app.py

#%%
import folium.features
import streamlit as st
import folium
from streamlit_folium import st_folium
import pandas as pd
import geopandas as gpd
import plotly.graph_objects as go
import plotly.express as px

# Carregando os dados a partir de um arquivo CSV & GeoJSON
df = pd.read_csv('dados/dados_de_incidentes_manifestacoes_mocambique(2024).csv')
gdf = gpd.read_file('dados/Africa.json', driver = 'GeoJSON')

def histogram(etapa, fase):
    """Função para criar histogramas de incidentes por província."""
    # Filtrar etapas e fases 
    df_filtered = df[(df['stage'].isin(etapa)) & df['phase'].isin(fase)]

    # Filtrando os dados por tipo de incidente
    df_detencoes = df_filtered[df_filtered['incident_type'] == 'Detencoes']
    df_baleamentos = df_filtered[df_filtered['incident_type'] == 'Baleamentos']
    df_mortes = df_filtered[df_filtered['incident_type'] == 'Mortes']

    # Criando a figura para os gráficos de histograma
    fig = go.Figure()
    fig.data = []  # Limpa os dados da figura antes de adicionar novos
    
    fig.add_trace(go.Histogram(
        histfunc = 'sum',
        x = df_detencoes['province'],
        y = df_detencoes['registered_cases'],
        name = 'Detenções',
        marker_color = 'blue'
    ))

    fig.add_trace(go.Histogram(
        histfunc = 'sum',
        x = df_baleamentos['province'],
        y = df_baleamentos['registered_cases'],
        name = 'Baleamentos',
        marker_color = 'red'
    ))

    fig.add_trace(go.Histogram(
        histfunc = 'sum',
        x = df_mortes['province'],
        y = df_mortes['registered_cases'],
        name = 'Mortes',
        marker_color = 'darkred'
    ))

    fig.update_layout(
        height = 480,
        xaxis = dict(tickfont = dict(size = 13.5)),
        yaxis = dict(tickfont = dict(size = 13.5)),
        legend = dict(font = dict(size = 13.5))
    )

    fig.update_layout(margin = dict(t=0, l=0, r=0, b=0))

    return fig

def card(etapa, fase, incidente):
    """Função para filtrar e contar os incidentes por fase e etapa."""
    # Filtrar etapas e fases 
    df_filtered = df[(df['stage'].isin(etapa)) & df['phase'].isin(fase)]
    filtered_incident = df_filtered[df_filtered['incident_type'] == incidente]

    return filtered_incident['registered_cases'].sum()

def map(etapa, fase):
    """Função para criar mapa cloroplético"""
    # Filtrar etapas e fases 
    df_filtered = df[(df['stage'].isin(etapa)) & df['phase'].isin(fase)]

    # Filtrando os dados por tipo de incidente
    df_detencoes = df[df['incident_type'] == 'Detencoes'][['province', 'registered_cases']].groupby('province').sum().reset_index()
    df_baleamentos = df_filtered[df_filtered['incident_type'] == 'Baleamentos'].groupby('province').sum().reset_index()
    df_mortes = df_filtered[df_filtered['incident_type'] == 'Mortes'].groupby('province').sum().reset_index()

    #Configuração do mapa no folium
    fmap = folium.Map(location = [-18.42645940192763, 34.30334592822377], zoom_start = 4, tiles = 'cartodbdark_matter', control_scale = True)
    
    folium.Choropleth(
        geo_data = gdf,
        data = df_detencoes,
        columns = ['province', 'registered_cases'],
        key_on = 'feature.properties.province',
        fill_color = 'GnBu',
        fill_opacity = 0.5,
        line_opacity = 0.5,
        legend_name = 'Caso',
        name = 'Detenções'
    ).add_to(fmap)

    folium.Choropleth(
        geo_data = gdf,
        data = df_baleamentos,
        columns = ['province', 'registered_cases'],
        key_on = 'feature.properties.province',
        fill_color = 'YlOrRd',
        fill_opacity = 0.5,
        line_opacity = 0.5,
        legend_name = 'Caso',
        name = 'Baleamentos'
    ).add_to(fmap)

    folium.Choropleth(
        geo_data = gdf,
        data = df_mortes,
        columns = ['province', 'registered_cases'],
        key_on = 'feature.properties.province',
        fill_color = 'OrRd',
        fill_opacity = 0.5,
        line_opacity = 0.5,
        legend_name = 'Caso',
        name = 'Mortes'
    ).add_to(fmap)

    estilo = lambda x: {'fillColor': 'white',
                        'color': 'black',
                        'fillOpacity': 0.0001,
                        'weight': 0.001}

    destaque = lambda x: {'fillColor': 'black',
                        'color': 'black',
                        'fillOpacity': 0.5,
                        'weight': 1}

    highlight = folium.features.GeoJson(data = gdf,
                                        style_function = estilo,
                                        highlight_function = destaque
                                        ).add_to(fmap)

    folium.GeoJsonTooltip(
        fields = ['province'],
        aliases = ['Província: ']
        ).add_to(highlight)

    folium.LayerControl().add_to(fmap)

    return st_folium(fmap, width = 960, height = 450)

# Configuração da página no Streamlit
st.set_page_config('Incidentes Durante Manifestações', layout='wide')
st.subheader('Incidentes Durante as Manifestações Pós-Eletorais em Moçambique (2024)')
st.write('---')

# Criando colunas para layout
col1, col2 = st.columns([1, 5])

# Coluna 1: Seção de Filtros
fase = []
etapa = []

with col1:
    with st.container(border = True):
        st.write('Fases')
        
        fase12 = st.checkbox('1-2 Fase', value = True)
        if fase12:
            fase.append(df['phase'].unique()[0])

        fase3 = st.checkbox('3 Fase', value = True)
        if fase3:
            fase.append(df['phase'].unique()[3])

        fase4 = st.checkbox('4 Fase', value = True)
        if fase4:
            fase.append(df['phase'].unique()[1])

        v8 = st.checkbox('V8', value = True)
        if v8:
            fase.append(df['phase'].unique()[2])
    
    with st.container(border = True):
        st.write('Etapas')

        def soma(etapa):
            return df[df['stage'] == etapa]['registered_cases'].sum()

        etapa1 = st.checkbox(f'1 Etapa [{soma(df['stage'].unique()[1])}]', value = True)
        if etapa1:
            etapa.append(df['stage'].unique()[1])
        
        etapa2 = st.checkbox(f'2 Etapa [{soma(df['stage'].unique()[2])}]', value = True)
        if etapa2:
            etapa.append(df['stage'].unique()[2])
        
        etapa3 = st.checkbox(f'3 Etapa [{soma(df['stage'].unique()[4])}]', value = True)
        if etapa3:
            etapa.append(df['stage'].unique()[4])
        
        etapa4 = st.checkbox(f'4 Etapa [{soma(df['stage'].unique()[3])}]', value = True)
        if etapa4:
            etapa.append(df['stage'].unique()[3])
        
        desc = st.checkbox(f'Desc [{df[df['stage'].isna()]['registered_cases'].sum()}]', value = True)
        if desc:
            etapa.append(df['stage'].unique()[0])

    with st.container(border = True):
        opcao = st.radio(
                'Choose',
                ['Gráfico', 'Mapa']
            )

# Coluna 2: Seção de Visualizações
with col2:
    col1, col2, col3 = st.columns(3)
    col1.metric(label = 'Detenções', value = card(etapa, fase, 'Detencoes'), border = True)
    col2.metric(label = 'Baleamentos', value = card(etapa, fase, 'Baleamentos'), border = True)
    col3.metric(label = 'Mortes', value = card(etapa, fase, 'Mortes'), border = True)
    
    with st.container(border = True):
        if opcao == 'Gráfico':
            col1, col2 = st.columns([1, 2.5])
            with col1:
                graph1 = px.pie(df, values = 'registered_cases', names = 'phase', color='phase',
             color_discrete_map={'1 - 2 Fase':'lightcyan',
                                 '3 Fase':'blue',
                                 '4 Fase':'royalblue',
                                 'V8':'darkblue'})
                st.plotly_chart(graph1)

            with col2:
                st.plotly_chart(histogram(etapa, fase), use_container_width = True)
            
        else: 
            map(etapa, fase)