KadiPy est une bibliothèque Python conçue pour les agronomes, chercheurs et développeurs travaillant sur les données agricoles au Bénin et en Afrique de l'Ouest. Elle fournit une interface unifiée pour traiter les données météorologiques, les prix de marché et les données de récoltes, avec une approche hors ligne en premier (offline-first).
# Depuis PyPI
pip install kadipy
# Ou en mode développement local depuis les sources
pip install -e ".[dev]"Nécessite Python 3.9 ou supérieur.
kadi.market : analyse économique des marchés agricoles béninois.
- Récupération des prix via l'API WFP DataBridges.
- Prévisions de prix par régression linéaire saisonnière.
- Calcul des coûts de transport avec données routières réelles (OSRM).
- Aide à la décision : arbitrage spatial, stockage stratégique, score de confiance.
- Backtesting des prévisions (MAE, RMSE, MAPE, précision directionnelle).
kadi.weather : données météorologiques et indicateurs agronomiques.
- Prévisions et historiques via Open-Meteo. Données de précipitation haute résolution via CHIRPS (Climate Hazards Group, UC Santa Barbara) en mode hybride automatique : CHIRPS pour l'historique long terme, Open-Meteo pour les données récentes. Repli automatique sur Open-Meteo si CHIRPS est inaccessible (mode hors ligne ou serveur indisponible).
- Phénologie : détection de la saison des pluies (Sivakumar, Walter-Anyadike), GDD.
- Hydrologie : évapotranspiration ET0 (Hargreaves-Samani), bilan hydrique FAO-56.
- Risques climatiques : indice de sécheresse (SPI), probabilité de pluie.
kadi.kidas : pipeline de traitement des données agricoles.
- Nettoyage : valeurs manquantes, doublons, valeurs aberrantes.
- Validation : types, plages de valeurs, rapport d'erreurs.
- Normalisation : noms de cultures, marchés, unités et coordonnées GPS.
from kadi.weather import WeatherSession
from kadi.market import Market
# Données météo pour Parakou
session = WeatherSession(latitude=9.33, longitude=2.63, name="Parakou")
previsions = session.forecast(days=3)
print(previsions["data"])
# Analyse de marché
marche = Market(latitude=9.30, longitude=2.08, location="Parakou",
weather_session=session)
# Recommandation d'arbitrage
resultat = marche.decision_support.arbitrage_decision(
crop="maize",
origine="Parakou",
destination="Cotonou",
qty_tons=10.0,
)
print(resultat["recommandation"])
print(f"Score de confiance : {resultat['confidence_score']:.0%}")La documentation complète est disponible sur : https://delsDin.github.io/kadipy/
- Dépôt GitHub : https://github.com/delsDin/kadipy
- Licence : MIT
- Python : >= 3.9