Aprenda Python: Criando Dashboards Interativos com Streamlit

O que é o Streamlit?

O Streamlit é uma biblioteca de código aberto que permite criar aplicativos web para projetos de Ciência de Dados e Machine Learning de forma extremamente rápida. A grande vantagem é que você não precisa ter conhecimentos profundos de HTML, CSS ou JavaScript; todo o layout é construído usando apenas Python.

Ele é amplamente utilizado por analistas de dados para compartilhar visualizações, tabelas interativas e modelos de predição com outros membros da equipe ou clientes.

Instalação e Execução

Para começar a criar seus dashboards, instale a biblioteca no seu ambiente virtual:

pip install streamlit

Diferente de outros scripts, você deve executar o comando especial no terminal para abrir o servidor local:

streamlit run seu_arquivo.py

🛠️ Código do Dashboard Profissional

Abaixo, apresentamos um código completo que inclui uma barra lateral para filtros, exibição de métricas e um gráfico de exemplo.

import streamlit as st
import pandas as pd
import numpy as np

# Configuração da página
st.set_page_config(page_title="Dashboard Código da Hora", layout="wide")

# Barra Lateral (Sidebar)
st.sidebar.title("Configurações")
filtro = st.sidebar.slider("Selecione um valor", 0, 100, 50)

# Corpo Principal
st.title("📊 Painel de Análise de Dados")
st.write(f"O valor selecionado no filtro lateral foi: **{filtro}**")

# Criando dados fictícios
dados = pd.DataFrame(
    np.random.randn(20, 3),
    columns=['Vendas', 'Custo', 'Lucro']
)

# Colunas para Métricas
col1, col2, col3 = st.columns(3)
col1.metric("Vendas Totais", "R$ 5.000", "+10%")
col2.metric("Custo Médio", "R$ 2.300", "-5%")
col3.metric("Lucro Líquido", "R$ 2.700", "+15%")

# Exibindo Gráfico
st.subheader("Tendência de Crescimento")
st.line_chart(dados)

# Tabela Interativa
st.subheader("Tabela de Dados Brutos")
st.dataframe(dados)

💼 Por que aprender Streamlit?

No mercado de trabalho atual, a capacidade de comunicar dados visualmente é tão importante quanto saber analisá-los. Empresas valorizam profissionais que conseguem criar ferramentas internas rápidas que automatizam a visualização de KPIs (indicadores de desempenho).

Além disso, o Streamlit possui integração nativa com bibliotecas como Pandas, Plotly e Matplotlib, tornando-o a escolha ideal para o ecossistema de dados em Python.