import pandas as pd import plotly.express as px from dash import Dash, dcc, html, Input,…
- User
import pandas as pd import plotly.express as px from dash import Dash, dcc, html, Input, Output, dash_table, State import locale
Configurar a localização para lidar com números no formato brasileiro
locale.setlocale(locale.LC_NUMERIC, 'pt_BR.UTF-8')
Carregar o arquivo CSV
file_path = r'C:\Users\dourado\Downloads\matinal_analitico_ritmo (89).csv' df = pd.read_csv(file_path, delimiter=';') # Usar o delimitador correto
Verifique o nome das colunas
df.columns = df.columns.str.strip() # Remover espaços extras print(df.columns) # Mostra os nomes das colunas
Remover executivos indesejados
executivos_indesejados = ['regis alves dourado', 'TBA - CN - JUNDIAI - 2'] df = df[~df['Executivo'].isin(executivos_indesejados)]
Agrupar os dados por Executivo e somar as métricas
df_agrupado = df.groupby('Executivo').agg({ 'Aceites M0 Total (RITMO - CONQUISTA)': 'sum', 'Aceites M0 HC/DU (RITMO - CONQUISTA)': 'sum', 'Ativação M0 Total (R 1,00) (RITMO - CONQUISTA)': 'sum' }).reset_index()
Renomear as colunas para facilitar o uso
df_agrupado.rename(columns={ 'Aceites M0 Total (RITMO - CONQUISTA)': 'Aceites Total', 'Aceites M0 HC/DU (RITMO - CONQUISTA)': 'Aceites HC/DU', 'Ativação M0 Total (R 1,00) (RITMO - CONQUISTA)': 'Ativação HC/DU' }, inplace=True)
Adicionar coluna com o primeiro nome dos executivos
df_agrupado['Primeiro Nome'] = df_agrupado['Executivo'].str.split().str[0]
Layout do dashboard
app = Dash(name)
Criação do layout
app.layout = html.Div([ html.H1("Dashboard de Performance Executiva"),
# Botão para selecionar todos html.Button('Selecionar Todos', id='selecionar-todos', n_clicks=0), # Caixa de seleção para selecionar executivos html.Label('Selecione os Executivos:'), dcc.Checklist( id='executivo-checkbox', options=[{'label': exec, 'value': exec} for exec in df['Executivo'].unique() if exec != 'regis alves dourado'], value=[], inline=True ), # Dropdown para selecionar uma métrica html.Label('Selecione uma Métrica:'), dcc.Dropdown( id='metrica-dropdown', options=[ {'label': 'Aceites M0 Total', 'value': 'Aceites Total'}, {'label': 'Ativação M0 Total (R$ 1,00)', 'value': 'Ativação Total'} ], value='Aceites Total', clearable=False ), # Dropdown para selecionar a ordem html.Label('Selecione a Ordem:'), dcc.Dropdown( id='ordem-dropdown', options=[ {'label': 'Do Maior para o Menor', 'value': 'desc'}, {'label': 'Do Menor para o Maior', 'value': 'asc'} ], value='desc', clearable=False ), # Gráfico: Comparação de Aceites e Ativação por Executivo dcc.Graph(id='grafico-diario'), # Tabela: Dados de Aceites e Ativação por Executivo dash_table.DataTable(id='tabela-executivos')])
@app.callback( [Output('grafico-diario', 'figure'), Output('tabela-executivos', 'data')], [Input('executivo-checkbox', 'value'), Input('metrica-dropdown', 'value'), Input('ordem-dropdown', 'value')] ) def update_graphs(executivos_selecionados, metrica_selecionada, ordem_selecionada): # Filtra o DataFrame agrupado com base nos executivos selecionados df_filtrado = df_agrupado[df_agrupado['Executivo'].isin(executivos_selecionados)]
# Se não houver executivos selecionados, retorne gráfico e tabela vazios if df_filtrado.empty: return {}, [] # Gráfico vazio e tabela vazia # Ordenar o DataFrame df_filtrado = df_filtrado.sort_values(by=metrica_selecionada, ascending=(ordem_selecionada == 'asc')) # Criar gráfico de barras para Aceites e Ativação fig_diario = px.bar(df_filtrado, x='Primeiro Nome', y=['Aceites Total', 'Ativação Total'], title='Total de Aceites e Ativação por Executivo', labels={'value': 'Total', 'variable': 'Métricas'}, barmode='group', # Agrupar as barras color_discrete_sequence=['#00AEEF', '#003366']) # Usar cores da marca # Função para formatar o rótulo def format_label(total, hc_du): try: total = int(float(str(total).replace(',', '.'))) return f'{total}({hc_du})' except ValueError: return 'N/A' # ou algum outro valor padrão # Adicionar rótulos nas barras com o novo formato for i, col in enumerate(['Aceites Total', 'Ativação Total']): fig_diario.data[i].text = [format_label(total, hc_du) for total, hc_du in zip(df_filtrado[col], df_filtrado[f'{col.split()[0]} HC/DU'])] fig_diario.data[i].textposition = 'outside' # Ajustes de layout fig_diario.update_layout( xaxis_title='Executivo', yaxis_title='Total', title_font=dict(size=18), xaxis={'title_font': {'size': 14, 'family': 'Arial', 'color': '#003366'}, 'tickangle': 45}, yaxis={'title_font': {'size': 14, 'family': 'Arial', 'color': '#003366'}}, margin=dict(l=40, r=40, t=40, b=150), # Aumentar a margem inferior para acomodar rótulos height=600 # Aumentar a altura do gráfico ) # Retornar dados para a tabela tabela_data = df_filtrado.to_dict('records') return fig_diario, tabela_dataif name == 'main': app.run_server(debug=True)
ajsute o codigo para abrir uma caixa para que possamos selecionar o arquivo que vamos trabalhar
- Assistant
Claro! Vamos ajustar o seu aplicativo Dash para incluir uma caixa de upload de arquivos, permitindo que o usuário selecione e carregue o arquivo CSV que deseja trabalhar. A seguir, apresento o código completo com as modificações necessárias, incluindo comentários para facilitar a compreensão:
import pandas as pd import plotly.express as px from dash import Dash, dcc, html, Input, Output, dash_table, State import locale import base64 import io # Inicializar o Dash app app = Dash(__name__) # Layout do dashboard app.layout = html.Div([ html.H1("Dashboard de Performance Executiva"), # Componente de upload de arquivos dcc.Upload( id='upload-data', children=html.Div([ 'Arraste e solte ou ', html.A('selecione o arquivo CSV') ]), style={ 'width': '100%', 'height': '60px', 'lineHeight': '60px', 'borderWidth': '1px', 'borderStyle': 'dashed', 'borderRadius': '5px', 'textAlign': 'center', 'margin-bottom': '20px' }, # Permitir apenas um arquivo multiple=False ), # Armazenar os dados processados dcc.Store(id='processed-data'), # Botão para selecionar todos html.Button('Selecionar Todos', id='selecionar-todos', n_clicks=0), # Caixa de seleção para selecionar executivos html.Label('Selecione os Executivos:'), dcc.Checklist( id='executivo-checkbox', options=[], # Será preenchido dinamicamente value=[], # Valor inicial vazio inline=True ), # Dropdown para selecionar uma métrica html.Label('Selecione uma Métrica:'), dcc.Dropdown( id='metrica-dropdown', options=[ {'label': 'Aceites M0 Total', 'value': 'Aceites Total'}, {'label': 'Ativação M0 Total (R$ 1,00)', 'value': 'Ativação Total'} ], value='Aceites Total', clearable=False ), # Dropdown para selecionar a ordem html.Label('Selecione a Ordem:'), dcc.Dropdown( id='ordem-dropdown', options=[ {'label': 'Do Maior para o Menor', 'value': 'desc'}, {'label': 'Do Menor para o Maior', 'value': 'asc'} ], value='desc', clearable=False ), # Gráfico: Comparação de Aceites e Ativação por Executivo dcc.Graph(id='grafico-diario'), # Tabela: Dados de Aceites e Ativação por Executivo dash_table.DataTable(id='tabela-executivos') ]) def parse_contents(contents, filename): """ Decodifica e processa o conteúdo do arquivo carregado. """ content_type, content_string = contents.split(',') decoded = base64.b64decode(content_string) try: if 'csv' in filename: # Configurar a localização para lidar com números no formato brasileiro locale.setlocale(locale.LC_NUMERIC, 'pt_BR.UTF-8') # Ler o CSV com o delimitador correto df = pd.read_csv(io.StringIO(decoded.decode('utf-8')), delimiter=';') else: return html.Div([ 'Arquivo não suportado. Por favor, carregue um arquivo CSV.' ]) except Exception as e: return html.Div([ 'Ocorreu um erro ao processar o arquivo.' ]) # Limpar nomes das colunas df.columns = df.columns.str.strip() print(df.columns) # Opcional: para depuração # Remover executivos indesejados executivos_indesejados = ['regis alves dourado', 'TBA - CN - JUNDIAI - 2'] df = df[~df['Executivo'].isin(executivos_indesejados)] # Agrupar os dados por Executivo e somar as métricas df_agrupado = df.groupby('Executivo').agg({ 'Aceites M0 Total (RITMO - CONQUISTA)': 'sum', 'Aceites M0 HC/DU (RITMO - CONQUISTA)': 'sum', 'Ativação M0 Total (R$ 1,00) (RITMO - CONQUISTA)': 'sum', 'Ativação M0 HC/DU (R$ 1,00) (RITMO - CONQUISTA)': 'sum' }).reset_index() # Renomear as colunas para facilitar o uso df_agrupado.rename(columns={ 'Aceites M0 Total (RITMO - CONQUISTA)': 'Aceites Total', 'Aceites M0 HC/DU (RITMO - CONQUISTA)': 'Aceites HC/DU', 'Ativação M0 Total (R$ 1,00) (RITMO - CONQUISTA)': 'Ativação Total', 'Ativação M0 HC/DU (R$ 1,00) (RITMO - CONQUISTA)': 'Ativação HC/DU' }, inplace=True) # Adicionar coluna com o primeiro nome dos executivos df_agrupado['Primeiro Nome'] = df_agrupado['Executivo'].str.split().str[0] return df_agrupado @app.callback( Output('processed-data', 'data'), Output('executivo-checkbox', 'options'), Output('executivo-checkbox', 'value'), Input('upload-data', 'contents'), State('upload-data', 'filename') ) def handle_file_upload(contents, filename): if contents is not None: df_agrupado = parse_contents(contents, filename) if isinstance(df_agrupado, pd.DataFrame): # Converter o DataFrame para um dicionário para armazenar no dcc.Store data = df_agrupado.to_dict('records') # Preparar as opções para o checklist dos executivos options = [{'label': exec, 'value': exec} for exec in df_agrupado['Executivo'].unique()] # Opcional: selecionar todos por padrão após o upload value = df_agrupado['Executivo'].unique().tolist() return data, options, value # Retorna dados, opções e valores selecionados else: # Em caso de erro na análise do arquivo return None, [], [] else: return None, [], [] @app.callback( Output('executivo-checkbox', 'value'), Input('selecionar-todos', 'n_clicks'), State('processed-data', 'data') ) def selecionar_todos(n_clicks, data): if n_clicks > 0 and data is not None: executivos = [item['Executivo'] for item in data] return executivos return [] @app.callback( [Output('grafico-diario', 'figure'), Output('tabela-executivos', 'data')], [Input('executivo-checkbox', 'value'), Input('metrica-dropdown', 'value'), Input('ordem-dropdown', 'value'), Input('processed-data', 'data')] ) def update_graphs(executivos_selecionados, metrica_selecionada, ordem_selecionada, data): if data is None or not executivos_selecionados: return {}, [] # Gráfico vazio e tabela vazia # Converter de volta para DataFrame df_filtrado = pd.DataFrame(data) df_filtrado = df_filtrado[df_filtrado['Executivo'].isin(executivos_selecionados)] if df_filtrado.empty: return {}, [] # Ordenar o DataFrame df_filtrado = df_filtrado.sort_values(by=metrica_selecionada, ascending=(ordem_selecionada == 'asc')) # Criar gráfico de barras para Aceites e Ativação fig_diario = px.bar(df_filtrado, x='Primeiro Nome', y=['Aceites Total', 'Ativação Total'], title='Total de Aceites e Ativação por Executivo', labels={'value': 'Total', 'variable': 'Métricas'}, barmode='group', # Agrupar as barras color_discrete_sequence=['#00AEEF', '#003366']) # Usar cores da marca # Função para formatar o rótulo def format_label(total, hc_du): try: total = int(float(str(total).replace(',', '.'))) return f'{total}({hc_du})' except ValueError: return 'N/A' # ou algum outro valor padrão # Adicionar rótulos nas barras com o novo formato for i, col in enumerate(['Aceites Total', 'Ativação Total']): hc_du_col = f'{col.split()[0]} HC/DU' fig_diario.data[i].text = [format_label(total, hc_du) for total, hc_du in zip(df_filtrado[col], df_filtrado[hc_du_col])] fig_diario.data[i].textposition = 'outside' # Ajustes de layout fig_diario.update_layout( xaxis_title='Executivo', yaxis_title='Total', title_font=dict(size=18), xaxis={'title_font': {'size': 14, 'family': 'Arial', 'color': '#003366'}, 'tickangle': 45}, yaxis={'title_font': {'size': 14, 'family': 'Arial', 'color': '#003366'}}, margin=dict(l=40, r=40, t=40, b=150), # Aumentar a margem inferior para acomodar rótulos height=600 # Aumentar a altura do gráfico ) # Retornar dados para a tabela tabela_data = df_filtrado.to_dict('records') return fig_diario, tabela_data if __name__ == '__main__': app.run_server(debug=True)Explicação das Modificações
-
Componente de Upload de Arquivos (
dcc.Upload):- Adicionei um componente
dcc.Uploadno layout para permitir que o usuário selecione ou arraste um arquivo CSV. - Estilizei o componente para torná-lo mais intuitivo.
- Adicionei um componente
-
Armazenamento dos Dados (
dcc.Store):- Utilizei o componente
dcc.Storepara armazenar os dados processados a partir do arquivo CSV carregado. Isso facilita o compartilhamento desses dados entre diferentes callbacks sem depender de variáveis globais.
- Utilizei o componente
-
Função
parse_contents:- Esta função decodifica o conteúdo base64 do arquivo carregado, lê o CSV usando
pandas, realiza o processamento necessário (limpeza de colunas, remoção de executivos indesejados, agregação das métricas etc.) e retorna o DataFrame agrupado. - Caso o arquivo não seja um CSV ou ocorra algum erro durante a leitura, a função retorna uma mensagem de erro apropriada.
- Esta função decodifica o conteúdo base64 do arquivo carregado, lê o CSV usando
-
Callback para Manipular o Upload (
handle_file_upload):- Este callback é acionado quando um arquivo é carregado.
- Utiliza a função
parse_contentspara processar o arquivo. - Armazena os dados processados no
dcc.Store(processed-data). - Atualiza as opções e valores do checklist de executivos com base nos dados carregados.
- Se ocorrer um erro no processamento, retorna valores vazios.
-
Callback para Selecionar Todos os Executivos (
selecionar_todos):- Este callback é acionado quando o botão "Selecionar Todos" é clicado.
- Define todos os executivos presentes nos dados carregados como selecionados no checklist.
- Isso facilita a seleção rápida de todos os executivos.
-
Callback para Atualizar Gráficos e Tabela (
update_graphs):- Atualiza o gráfico de barras e a tabela com base nos executivos selecionados, na métrica escolhida e na ordem selecionada.
- Verifica se há dados carregados e se pelo menos um executivo está selecionado. Caso contrário, retorna gráficos e tabelas vazias.
- Converte os dados armazenados no
dcc.Storede volta para um DataFrame para facilitar o processamento. - Gera o gráfico de barras comparando "Aceites Total" e "Ativação Total" para cada executivo.
- Formata os rótulos das barras para incluir tanto o total quanto o valor "HC/DU".
- Atualiza a tabela com os dados filtrados e ordenados.
-
Remoção do Carregamento Inicial do CSV:
- Removi o carregamento inicial do arquivo CSV a partir de um caminho fixo (
file_path). Agora, o aplicativo depende exclusivamente do arquivo carregado pelo usuário.
- Removi o carregamento inicial do arquivo CSV a partir de um caminho fixo (
Considerações Adicionais
-
Validação de Arquivos: Atualmente, o aplicativo verifica se o arquivo contém "csv" no nome para processá-lo como CSV. Você pode aprimorar essa validação verificando realmente o conteúdo ou a extensão do arquivo.
-
Feedback ao Usuário: Para melhorar a experiência do usuário, você pode adicionar componentes como
dcc.Loadingpara indicar que o processamento está em andamento após o upload do arquivo. -
Estilos e Layout: Dependendo das suas preferências, você pode ajustar os estilos e o layout para deixar o dashboard mais atraente e intuitivo.
-
Manutenção da Localização: A configuração de localização (
pt_BR.UTF-8) é feita dentro da funçãoparse_contentspara garantir que seja aplicada cada vez que um novo arquivo é carregado.
Com essas modificações, o seu aplicativo Dash agora permite que os usuários carreguem dinamicamente diferentes arquivos CSV, facilitando a análise de diferentes conjuntos de dados conforme necessário.
-