
+                new_column_names['quantitetot'] = 'Quantite_totale'
+                
+            risk_analysis = risk_analysis.rename(columns=new_column_names)
+            
+            # Calcul de l'IFT approximatif
+            if 'surfparc' in group_cols:
+                risk_analysis['IFT_herbicide_approx'] = (risk_analysis['Quantite_herbicides'] / 
+                                                        risk_analysis.index.get_level_values('surfparc')).round(2)
+            else:
+                risk_analysis['IFT_herbicide_approx'] = 0
+            
+            # Classification du risque
+            def classify_risk(row):
+                ift = row.get('IFT_herbicide_approx', 0)
+                nb_herb = row.get('Nb_herbicides', 0)
+                
+                if ift == 0 and nb_herb == 0:
+                    return 'TRÈS FAIBLE'
+                elif ift < 1 and nb_herb <= 1:
+                    return 'FAIBLE'
+                elif ift < 3 and nb_herb <= 3:
+                    return 'MODÉRÉ'
+                elif ift < 5 and nb_herb <= 5:
+                    return 'ÉLEVÉ'
+                else:
+                    return 'TRÈS ÉLEVÉ'
+            
+            risk_analysis['Risque_adventice'] = risk_analysis.apply(classify_risk, axis=1)
+            
+            # Tri par risque
+            risk_order = ['TRÈS FAIBLE', 'FAIBLE', 'MODÉRÉ', 'ÉLEVÉ', 'TRÈS ÉLEVÉ']
+            risk_analysis['Risk_Score'] = risk_analysis['Risque_adventice'].map({r: i for i, r in enumerate(risk_order)})
+            
+            self.risk_analysis = risk_analysis.sort_values(['Risk_Score', 'IFT_herbicide_approx'])
+            print(f"✅ Analyse des risques terminée: {len(self.risk_analysis)} parcelles analysées")
+            
+        except Exception as e:
+            print(f"❌ Erreur lors du calcul des risques: {str(e)}")
+            self.risk_analysis = pd.DataFrame()
     
     def get_summary_stats(self):
         """Retourne les statistiques de résumé"""