app.py PEP 8 konform

analytics/app.py

@@ -3,42 +3,45 @@ import pandas as pd
 import plotly.express as px
 import numpy as np
 
-# Umrechnungsfaktor von Terabytes nach Bytes
+# --- Konstanten ---
-TB2B = 1024**4
+TB2B = 1024**4  # TB in Bytes
-
-# Seitenkonfiguration (gibt uns ein schönes breites Layout)
-st.set_page_config(layout="wide")
-
-# 1. Daten laden (Pfad aus deinem Docker-Setup)
 FILE_PATH = "/data/json_cache.json"
 PRICE_PER_TB = 8.1  # CHF / TB
 
+
+# --- Seitenkonfiguration ---
+st.set_page_config(layout="wide")
+
+
+# --- Daten laden ---
 @st.cache_data
 def load_data():
-    # Falls die Datei existiert, laden, sonst leeres Dataframe für den Test
+    """
+    Lädt die Daten aus dem JSON-Cache.
+    Falls die Datei nicht existiert, werden Dummy-Daten für Testzwecke erstellt.
+    """
     try:
         return pd.read_json(FILE_PATH)
     except Exception:
-        # Dummy-Daten, falls Node-RED noch nichts abgelegt hat
         return pd.DataFrame([
-            {"ownerGroup": "a-123", "department": "4000", "size": 500000},
+            {"ownerGroup": "a-123", "department": "4000", "size": 500000, "packedSize": 400000},
-            {"ownerGroup": "p9999", "department": "6000", "size": 1200000}
+            {"ownerGroup": "p9999", "department": "6000", "size": 1200000, "packedSize": 1000000}
         ])
 
 
 df = load_data()
 
-# Initialisierung des Session State für die Bereichs-Analyse
+
+# --- Session State Initialisierung ---
 if "department" in df.columns:
     depts = sorted(df["department"].unique().tolist())
     if 'gewaehltes_dept' not in st.session_state:
         st.session_state.gewaehltes_dept = depts[0] if depts else None
 
-# 2. NAVIGATION LINKS (Sidebar)
+
+# --- Navigation (Sidebar) ---
 st.sidebar.title("Navigation")
 st.sidebar.markdown("Wählen Sie eine Ansicht:")
-
-# Ein Radio-Button verhält sich wie eine klickbare Liste
 auswahl = st.sidebar.radio(
     label="Ansichten",
     options=[
@@ -47,18 +50,17 @@ auswahl = st.sidebar.radio(
         "Nicht zuweisbare Daten",
         "Rohdaten"
     ],
-    label_visibility="collapsed"  # Versteckt das Label für eine sauberere Optik
+    label_visibility="collapsed"
 )
 
-# 3. ANZEIGE RECHTS (Hauptbildschirm)
-# Hier steuern wir den Inhalt basierend auf der Auswahl links
 
+# --- Hauptansicht ---
 if auswahl == "Übersicht & Metriken":
     st.title("Übersicht")
 
-    # Beispiel für schnelle Metriken rechts
     total_vol = df["size"].sum()
     total_packed_vol = df["packedSize"].sum()
+
     col1, col2 = st.columns(2)
     col1.metric("Gesamtvolumen (TB)", f'{total_vol/TB2B:.2f}')
     col1.metric("Gesamtes packetiertes Volumen (TB)", f'{total_packed_vol/TB2B:.2f}')
@@ -71,16 +73,14 @@ if auswahl == "Übersicht & Metriken":
     df_department_overview['Kosten [CHF]'] = (
         (df_department_overview['packedSize'] / TB2B) * PRICE_PER_TB
     )
-    df_department_overview['packedSize'] = df_department_overview['packedSize']/TB2B
+    df_department_overview['packedSize'] /= TB2B
 
-    # Spalten/Indexnamen nur für die Anzeige anpassen
     df_department_overview.index.name = "Bereich"
     df_department_overview.rename(
         columns={"packedSize": "Totales packetiertes Volumen [TB]"},
         inplace=True
     )
 
-    # st.table ist besser für kleine, statische Tabellen, die den Inhalt voll anzeigen sollen
     col2.table(
         df_department_overview.style.format({
             "Totales packetiertes Volumen [TB]": "{:.4f}",
@@ -88,9 +88,7 @@ if auswahl == "Übersicht & Metriken":
             "Kosten [CHF]": "{:.2f}"
         })
     )
-#    col2.metric("Abteilungen", f'{df.groupby('department')['packedSize'].sum().to_frame()}',  use_container_width=True)
 
-    # Hier könnte eine Grafik hin
     if "department" in df:
         fig = px.pie(
             df,
@@ -98,22 +96,18 @@ if auswahl == "Übersicht & Metriken":
             values="packedSize",
             title="Verteilung nach Bereichen"
         )
-        # Legende explizit positionieren, um den Abstand zu verringern
         fig.update_layout(legend=dict(x=0.7, y=0.5))
         st.plotly_chart(fig)
 
 elif auswahl == "Bereichs-Analyse":
     st.title("Bereichs-Analyse")
 
-    # Ein zusätzlicher Filter, der nur in dieser Ansicht erscheint
     if "department" in df and depts:
-        # Finde den Index des gespeicherten Departments
         try:
             default_index = depts.index(st.session_state.gewaehltes_dept)
         except ValueError:
             default_index = 0
 
-        # Erstelle die Selectbox und speichere die neue Auswahl
         neue_auswahl = st.selectbox(
             "Bereich auswählen:",
             depts,
@@ -123,20 +117,21 @@ elif auswahl == "Bereichs-Analyse":
 
         filtered_df = df[df["department"] == st.session_state.gewaehltes_dept].copy()
 
-        # Werte in der Spalte 'copies' durch Zahlen ersetzen
         if "copies" in filtered_df.columns:
             conditions = [
                 filtered_df['copies'].str.startswith('one', na=False),
                 filtered_df['copies'].str.startswith('two', na=False)
             ]
             choices = [1, 2]
-            filtered_df['copies'] = np.select(conditions, choices, default=filtered_df['copies'])
+            filtered_df['copies'] = np.select(
+                conditions, choices, default=filtered_df['copies']
+            )
 
-        # DataFrame nach 'packedSize' absteigend sortieren
         if "packedSize" in filtered_df.columns:
-            filtered_df = filtered_df.sort_values(by="packedSize", ascending=False)
+            filtered_df = filtered_df.sort_values(
+                by="packedSize", ascending=False
+            )
 
-        # Spaltennamen für die Anzeige anpassen
         rename_mapping = {
             "ownerGroup": "Gruppe",
             "copies": "Anzahl Kopien",
@@ -147,37 +142,51 @@ elif auswahl == "Bereichs-Analyse":
         }
         filtered_df.rename(columns=rename_mapping, inplace=True)
 
-        # Neue Spalte 'Kosten' hinzufügen
         if "packetierte Grösse" in filtered_df.columns:
-            filtered_df["Kosten [CHF]"] = (filtered_df["packetierte Grösse"] / TB2B) * PRICE_PER_TB
+            filtered_df["Kosten [CHF]"] = \
+                (filtered_df["packetierte Grösse"] / TB2B) * PRICE_PER_TB
 
-        st.metric(f"Anzahl Gruppen in Department {st.session_state.gewaehltes_dept}", len(filtered_df))
+        st.metric(
+            f"Anzahl Gruppen in Department {st.session_state.gewaehltes_dept}",
+            len(filtered_df)
+        )
         st.dataframe(filtered_df, use_container_width=True, hide_index=True)
 
 elif auswahl == "Nicht zuweisbare Daten":
     st.title("Nicht zuweisbare Daten")
 
-    # Filtere Zeilen, bei denen 'department' nicht in eine Zahl umgewandelt werden kann
+    no_department_df = df[
-    no_department_df = df[pd.to_numeric(df['department'], errors='coerce').isna()].copy()
+        pd.to_numeric(df['department'], errors='coerce').isna()
+    ].copy()
     no_department_vol = no_department_df['packedSize'].sum()
-    st.write(f'Gesamtvolumen der nicht zuweisbaren Daten: {no_department_vol/TB2B:.2f} TB')
+
-    st.write(f'Anzahl der nicht zuweisbaren Gruppen: {len(no_department_df)}')
+    st.write(f'Gesamtvolumen: {no_department_vol/TB2B:.2f} TB')
-    no_department_df = no_department_df.sort_values(by="packedSize", ascending=False)
+    st.write(f'Anzahl Gruppen: {len(no_department_df)}')
-    no_department_df['unpacketierte Grösse [GB]'] = no_department_df['size'] / (TB2B/1024)
+
-    no_department_df['packetierte Grösse [GB]'] = no_department_df['packedSize'] / (TB2B/1024)
+    no_department_df = no_department_df.sort_values(
-    no_department_df["Kosten [CHF]"] = (no_department_df["packedSize"] / TB2B) * PRICE_PER_TB
+        by="packedSize", ascending=False
-    del(no_department_df['size'])
+    )
-    del(no_department_df['packedSize'])
+    no_department_df['unpacketierte Grösse [GB]'] = \
-    del(no_department_df['beamline'])
+        no_department_df['size'] / (TB2B / 1024)
-    # Werte in der Spalte 'copies' durch Zahlen ersetzen
+    no_department_df['packetierte Grösse [GB]'] = \
+        no_department_df['packedSize'] / (TB2B / 1024)
+    no_department_df["Kosten [CHF]"] = \
+        (no_department_df["packedSize"] / TB2B) * PRICE_PER_TB
+
+    no_department_df.drop(
+        columns=['size', 'packedSize', 'beamline'], inplace=True
+    )
+
     if "copies" in no_department_df.columns:
         conditions = [
             no_department_df['copies'].str.startswith('one', na=False),
             no_department_df['copies'].str.startswith('two', na=False)
         ]
         choices = [1, 2]
-        no_department_df['copies'] = np.select(conditions, choices, default=no_department_df['copies'])
+        no_department_df['copies'] = np.select(
-        # Spaltennamen für die Anzeige anpassen
+            conditions, choices, default=no_department_df['copies']
+        )
+
         rename_mapping = {
             "ownerGroup": "Gruppe",
             "copies": "Anzahl Kopien",
@@ -185,12 +194,9 @@ elif auswahl == "Nicht zuweisbare Daten":
         }
         no_department_df.rename(columns=rename_mapping, inplace=True)
 
-    # Index zurücksetzen, damit er nicht als Spalte angezeigt wird
     st.table(no_department_df.reset_index(drop=True))
 
 elif auswahl == "Rohdaten":
     st.title("Rohdaten")
-    st.write("Durchsuchen und filtern Sie die vollständige Liste der Gruppen. Grössenangaben in Bytes.")
+    st.write("Durchsuchen und filtern Sie die Gruppen. Grössenangaben in Bytes.")
-
+    st.dataframe(df, use_container_width=True)
-    # Die Tabelle ohne Index und mit voller Höhe anzeigen
-    st.dataframe(df, use_container_width=True) #, hide_index=True)