Timjerdine/Rainfall

1import streamlit as st
2import pandas as pd
3import pickle
4import numpy as np
5
6# Configuration de la page
7st.set_page_config(page_title="Rainfall Predictor", page_icon="🌧️")
8
9# 1. Fonction pour charger le modèle
10@st.cache_resource
11def load_model():
12    # Assurez-vous que le nom du fichier .pkl est EXACTEMENT celui-ci
13    with open("rainfall_prediction_model.pkl", "rb") as f:
14        data = pickle.load(f)
15    return data
16
17try:
18    model_data = load_model()
19    model = model_data["model"]
20    # Les colonnes exactes attendues par votre RandomForest
21    feature_names = model_data["feature_names"]
22except Exception as e:
23    st.error(f"Erreur de chargement du modèle : {e}")
24    st.stop()
25
26st.title("🌧️ Prédiction de Pluie")
27st.markdown("Saisissez les paramètres météo pour savoir s'il va pleuvoir ou non.")
28
29# 2. Formulaire de saisie
30with st.form("my_form"):
31    st.subheader("Paramètres Atmosphériques")
32    
33    col1, col2 = st.columns(2)
34    
35    with col1:
36        pressure = st.number_input("Pression (hPa)", value=1015.0, step=0.1)
37        maxtemp = st.number_input("Température Max (°C)", value=22.0, step=0.1)
38        temparature = st.number_input("Température Moyenne (°C)", value=18.0, step=0.1)
39        mintemp = st.number_input("Température Min (°C)", value=14.0, step=0.1)
40        dewpoint = st.number_input("Point de Rosée", value=12.0, step=0.1)
41
42    with col2:
43        humidity = st.slider("Humidité (%)", 0, 100, 75)
44        cloud = st.slider("Couverture Nuageuse (%)", 0, 100, 50)
45        sunshine = st.number_input("Ensoleillement (heures)", value=5.0, step=0.1)
46        winddirection = st.number_input("Direction du vent (degrés)", value=180, step=1)
47        windspeed = st.number_input("Vitesse du vent (km/h)", value=15.0, step=0.1)
48
49    submit_button = st.form_submit_button(label="Prédire")
50
51# 3. Traitement de la prédiction
52if submit_button:
53    # Création du dictionnaire avec les noms EXACTS du CSV original
54    # Note : Attention aux espaces dans 'pressure ', 'humidity ' et 'cloud '
55    input_dict = {
56        'pressure ': pressure,
57        'maxtemp': maxtemp,
58        'temparature': temparature,
59        'mintemp': mintemp,
60        'dewpoint': dewpoint,
61        'humidity ': humidity,
62        'cloud ': cloud,
63        'sunshine': sunshine,
64        'winddirection': winddirection,
65        'windspeed': windspeed
66    }
67    
68    # Transformation en DataFrame (ordre respecté via feature_names)
69    input_df = pd.DataFrame([input_dict])[feature_names]
70    
71    # Prédiction
72    prediction = model.predict(input_df)
73    probability = model.predict_proba(input_df)
74
75    st.divider()
76    
77    if prediction[0] == 1:
78        st.error(f"### 🌧️ Résultat : IL VA PLEUVOIR")
79        st.write(f"Probabilité de pluie : **{probability[0][1]:.2%}**")
80    else:
81        st.success(f"### ☀️ Résultat : PAS DE PLUIE")
82        st.write(f"Probabilité de ciel sec : **{probability[0][0]:.2%}**")
83
84st.info("Note : Ce modèle utilise un RandomForestClassifier entraîné sur votre dataset Rainfall.")