Documentação do Código Python

Importações:

streamlit: Biblioteca para criar interfaces web interativas.
pandas: Biblioteca para manipulação de dados em formato tabular.
plotly.express: Biblioteca para criação de gráficos interativos.
openpyxl: Biblioteca para leitura e escrita de arquivos Excel.

Configuração da Página:

st.set_page_config("WIDE"): Define o layout da página como "amplo", proporcionando mais espaço para os gráficos.

Leitura do Arquivo Excel:

df1 = pd.read_excel("Plan_vendas.xlsx", sheet_name="Plan", usecols="A:K", header=0):
    Lê o arquivo Excel "Plan_vendas.xlsx".
    Utiliza a planilha "Plan" como fonte de dados.
    Importa as colunas de "A" a "K".
    Assume a primeira linha como cabeçalho dos dados.
Armazena os dados em um DataFrame chamado df1.

Tratamento dos Dados:

df1["Data Emissão Pedido"] = pd.to_datetime(df1["Data Emissão Pedido"]):
    Converte a coluna "Data Emissão Pedido" para o formato de data.
df1 = df1.sort_values("Data Emissão Pedido"):
    Ordena o DataFrame por "Data Emissão Pedido" em ordem crescente.
df1["Data Emissão Pedido"] = df1["Data Emissão Pedido"].apply(lambda x: str(x.year) + "-" + str(x.month)):
    Cria uma nova coluna "Data Emissão Pedido" que contém o ano e o mês da data original.

Seleção de Filtros:

month = st.sidebar.selectbox("Selecione Produto", df1["Produto"].unique()):
    Cria um menu suspenso na barra lateral para selecionar o "Produto".
    As opções disponíveis são os valores únicos presentes na coluna "Produto" do DataFrame.
prod = st.sidebar.selectbox("Selecione o Estado",df1["Estado"].unique()):
    Cria um menu suspenso na barra lateral para selecionar o "Estado".
    As opções disponíveis são os valores únicos presentes na coluna "Estado" do DataFrame.
cliente = st.sidebar.selectbox("Selecione Cliente",df1["Canal de Vendas"].unique()):
    Cria um menu suspenso na barra lateral para selecionar o "Canal de Vendas".
    As opções disponíveis são os valores únicos presentes na coluna "Canal de Vendas" do DataFrame.

Filtragem dos Dados:

df_filtered = df1[df1["Data Emissão Pedido"] == month]:
    Filtra o DataFrame df1 para selecionar apenas as linhas onde a coluna "Data Emissão Pedido" corresponde ao mês selecionado.
    O DataFrame filtrado é armazenado em df_filtered.

Visualização de Dados:

Gráfico de Pizza:

fig_kind = px.pie(df_filtered, values="Valor", names="Produto", title="Analise de Vendas "):
    Cria um gráfico de pizza utilizando a biblioteca plotly.express.
    O gráfico exibe a distribuição do "Valor" por "Produto" no DataFrame filtrado.
    O título do gráfico é "Analise de Vendas".
col4.plotly_chart(fig_kind, use_container_width=True):
    Exibe o gráfico de pizza na quarta coluna da interface Streamlit.
    O gráfico ocupa toda a largura disponível da coluna.

Tabela de Dados Filtrados:

st.write(df_filtered):
    Exibe o DataFrame filtrado df_filtered na interface Streamlit.

Gráfico de Barras por Dia:

fig_date = px.bar(df_filtered, x="Data Emissão Pedido", y="Canal de Vendas", color="Valor", title="Pedido"):
    Cria um gráfico de barras utilizando a biblioteca plotly.express.
    O gráfico exibe a distribuição do "Valor" por "Data Emissão Pedido" e "Canal de Vendas" no DataFrame filtrado.
    A cor das barras representa o "Valor".
    O título do gráfico é "Pedido".
col1.plotly_chart(fig_date, use_container_width=True):
    Exibe o gráfico de barras na primeira coluna da interface Streamlit.