Dashbord_python/utils.py at main · Polyana-4ana/Dashbord_python · GitHub

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
from dataset import df
import pandas as pd
import streamlit as st
import time

def format_number(value, prefix=''):
    for unit in ['', 'mil']:
        if value < 1000:
            return f'{prefix} {value:.2f} {unit}'
        value /= 1000
    return f'{prefix} {value:.2f} milhões'

#garantir que a coluna de datas é datetime
df['Data da Compra'] = pd.to_datetime(df['Data da Compra'], dayfirst=True)

df_receita_estado = df.groupby('Local da compra')[['Preço']].sum()

# Para registros duplicados, juntar latitude e longitude
df_receita_estado = (
    df.drop_duplicates(subset='Local da compra')[['Local da compra', 'lat', 'lon']]
      .merge(df_receita_estado, left_on='Local da compra', right_index=True)
      .sort_values('Preço', ascending=False)
)

df_receita_mensal = (
    df.set_index('Data da Compra')
      .groupby(pd.Grouper(freq='M'))['Preço']
      .sum()
      .reset_index()
)

df_receita_mensal['Ano'] = df_receita_mensal['Data da Compra'].dt.year
df_receita_mensal['Mes'] = df_receita_mensal['Data da Compra'].dt.month_name()

#print(df_receita_mensal)

df_receita_categoria = df.groupby('Categoria do Produto')[['Preço']].sum().sort_values('Preço', ascending=False)
#print(df_receita_categoria.head())

df_vendedor = pd.DataFrame(df.groupby('Vendedor')['Preço'].agg(['sum','count']))
print(df_vendedor)

# convertendo csv

@st.cache_data
def convert_csv(df):
    return df.to_csv(index=False).encode('utf-8')

def mensagem_sucesso():
    success = st.success('Arquivo baixado com sucesso',
        icon = "✅"
        )
    time.sleep(3)
    success.empty()