Initial commit

main.py

@@ -0,0 +1,168 @@
+from fastapi import FastAPI, HTTPException
+from fastapi.middleware.cors import CORSMiddleware
+import pandas as pd
+import os
+from typing import Optional
+
+app = FastAPI()
+
+app.add_middleware(
+    CORSMiddleware,
+    allow_origins=["*"],
+    allow_methods=["*"],
+    allow_headers=["*"],
+)
+
+DATA_PATH = "/data/prenoms.csv"
+df_cache = None
+autocomplete_cache = None
+alltime_cache = None   # total all-time par (prenom, sexe)
+
+def get_df():
+    global df_cache, autocomplete_cache
+    if df_cache is None:
+        if not os.path.exists(DATA_PATH):
+            raise HTTPException(status_code=503, detail="Fichier prenoms.csv non trouvé dans /data/")
+        df_cache = pd.read_csv(DATA_PATH, sep=";", dtype={"sexe": int, "prenom": str, "periode": int, "valeur": int})
+        df_cache = df_cache[df_cache["prenom"] != "_PRENOMS_RARES"]
+        df_cache["longueur"] = df_cache["prenom"].str.len()
+        # Précalcul all-time total (utilisé par /api/top)
+        global alltime_cache
+        alltime_cache = df_cache.groupby(["prenom", "sexe"])["valeur"].sum().reset_index()
+        alltime_cache.columns = ["prenom", "sexe", "total"]
+        # Build autocomplete index: prenom -> total all-time, sexe majority
+        agg = df_cache.groupby(["prenom", "sexe"])["valeur"].sum().reset_index()
+        totals = agg.groupby("prenom")["valeur"].sum().reset_index()
+        totals.columns = ["prenom", "total"]
+        # dominant sexe
+        dom = agg.loc[agg.groupby("prenom")["valeur"].idxmax(), ["prenom","sexe"]]
+        merged = totals.merge(dom, on="prenom")
+        autocomplete_cache = merged.sort_values("total", ascending=False).reset_index(drop=True)
+    return df_cache
+
+def get_autocomplete():
+    get_df()
+    return autocomplete_cache
+
+@app.get("/api/status")
+def status():
+    if os.path.exists(DATA_PATH):
+        try:
+            df = get_df()
+            return {"ok": True, "rows": len(df), "prenoms": df["prenom"].nunique()}
+        except Exception as e:
+            return {"ok": False, "error": str(e)}
+    return {"ok": False, "error": "Fichier manquant"}
+
+@app.get("/api/autocomplete")
+def autocomplete(q: str, limit: int = 8):
+    ac = get_autocomplete()
+    prefix = q.upper().strip()
+    if not prefix:
+        return []
+    matches = ac[ac["prenom"].str.startswith(prefix)].head(limit)
+    return matches.to_dict(orient="records")
+
+@app.get("/api/evolution/{prenom}")
+def evolution(prenom: str):
+    df = get_df()
+    prenom = prenom.upper()
+    sub = df[df["prenom"] == prenom].groupby(["periode", "sexe"])["valeur"].sum().reset_index()
+    if sub.empty:
+        raise HTTPException(status_code=404, detail=f"Prénom '{prenom}' introuvable")
+    return sub.to_dict(orient="records")
+
+@app.get("/api/compare")
+def compare(a: str, b: str):
+    df = get_df()
+    result = {}
+    for prenom in [a.upper(), b.upper()]:
+        sub = df[df["prenom"] == prenom].groupby(["periode", "sexe"])["valeur"].sum().reset_index()
+        result[prenom] = sub.to_dict(orient="records")
+    return result
+
+@app.get("/api/heatmap/{prenom}")
+def heatmap(prenom: str):
+    """Returns total births per decade per sexe"""
+    df = get_df()
+    prenom = prenom.upper()
+    sub = df[df["prenom"] == prenom].copy()
+    if sub.empty:
+        raise HTTPException(status_code=404, detail=f"Prénom '{prenom}' introuvable")
+    sub["decade"] = (sub["periode"] // 10) * 10
+    agg = sub.groupby(["decade", "sexe"])["valeur"].sum().reset_index()
+    return agg.to_dict(orient="records")
+
+@app.get("/api/search")
+def search(
+    q: Optional[str] = None,
+    sexe: Optional[int] = None,
+    longueur_min: int = 1,
+    longueur_max: int = 20,
+    popularite_min: int = 0,
+    popularite_max: int = 10000000,
+    peak_min: Optional[int] = None,
+    peak_max: Optional[int] = None,
+    periode_min: int = 1900,
+    periode_max: int = 2024,
+    limit: int = 50
+):
+    df = get_df()
+
+    # Total all-time (pour popularité et affichage)
+    agg_all = df.groupby(["prenom", "sexe", "longueur"])["valeur"].sum().reset_index()
+    agg_all.columns = ["prenom", "sexe", "longueur", "total"]
+
+    # Total sur la période choisie (pour filtrer les prénoms actifs sur cette période)
+    sub = df[(df["periode"] >= periode_min) & (df["periode"] <= periode_max)]
+    agg_period = sub.groupby(["prenom", "sexe"])["valeur"].sum().reset_index()
+    agg_period.columns = ["prenom", "sexe", "total_periode"]
+
+    # Garder seulement les prénoms présents sur la période (au moins 1 naissance)
+    agg = agg_all.merge(agg_period, on=["prenom", "sexe"], how="inner")
+
+    if sexe is not None:
+        agg = agg[agg["sexe"] == sexe]
+    agg = agg[(agg["longueur"] >= longueur_min) & (agg["longueur"] <= longueur_max)]
+    if q:
+        agg = agg[agg["prenom"].str.startswith(q.upper())]
+
+    # Popularité filtrée sur total all-time
+    agg = agg[(agg["total"] >= popularite_min) & (agg["total"] <= popularite_max)]
+
+    agg = agg.sort_values("total_periode", ascending=False).head(limit)
+    return agg.to_dict(orient="records")
+
+@app.get("/api/top")
+def top(
+    sexe: Optional[int] = None,
+    periode_min: int = 1900,
+    periode_max: int = 2024,
+    order: str = "desc",
+    page: int = 1,
+    per_page: int = 50
+):
+    df = get_df()  # assure que alltime_cache est initialisé
+    # Total sur la période (pour tri)
+    sub = df[(df["periode"] >= periode_min) & (df["periode"] <= periode_max)]
+    agg_period = sub.groupby(["prenom", "sexe"])["valeur"].sum().reset_index()
+    agg_period.columns = ["prenom", "sexe", "total_periode"]
+    # Joindre avec all-time (précalculé)
+    agg = alltime_cache.merge(agg_period, on=["prenom","sexe"], how="inner")
+    if sexe is not None:
+        agg = agg[agg["sexe"] == sexe]
+    agg = agg.sort_values("total_periode", ascending=(order=="asc"))
+    total_count = len(agg)
+    offset = (page - 1) * per_page
+    page_data = agg.iloc[offset:offset+per_page].copy()
+    return {"total": total_count, "page": page, "per_page": per_page, "data": page_data.to_dict(orient="records")}
+
+@app.get("/api/stats")
+def stats():
+    df = get_df()
+    return {
+        "total_naissances": int(df["valeur"].sum()),
+        "nb_prenoms": int(df["prenom"].nunique()),
+        "periode_min": int(df["periode"].min()),
+        "periode_max": int(df["periode"].max()),
+    }