import streamlit as st import pandas as pd import plotly.express as px import boto3 import joblib import os import io st.set_page_config(layout="wide", page_title="SDU Risk Monitor") def get_s3_client(): return boto3.client( 's3', aws_access_key_id=os.getenv('AWS_ACCESS_KEY_ID', '').strip(), aws_secret_access_key=os.getenv('AWS_SECRET_ACCESS_KEY', '').strip(), aws_session_token=os.getenv('AWS_SESSION_TOKEN', '').strip() if os.getenv('AWS_SESSION_TOKEN') else None, region_name=os.getenv('AWS_DEFAULT_REGION', 'us-east-1').strip() ) @st.cache_data(ttl=3600) def load_new_data(): """Загрузка новых объединенных данных""" s3 = get_s3_client() bucket = os.getenv('BUCKET_NAME') obj = s3.get_object(Bucket=bucket, Key='processed/global_risks_clean.parquet') return pd.read_parquet(io.BytesIO(obj['Body'].read())) @st.cache_data(ttl=3600) def load_old_data(): """Загрузка старых данных EM-DAT""" s3 = get_s3_client() bucket = os.getenv('BUCKET_NAME') obj = s3.get_object(Bucket=bucket, Key='data/processed_risk_data.parquet') return pd.read_parquet(io.BytesIO(obj['Body'].read())) @st.cache_resource def load_model_resources(model_type): s3 = get_s3_client() bucket = os.getenv('BUCKET_NAME') with io.BytesIO() as f: s3.download_fileobj(bucket, f'models/{model_type}_classifier.joblib', f) f.seek(0) model = joblib.load(f) with io.BytesIO() as f: s3.download_fileobj(bucket, f'models/{model_type}_columns.joblib', f) f.seek(0) cols = joblib.load(f) return model, cols # ================= НАВИГАЦИЯ ================= st.sidebar.title("Навигация") page = st.sidebar.radio( "Выберите версию дашборда:", ["🌍 Версия 2.0 (Все источники)", "📜 Версия 1.0 (Только EM-DAT)"] ) st.sidebar.markdown("---") # ================= СТРАНИЦА 1: НОВАЯ ВЕРСИЯ ================= if page == "🌍 Версия 2.0 (Все источники)": st.title("🌍 Global Catastrophic Risk Monitor (v2.0)") st.markdown("Объединенные данные: Природные катастрофы, Терроризм, Авиация.") try: df = load_new_data() st.sidebar.header("Фильтры v2.0") min_year, max_year = int(df['Year'].min()), int(df['Year'].max()) years = st.sidebar.slider("Период", min_year, max_year, (2000, max_year)) sources = st.sidebar.multiselect("Источник данных", df['Source'].unique(), default=df['Source'].unique()) mask = (df['Year'].between(years[0], years[1])) if sources: mask = mask & (df['Source'].isin(sources)) temp_df = df[mask] types = st.sidebar.multiselect("Тип события", temp_df['Event_Type'].unique()) if types: mask = mask & (df['Event_Type'].isin(types)) filtered_df = df[mask] tab1, tab2 = st.tabs(["📊 Аналитика", "🤖 AI Прогноз Ущерба"]) with tab1: c1, c2, c3 = st.columns(3) c1.metric("Всего событий", f"{len(filtered_df):,}") c2.metric("Погибло (Fatalities)", f"{filtered_df['Fatalities'].sum():,.0f}") total_damage_b = filtered_df["Damage (mill dollars)"].sum() / 1000 c3.metric("Ущерб (USD)", f"${total_damage_b:.1f} B") col_chart1, col_chart2 = st.columns(2) with col_chart1: st.subheader("Динамика по годам") ev_per_year = filtered_df.groupby(['Year', 'Source']).size().reset_index(name='Количество') fig = px.bar(ev_per_year, x='Year', y='Количество', color='Source') st.plotly_chart(fig, use_container_width=True) with col_chart2: st.subheader("Карта событий (Погибшие)") country_stats = filtered_df.groupby('Country')['Fatalities'].sum().reset_index() fig_map = px.choropleth( country_stats, locationmode='country names', locations="Country", color="Fatalities", hover_name="Country", color_continuous_scale="Reds" ) st.plotly_chart(fig_map, use_container_width=True) st.subheader("Последние события") st.dataframe(filtered_df.sort_values(by='Date', ascending=False).head(100), use_container_width=True) with tab2: st.header("Симулятор экономического ущерба (AI)") st.write("Выберите параметры ниже, чтобы модель предсказала финансовый ущерб (в миллионах USD).") c_country, c_type, c_year = st.columns(3) pred_country = c_country.selectbox("Страна", sorted(df['Country'].unique())) pred_type = c_type.selectbox("Тип катастрофы", sorted(df['Event_Type'].unique())) pred_year = c_year.number_input("Год", min_value=1900, max_value=2100, value=2026) if st.button("Рассчитать прогноз ущерба", type="primary"): try: reg_model, reg_cols = load_model_resources("damage_regressor") input_df = pd.DataFrame(0, index=[0], columns=reg_cols) input_df['Year'] = pred_year if f"Country_{pred_country}" in reg_cols: input_df[f"Country_{pred_country}"] = 1 if f"Event_Type_{pred_type}" in reg_cols: input_df[f"Event_Type_{pred_type}"] = 1 predicted_damage = reg_model.predict(input_df)[0] st.success(f"Оценочный ущерб: **${predicted_damage:,.2f} млн USD**") st.info("💡 Алгоритм анализирует исторические прецеденты и учитывает инфляционные тренды.") except Exception as e: st.error("⚠️ Модель 'damage_regressor' не загружена.") st.error(f"Детали ошибки (для отладки): {e}") # <-- Эта строка покажет правду except Exception as e: st.error(f"Ошибка загрузки новых данных: {e}") # ================= СТРАНИЦА 2: СТАРАЯ ВЕРСИЯ ================= elif page == "📜 Версия 1.0 (Только EM-DAT)": st.title("🌍 SDU Risk Monitor (Classic)") st.markdown("Архивная версия дашборда на основе данных EM-DAT.") try: old_df = load_old_data() st.sidebar.header("Фильтры v1.0") years_old = st.sidebar.slider("Период", int(old_df['Start Year'].min()), int(old_df['Start Year'].max()), (2010, 2026)) types_old = st.sidebar.multiselect("Тип катастрофы", old_df['Disaster Type'].unique()) mask_old = (old_df['Start Year'].between(years_old[0], years_old[1])) if types_old: mask_old = mask_old & (old_df['Disaster Type'].isin(types_old)) filtered_old_df = old_df[mask_old] tab1_old, tab2_old = st.tabs(["📊 Аналитика", "🤖 AI Прогноз"]) with tab1_old: c1, c2, c3 = st.columns(3) c1.metric("Всего событий", len(filtered_old_df)) c2.metric("Пострадало людей", f"{filtered_old_df['Total Affected'].sum():,.0f}") total_damage_old_b = filtered_old_df["Total Damage, Adjusted ('000 US$)"].sum() / 1e9 c3.metric("Ущерб (USD)", f"${total_damage_old_b:.1f} B") col_chart1, col_chart2 = st.columns(2) with col_chart1: st.subheader("Динамика по годам") ev_per_year_old = filtered_old_df.groupby('Start Year').size().reset_index(name='Total Events') fig_old = px.bar(ev_per_year_old, x='Start Year', y='Total Events') st.plotly_chart(fig_old, use_container_width=True) with col_chart2: st.subheader("Карта ущерба") fig_map_old = px.choropleth( filtered_old_df, locations="ISO", color="Total Damage ('000 US$)", hover_name="Country", color_continuous_scale="Reds" ) st.plotly_chart(fig_map_old, use_container_width=True) with tab2_old: st.header("ML Risk Prediction") model_names = { "Случайный Лес (Random Forest)": "rf", "Градиентный Бустинг (Gradient Boosting)": "gb", "Логистическая Регрессия (Logistic Regression)": "lr" } selected_model_ui = st.selectbox("Выберите AI-модель", list(model_names.keys())) selected_model_key = model_names[selected_model_ui] c1, c2 = st.columns(2) sim_gdp = c1.number_input("ВВП Страны (USD)", value=10000000000) sim_type = c2.selectbox("Тип угрозы", old_df['Disaster Type'].unique()) if st.button("Рассчитать риск"): model, model_cols = load_model_resources(selected_model_key) input_data = pd.DataFrame(0, index=[0], columns=model_cols) input_data['GDP'] = sim_gdp input_data['Start Year'] = 2026 type_col = f"Type_{sim_type}" if type_col in input_data.columns: input_data[type_col] = 1 pred = model.predict(input_data)[0] prob = model.predict_proba(input_data)[0][1] if pred == 1: st.error(f"⚠️ ВЫСОКИЙ РИСК! ({selected_model_ui}). Вероятность: {prob:.1%}") else: st.success(f"✅ Низкий риск ({selected_model_ui}). Вероятность: {prob:.1%}") except Exception as e: st.warning("Не удалось загрузить старые данные. Проверьте ключ файла в S3.") st.error(f"Детали ошибки: {e}")