Skip to content
TheChatArchiveThe Chat Archive
o1-mini-2024-09-12· OpenAIAi2 WildChat-4.8M (AI2)

import pandas as pd import plotly.express as px from dash import Dash, dcc, html, Input,…

  1. 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 (R1,00)(RITMO−CONQUISTA)′:′sum′,′Ativac\ca~oM0HC/DU(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 (R1,00)(RITMO−CONQUISTA)′:′Ativac\ca~oTotal′,′Ativac\ca~oM0HC/DU(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]

    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_data
    

    if name == 'main': app.run_server(debug=True)

    ajsute o codigo para abrir uma caixa para que possamos selecionar o arquivo que vamos trabalhar

  2. 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

    1. Componente de Upload de Arquivos (dcc.Upload):

      • Adicionei um componente dcc.Upload no layout para permitir que o usuário selecione ou arraste um arquivo CSV.
      • Estilizei o componente para torná-lo mais intuitivo.
    2. Armazenamento dos Dados (dcc.Store):

      • Utilizei o componente dcc.Store para armazenar os dados processados a partir do arquivo CSV carregado. Isso facilita o compartilhamento desses dados entre diferentes callbacks sem depender de variáveis globais.
    3. 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.
    4. Callback para Manipular o Upload (handle_file_upload):

      • Este callback é acionado quando um arquivo é carregado.
      • Utiliza a função parse_contents para 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.
    5. 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.
    6. 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.Store de 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.
    7. 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.

    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.Loading para 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 função parse_contents para 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.