O seguinte projeto trata-se do desenvolvimento de um painel interativo construído em linguagem Python com as bibliotecas Plotly e Streamlit para visualização de dados e as bibliotecas pandas e Numpy para manipulação de dados. O dataset utilizado neste projeto foi baixado neste link e tem o registro de 3900 clientes com 18 colunas de uma loja de roupas dos Estados Unidos, que nesse projeto denominamos a loja com o nome “Clothing Store” e criamos uma logo para representá-la e fazer parte do painel interativo, com as visualizações, filtros e cartões, ambos, com o intuito de facilitar a tomada de decisões informadas e entregar um projeto visualmente elegante. O projeto seguiu etapas de pré-processamento de dados em um arquivo jupyter notebook e construção do painel interativo com duas páginas em arquivos py, além de discussões e planejamento sobre como entregar um projeto útil para os tomadores de decisão.

• Verificação da estrutura do projeto, valores nulos e duplicatas.
• Dados estavam em ótimo formato, sem necessidade de modificações.
• Por motivos didáticos e de fácil interpretação, foi decidido traduzir os dados de inglês para português.
  • Renomeação de colunas e valores categóricos.
• Criação de uma coluna adicional baseada na localização dos clientes.
  • Inclusão dos códigos dos estados americanos para reconhecimento no gráfico do mapa.
• Salvamento do arquivo modificado denominado como df.
• Este arquivo será utilizado nas análises na etapa da construção do painel interativo.

• Optou-se por construir duas páginas com a biblioteca Streamlit:
  • Primeira Página: Focada na distribuição de clientes.
  • Segunda Página: Focada nos valores de compra dos clientes.
• Ambas as páginas possuem:
  • Sidebar: Botões de navegação, logo da loja e filtros.
  • Conteúdo Principal: Cartões KPIs relevantes e gráficos.
• Tipos de gráficos utilizados: barras, setores, treemap e mapa.
  • Objetivo: Variar os gráficos no projeto e facilitar a geração de insights.

Primeira Página:

• Seis gráficos referentes à contagem de clientes:
  • Gráfico de mapa: Quantidade de clientes por localização.
  • Gráfico de pizza: Clientes por temporada.
  • Três gráficos de barra: Métodos de pagamento, tipo de envio e frequência de compra dos clientes.
  • Gráfico treemap: Categoria do produto, item comprado e tamanho do item.
• Objetivo: Visão geral da quantidade de clientes na loja segundo diferentes atributos.

Segunda Página:

• Seis gráficos referentes ao valor de compra dos clientes:
  • Gráfico de mapa: Valor total em cada localização.
  • Gráfico de pizza: Valor comprado por temporada.
  • Três gráficos de barra: Valores de compra por métodos de pagamento, tipo de envio e frequência de compra dos clientes.
  • Gráfico treemap: Total comprado por categoria do produto, item comprado e tamanho do item.
• Objetivo: Visão geral da situação de compra dos clientes na loja segundo diferentes colunas do dataset.

📍 Link do Deploy do Painel Interativo

1. Micael José de Lima
2. Enrico Cassimiro Vertano Germânio
3. Fernando Torres da Silva

import streamlit as st
import pandas as pd
import numpy as np
import plotly.express as px
from PIL import Image

├── requirements.txt          <- O arquivo de requisitos para reproduzir o ambiente de análise, por exemplo, gerado com `pip congelamento > requisitos.txt
│
├── LICENSE
│
├── README.md                 <- O Readme de nível superior para desenvolvedores que usam esse projeto
│ 
├── streamlit                 <- configuração do design do layout
│
├── Imagem                    <- Contém a logo do projeto
│
├── Documentação              <- Contém a documentação do projeto e a apresentação feita em sala de aula
│
├── pages                     <- Contém a páginas utilizadas no projeto, aqui apenas a 2º página
│   
├── 1_clientes                <- Página principal de inicialização do projeto
│ 
├── painel                    <- Capturas do painel interativo e arquitetura
│ 
├── datasets                  <- datasets utilizados no projeto, incluindo o arquivo original e o arquivo após o processamento.
│   ├── shopping_trends.csv   <- datasets de perfil de clientes original
│   ├── df.csv                <- datasets modificado
│
└──notebook                   <- caderno jupyter notebook utilizado para o pré-processamento de dados

Conteúdos de referência:

• youtube/ youtube/ youtube
• documentação-streamlit/ documentação-plotly