-
Notifications
You must be signed in to change notification settings - Fork 0
/
dashboard.py
143 lines (120 loc) · 6.79 KB
/
dashboard.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
import pandas as pd
import streamlit as st
import requests
import plotly.express as px
def format_number(value):
if value >= 1000000000:
value = f'{(value / 1000000000):.2f}B'
elif value >= 1000000:
value = f'{(value / 1000000):.2f}M'
elif value >= 1000:
value = f'{(value / 1000):.2f}K'
return value
st.set_page_config(layout='wide', page_title='Dashboard de Vendas', page_icon=':shopping_trolley:')
st.title('Dashboard de Vendas :shopping_trolley:')
url = 'https://labdados.com/produtos'
regions = ['Brasil', 'Centro-Oeste', 'Nordeste', 'Sudeste', 'Sul']
st.sidebar.title('Filtros')
region = st.sidebar.selectbox('Região', regions)
if region == 'Brasil':
region = ''
all_years = st.sidebar.checkbox('Dados de todo o período', value=True)
if all_years:
ano = ''
else:
ano = st.sidebar.slider('Ano', 2020, 2023)
query_string = {'region': region.lower(), 'ano': ano}
response = requests.get(url, params=query_string)
df = pd.DataFrame.from_dict(response.json())
df['Data da Compra'] = pd.to_datetime(df['Data da Compra'], format='%d/%m/%Y')
filtro_vendedores = st.sidebar.multiselect('Vendedores', df['Vendedor'].unique())
if filtro_vendedores:
df = df[df['Vendedores'].isin(filtro_vendedores)]
## Map Income per State ##
receita_estados = df.groupby('Local da compra')['Preço'].sum()
receita_estados = df.drop_duplicates(subset='Local da compra')[['Local da compra', 'lat', 'lon']].merge(receita_estados, left_on='Local da compra', right_index=True).sort_values('Preço', ascending=False)
fig_receita_estados = px.bar(receita_estados.head(),
x='Local da compra', y='Preço', text_auto=True, title='Top Estados por Receita')
fig_map = px.scatter_geo(receita_estados,
lat='lat', lon='lon', scope='south america', size='Preço', template='seaborn',
title='Receita por Estado', hover_name='Local da compra', hover_data={'lat': False, 'lon': False},
)
## Map Sell by State ##
vendas_estados = df.groupby('Local da compra')['Local da compra'].count().rename('Vendas')
vendas_estados = df.drop_duplicates(subset='Local da compra')[['Local da compra', 'lat', 'lon']].merge(vendas_estados, left_on='Local da compra', right_index=True)
fig_vendas_estados = px.bar(vendas_estados.head(), x='Local da compra', y='Vendas', text_auto=True, title='Top Estados por vendas')
## Monthly Income ##
receita_mensal = df.set_index('Data da Compra').groupby(pd.Grouper(freq='ME'))['Preço'].sum().reset_index()
receita_mensal['Ano'] = receita_mensal['Data da Compra'].dt.year
receita_mensal['Mes'] = receita_mensal['Data da Compra'].dt.month
fig_receita_mensal = px.line(receita_mensal, x='Mes', y='Preço',
markers=True, range_y=(0, receita_mensal.max()),
color='Ano', line_dash='Ano', title='Receita Mensal')
fig_receita_mensal.update_layout(yaxis_title='Receita')
## Monthly sell ##
vendas_mensal = df.set_index('Data da Compra').groupby(pd.Grouper(freq='ME')).size().reset_index(name='Vendas')
vendas_mensal['Ano'] = vendas_mensal['Data da Compra'].dt.year
vendas_mensal['Mes'] = vendas_mensal['Data da Compra'].dt.month
fig_vendas_mensal = px.line(vendas_mensal, x='Mes', y='Vendas',
markers=True, range_y=(0, vendas_mensal.max()),
color='Ano', line_dash='Ano', title='Vendas Mensal')
fig_vendas_mensal.update_layout(yaxis_title='Vendas')
## Income per Category ##
receita_categoria = df.groupby('Categoria do Produto')['Preço'].sum().sort_values(ascending=False)
fig_receita_categoria = px.bar(receita_categoria, text_auto=True, title='Receita por Categoria')
## Sell per Category ##
vendas_categoria = df.groupby('Categoria do Produto').size().reset_index(name='Vendas').sort_values(by='Vendas', ascending=False)
fig_vendas_categoria = px.bar(vendas_categoria, x='Vendas', y='Categoria do Produto', text_auto=True, title='Vendas por Categoria')
## Seller Table ##
vendedores = pd.DataFrame(df.groupby('Vendedor')['Preço'].agg(['sum', 'count']))
#### Streamlit View ####
tab1, tab2, tab3 = st.tabs(['Receita', 'Quantidade de Vendas', 'Vendedores'])
## Receita ##
with tab1:
col1, col2 = st.columns([2, 5])
with col1:
st.metric('Receita Total', format_number(df['Preço'].sum()), 'R$')
st.plotly_chart(fig_map, use_container_width=True)
st.plotly_chart(fig_receita_estados)
with col2:
st.metric('Nº de Vendas', format_number(df.shape[0]))
st.plotly_chart(fig_receita_mensal, use_container_width=True)
st.plotly_chart(fig_receita_categoria)
## Quantidade de Vendas ##
with tab2:
col1, col2 = st.columns([2, 5])
with col1:
st.metric('Receita Total', format_number(df['Preço'].sum()), 'R$')
n_estados = st.number_input('Quantidade de Estados', 1, vendas_estados.shape[0], 5)
df_vendas_estados = vendas_estados.sort_values(by='Vendas', ascending=False).head(n_estados)
with col2:
st.metric('Nº de Vendas', format_number(df.shape[0]))
col1, col2 = st.columns([2, 5])
with col1:
fig_map_vendas_estado = px.scatter_geo(df_vendas_estados,
lat='lat', lon='lon', scope='south america', size='Vendas', template='seaborn',
title=f'Top {n_estados} - Estados x Vendas', hover_name='Local da compra', hover_data={'lat': False, 'lon': False},
)
st.plotly_chart(fig_map_vendas_estado)
fig_vendas_estados = px.bar(df_vendas_estados, x='Vendas', y=df_vendas_estados['Local da compra'],
text_auto=True, title=f'Top {n_estados} - Estados x Vendas')
st.plotly_chart(fig_vendas_estados)
with col2:
st.plotly_chart(fig_vendas_mensal, use_container_width=True)
st.plotly_chart(fig_vendas_categoria, use_container_width=True)
## Vendedores ##
with tab3:
n_vendedores = st.number_input('Quantidade de Vendedores', 2, 10, 5)
col1, col2 = st.columns(2)
with col1:
st.metric('Receita Total', format_number(df['Preço'].sum()), 'R$')
df_vendedores = vendedores.sort_values(by='sum', ascending=False).head(n_vendedores)
fig_receita_vendeores = px.bar(df_vendedores, x='sum', y=df_vendedores.index,
text_auto=True, title=f'Top {n_vendedores} Receitas por Vendedor')
st.plotly_chart(fig_receita_vendeores)
with col2:
st.metric('Nº de Vendas', format_number(df.shape[0]))
df_vendedores = vendedores.sort_values(by='count', ascending=False).head(n_vendedores)
fig_vendas_vendeores = px.bar(df_vendedores, x='count', y=df_vendedores.index,
text_auto=True, title=f'Top {n_vendedores} Vendas por Vendedor')
st.plotly_chart(fig_vendas_vendeores)