top10

import matplotlib.pyplot as plt
import seaborn as sns

# 1. Création d'une nouvelle colonne pour distinguer les top 10
df_merged['highlight_top10'] = 0
df_merged.loc[df_final_top10.index, 'highlight_top10'] = 1

# 2. Nouveau graphe PCA avec 3 groupes :
# - 0 = normal
# - 1 = anomalies hors top 10
# - 2 = top 10 anomalies

# Mapping :
# 0 → normal (bleu)
# 1 → anomalies DBSCAN sauf top 10 (rouge)
# 2 → top 10 (jaune)
df_merged['plot_group'] = 'Normal'
df_merged.loc[(df_merged['dbscan_anomaly'] == 1), 'plot_group'] = 'Anomalie'
df_merged.loc[df_merged['highlight_top10'] == 1, 'plot_group'] = 'Top 10'

# 3. Graphe
plt.figure(figsize=(10, 6))
sns.scatterplot(
    data=df_merged,
    x='pca_1',
    y='pca_2',
    hue='plot_group',
    palette={'Normal': 'blue', 'Anomalie': 'red', 'Top 10': 'gold'},
    style='plot_group',
    s=100,
    alpha=0.7
)
plt.title("📊 Anomalies DBSCAN avec mise en évidence du Top 10 (PCA)")
plt.xlabel("Composante principale 1")
plt.ylabel("Composante principale 2")
plt.legend(title="Groupe")
plt.grid(True)
plt.show()







# Étape 1 : Calculer les loadings de PCA = contribution des variables aux axes PCA
loadings = pd.DataFrame(
    pca.components_.T,
    index=X.columns,
    columns=['PC1', 'PC2']
)

# Étape 2 : Calculer les contributions de chaque variable pour chaque client du top 10
top10_pca = df_merged.loc[top10_indices, ['pca_1', 'pca_2']]

# Contiendra les top 2 variables qui expliquent la position PCA
top_pca_vars = []

for idx, row in top10_pca.iterrows():
    # Produit scalaire entre position (pca_1, pca_2) et loadings = importance relative des features
    contribs = row['pca_1'] * loadings['PC1'] + row['pca_2'] * loadings['PC2']
    top2 = contribs.abs().sort_values(ascending=False).head(2).index
    top_pca_vars.append(top2)

# Étape 3 : Ajouter ces infos dans df_final_top10
df_final_top10['pca_var_1'] = [x[0] for x in top_pca_vars]
df_final_top10['pca_var_2'] = [x[1] for x in top_pca_vars]

# Affichage
print("🔎 Top 10 avec variables responsables de leur isolement (selon PCA) :")
print(df_final_top10[['PARTY_KEY', 'suspicion_score', 'pca_var_1', 'pca_var_2']])