Olá, bem-vindo, bem-vinda na nossa aula 4 da imersão de dados com Python. E agora a gente vai fazer coisas bem interessantes. Inclusive, a gente vai mostrar a nossa maneira de resolver aquele desafio que a gente falou na última aula. Mas antes disso, eu quero mostrar para você o que a gente vai construir hoje. A construção do que vai ser feito vai ser algo muito parecido com esse dashboard que você está vendo. Então você vai poder criar um site no qual tenha as métricas gerais com o salário das pessoas, um gráfico com os salários. Você vai
poder filtrar. Então, por exemplo, posso tirar aqui executivo e tipo de contrato. Você vai perceber, vou mudar aqui mais informações para você ver que vai mudar. Reparem que os dados vão mudando. Então você tem um dashboard interativo Superinteressante com todos os dados que a gente veio trabalhando nessa imersão. Então a gente vai construir isso hoje. E o legal também é que você pode depois pegar o link desse seu projeto e compartilhar com outras pessoas, criar o seu portfólio com isso. Então vai ser bem rica essa aula, estou bem empolgada. Mas tem muita coisa para instalar
e para a gente configurar antes, né? Exato. É isso aí. Esse é um ponto bem importante. O Google Colab que nós usamos até agora é uma ferramenta muito poderosa e ajuda muito no aprendizado, mas como é a proposta aqui da imersão, é aprender mas criar alguma coisa real então hoje nós vamos para algumas ferramentas que as empresas usam porque como já foi falado aqui pelo Marcel e pela Val vamos colocar o site em produção você vai ter o seu site funcionando qualquer pessoa pode acessar então para isso vamos ter que instalar algumas ferramentas configurar mas
faz parte do dia a dia quer trabalhar com dados a gente vai ter que vai ter que aprender essas ferramentas e é muito bom então vamos lá então para começar a A primeira instalação que nós precisamos fazer é o Python. Tudo que nós fizemos até agora foi na linguagem Python, mas no Colab isso já vem instalado a linguagem, agora você vai ter que instalar no seu computador o Python para poder rodar esses códigos, deixar eles funcionais. A gente vai deixar o link direto da página do Python para você baixar e aí você vai reparar que
vai acessar uma página igual essa aqui e no meu caso eu estou usando o Mac, então ele já identificou que eu estou usando o Mac e já me deixou o link aqui para baixar. Ele provavelmente vai identificar qual versão de sistema operacional você está usando e já vai alterar o link. Mas confere se ele está falando o seu sistema mesmo e baixa certinho o correspondente para os seus sistemas for Windows, Linux, etc. Perfeito. E o que mais a gente precisa? Aqui no nosso caso já tem o Python, então não vou baixar, né? Mas você pausa
o vídeo e faz aí na sua máquina. Legal. Instalado o Python, baixou, instalou, super simples. A próxima coisa é você ter um ambiente onde você vai programar. mais uma vez, parecido com o Google Colab, o Colab é um ambiente que você já ia lá e digitando e já tinha as bibliotecas por trás, por exemplo, o Python, nesse caso nós instalamos o Python, agora a gente tem que ter esse ambiente que a gente chama de IDE, no caso nós vamos usar o VS Code, ele é muito famoso e usado no mercado. Exato, muita gente usa, ele
é hoje mantido pela Microsoft, várias empresas usam, então é bem legal vocês terem esse acesso e já colocarem a mão na massa nesse ambiente real, então vamos instalar também Fazer o download e instalar o Visual Studio Code essa ferramenta SDE de programação e aqui é a mesma coisa vai deixar o link para você já acessar a página direto e diferente do Python você vai ter todos os botões aqui para você clicar certinho em qual é o link do seu sistema operacional então no meu caso foi Mac eu baixei aqui direto se você tiver Windows você
vai ali no Windows e baixa então preste bastante atenção qual você está baixando porque senão não vai funcionar mas aqui também já está instalado e não vai passar por essa etapa softwares instalados, agora vamos por a mão na massa né, vamos abrir agora o Visual Studio Code essa é a carinha da ferramenta que nós vamos usar e o que nós temos que fazer, temos que criar um lugar, uma pasta no seu computador onde vai ser salvo tudo que todo o código que a gente cria vai ser salvo num lugar específico, então a primeira coisa que
a gente vai fazer é isso, a gente pode criar diretamente aqui, eu criei uma pasta no computador e a partir dessa pasta colocar nossos códigos. Certo, eu vou criar aqui direto pelo Finder, que é tipo Windows Explorer no Mac, para quem estiver usando o Windows e vou criar aqui uma pasta chamada aula 4. Aula 4, boa, pronto, legal, só isso. Só isso, criou a pasta, então você vai no seu Windows Explorer ou se estiver no Mac no Finder e cria sua pasta. Pasta vazia mesmo. A pasta vazia, criou a pasta. Feito isso, a gente vai
abrir essa pasta. então é só clicar ou direto quando a gente tem o bem-vindo, o boas-vindas que já tem ali o aberto ou senão é só clicar lá em cima em file ou arquivo se tiver em português o seu e clicar em open folder ou open abrir pasta, né? Open folder, isso, abrir a pasta e você vai encontrar a pasta que foi criada. Eu vou querer dentro de uma pasta da imersão, aula 4, perfeito, que eu abro a aula 4, que é a pasta onde é a pasta do seu Provavelmente vão aparecer algumas mensagens, você
autoriza o software a acessar seus arquivos, então sempre pode colocar que sim, então yes, beleza, e aí vamos que vamos, então a pasta está aberta, a ferramenta, o Visual Studio está aberta e a gente já tem a pasta onde vai ser salva, qual que é o próximo passo Val agora, para onde a gente vai? agora chegou aquele momento que a gente precisa criar um ambiente aqui dentro, a gente tem o Python instalado na nossa máquina, mas a ideia é criar um ambiente virtual separado para esse projeto, o que é fundamental quando você está trabalhando com
diferentes projetos, porque eles vão depender de bibliotecas diferentes, às vezes também você precisa de uma versão específica para a sua biblioteca. Então é nesse momento que a gente cria esse ambiente isolado, instala as bibliotecas que a gente vai precisar para o projeto, depois ativa esse ambiente e também começa a usar. Então, não sei se o pessoal conseguiu perceber, a pasta está no canto esquerdo superior, está ali como aula 4 E agora, como a gente configura isso, né? Se a gente for ali no menu superior do VS Code, tem uma parte ali que é terminal. A
gente vai clicar ali, agora vai em novo terminal, New Terminal no caso, e agora ele abriu ali uma janela pra gente que dá pra digitar códigos, são comandos que a gente vai usar pra criar o ambiente e tal. No caso, o Marcel já tem tudo separado, ele tem uma colinha aí pra gente ir seguindo, né, e essa cola vai estar para vocês também pegarem os comandos e só colarem ali para executar. E tem um detalhe, a gente está trabalhando com o Mac aqui. Se você tem Windows, tem um comando que ele vai ser diferente, mas
a gente vai deixar isso pra você. Então fica tranquilo, tranquila que vai dar bom aí. Bom, então vamos começar a criar esse ambiente, Marcel? Vamos lá? Vamos lá? Então, isso que a gente vai fazer aqui de configuração do ambiente é algo comum e que comumente você procura online o VinomAI e você copia e cola o código né mas perfeito e a galera vai poder copiar e colar esse código também obviamente a gente vai deixar disponível mas se vocês puderem também dando uma explicadinha aqui isso vai me ajudar a entender um pouco mais vamos lá então
a primeira etapa é a criação do ambiente virtual né então ele vai pegar o código ali pra gente então copio aqui direto mesmo e colo aqui é isso exatamente pode colar o que esse código aí está fazendo né Vinícius ele está chamando ali o Python né no nosso caso Ele está fazendo a criação de um ambiente virtual, ele cria esse ambiente com esse Venze, né, que vende ambiente virtual em inglês, essa sigla que a gente tem. E aí, a gente vai dar um nome para esse ambiente virtual, comumente as pessoas costumam usar esse .venze, mas
você poderia dar qualquer nome, né? Perfeito, exato, só uma dica rápida, se vocês estiverem vendo aqui a tela do Marcel, a gente está trabalhando no meio da tela ali na parte do terminal no meio embaixo do lado direito tem ali o Welcome to Copilot lembra que no Google Colab tinha lá o Gemini que era a inteligência artificial que ajudava a gente no código como essa é uma outra ferramenta tem um outro assistente aqui de AI que vocês podem usar que é o Copilot podem abrir a qualquer momento como nós não vamos usar ele agora você
pode fechar para ficar mais bonitinha a visualização e aí vamos lá então como a Val falou que nós estamos criando? estamos criando um ambiente de desenvolvimento separado que é para esse projeto então env de environment né que é em ambiente inglês então estamos criando esse ambiente que tem o Python 3 instalado e chama venv que é depois do ponto que é o nome que a gente quer dar então é só dar enter criou o ambiente que, olha lá, foi criado o ambiente que dá até para visualizar ali na aula já apareceu ali ó já criou
os arquivos ali de configuração o ambiente foi criado Show de bola. Bom, ambiente criado agora a gente vai para alguns passos importantes no caso do Mac né a gente vai ter que ativar esse ambiente virtual então ele foi criado mas ele não está vamos chamar assim ligado agora a gente tem que ligar ele e aí nesse passo que muda um pouquinho dependendo se é Windows ou se é Mac a gente já deixou os dois aqui né quando é o Windows é o código ali o Venv script activate quando é Mac ou Linux, é o BIM.
Então, vou copiar, é isso que nós vamos fazer agora. O ambiente foi criado, agora estamos ligando ele. Perfeito. E dar enter também. E dar enter, copia e cola. Nota que a gente já conseguiu ativar porque ele agora colocou um .venve antes ali do teu nome e da pasta que a gente está localizado ali agora. Tudo certinho. E agora o que que falta, hein Vinicius? Tem as bibliotecas, né? É, perfeito, esse é mais um ponto mega relevante, nós já citamos nas aulas anteriores, mas vale sempre reforçar, o Google Collab ele já tem um monte de coisa
pronta, então lembra que nas aulas anteriores a gente não precisou instalar as bibliotecas, a gente só importou, então import pandas e outras bibliotecas que nós usamos, nesse ambiente agora não está instalado ainda a biblioteca, então nós temos que falar para o ambiente todas as bibliotecas que vão ser necessárias para o nosso projeto, e é isso que nós vamos fazer, Uma boa prática, né, é criar um arquivo que a gente chama de requerimentos para o projeto funcionar, a gente usa o nome de requirements em inglês, então nós vamos fazer isso agora, e aí eu posso fechar
esse welcome aqui, né? Não, pode fechar o welcome. E aí eu open new file, ou new text file. Pode ser, Pode ser texto, né, vai ser um arquivo de texto, no verdade. Pode ser arquivo de texto, tá bom. E aí agora nós vamos digitar nesse arquivo tudo que, quais são as bibliotecas que precisam ser instaladas. Nós já temos a colinha aqui. Nós já temos uma cola, que é o Pandas, o Streamlit e o Potly, que são as bibliotecas que nós usamos. A gente ainda não citou o Streamlit, acho que até o momento, né? Perfeito. Só
dando em geral aqui, é uma biblioteca Python muito famosa para criar tanto dashboards quanto aplicações, para fazer protótipos, assim, é bem interessante essa ferramenta, Porque você não precisa ter muitos conhecimentos ali de front-end, você consegue criar uma página final bonitona, que nem a que o Marcel mostrou no começo, que é o que a gente vai fazer, então é bem legal e a gente vai usar ela para criar aqui o nosso dash. Legal, e aí para salvar o arquivo, posso apertar tipo Ctrl S se for no Windows ou Command S no Mac, ou clicar em arquivo
e salvar, ou arquivo e salvar aqui, tá bom, perfeito, como esse também funciona super bem. E aí eu escrevo requirements .txt .txt mesmo é o nome padrão que a gente sempre vai dar para esse arquivo como o Vinicius comentou, já até aparece aqui no cantinho que está salvo, legal perfeito, então temos o ambiente, temos todos os requisitos de biblioteca para que esse nosso projeto funcione né agora a gente só deu a lista do que precisa mas agora a gente precisa instalar essas coisas e aí por que que também é legal ter esse arquivo? eu não
tenho que instalar a biblioteca por biblioteca, porque existe o comando, vou lá instalar Python, instalar Panda, instalar Streamlit, quando eu crio um arquivo e projetos grandes, às vezes tem mais de 100 bibliotecas, você não precisa fazer uma por uma, está lá o arquivo e a gente vai usar um comando único e aí vamos usar lá o comando que é o pip3 install e chamar o arquivo que nós criamos que é o requirements. É pip install e tem os-r, o que é o-r? Perfeito, excelente pergunta Marcel, porque como a gente tem um arquivo com várias linhas,
para que o sistema entenda que cada linha é uma instalação, o -r faz isso, você vai seguir e vai passar por todas as linhas instalando tudo o que tem aí. Entendi, se eu não coloco o -r ele instala só a primeira linha e pararia, entendi, então vamos lá, então vamos lá, enter, e agora ele vai começar a instalação aí. dependendo da quantidade demora um pouquinho, acho que o nosso vai ser até rápido aqui, porque são só três bibliotecas. A gente coletou, vai baixar da internet e vai instalar, esse processo demora, pode demorar alguns segundos até
minutos aqui. Ah, agora ele trouxe lá, não foi. Legal, bom, então estamos agora ambiente 100% preparado, já instalamos todas as bibliotecas aqui. Vale dizer que aqui no meu caso ele me deu um alerta que o Pip, Pip é o que a gente está usando para poder fazer a instalação, é uma versão não tão nova, uma versão um pouco desatualizada, mas ele só avisou, não é um problema. Pode tocar o barco. Toda a linha em amarelo que aparece ali é um aviso para você entender, talvez está desatualizado, mas não vai impactar. quando for uma linha vermelha,
aí tem que tomar cuidado, que provavelmente aí é um problema mesmo, mas no caso não teve nenhuma linha vermelha, está tudo certo, então se você chegou aqui, é esse o processo, se deu algum errinho, talvez você esqueceu de algum processo, apaga tudo, faz de novo, mas o ideal é que funcione de primeira igual aconteceu aqui. Qualquer coisa você pode também pedir ajuda lá na comunidade de Discord, que a gente consegue ir se ajudando. Bom, então pra começar, vamos criar o nosso arquivo? A gente vai lá em File de novo, né? E vamos em New File
E aí a gente pode dar o nome de, vamos dar um nome padrão, que é o nome app app.py Seria application, né? Esse app, beleza. A gente vai criar o arquivo e agora a gente vai fazer um esquema que vai ser o seguinte como o código ele é um pouco grandinho, a gente já deixou esse código pronto Lá no Google Colab, a gente já está com uma cola dele lá, a gente vai pegando trechos do código, colocando aqui, explicando para vocês o que a gente está fazendo, como que vai acontecer o processo da criação da
página. Perfeito. Bora fazer isso? Vamos lá. Então qual é a primeira coisa que a gente precisa fazer é importar as bibliotecas. A gente instalou ali o pandas, o plotly para criar os gráficos interativos e o Streamlit, certo? A gente vai importar isso agora. Legal, a gente vai importar, no caso, por exemplo, demandas e o plotly a gente já fez nas outras aulas e a gente coloca do mesmo jeito ali SPD, ASPX, do mesmo jeito que estava antes. E o Streamlit o apelido dele é ST, então perfeito. Qual que é a próxima etapa agora? É começar
a criar o layout da página, né? Então a gente já tem ali preparadinho que vai ser ali, pode pegar esse trecho aí do set page, que é a configuração da página no caso, né? Vamos lá. Legal. O que a gente está fazendo aí? A gente está fazendo as configurações da página, no caso é o título da página, o ícone que vai aparecer quando a gente carrega ela. Você está com um dash aí fácil pra gente abrir de novo? Sim, o Marcel? Esse aqui. Nota que tem um título ali no topo, né? Que é esse dashboard
de salários e tal. E tem até um ícone ali que é um gráfico. A gente colocou um emoji ali. Então é exatamente isso que a gente está configurando ali no VS Code. Vamos voltar ali para o código. Então a gente está colocando o page title, que é o título, que no caso é dashboards e salários na área de dados, beleza. Tem esse ícone então que é o emoji do gráfico, que você pode colocar o emoji que você quiser aí para criar o teu. E também tem esse layout que está como while de aí, que é
para deixar a página larga, a gente pode deixar compacta também, mas a gente está deixando a página no formato ali largo, então é isso basicamente. Perfeito, legal. Qual que é a próxima etapa? A gente precisa também carregar os dados, não é Vinícius? Perfeito, exatamente. Porque, mais uma vez, a ideia é ter um produto em produção, que não dependa depois da sua máquina no futuro, então tem que estar tudo disponível para que esse site consiga carregar. Lembra que a gente pegou um arquivo que estava no link do GitHub, carregamos No pandas dentro do collab mas está
lá no collab como que eu deixo isso disponível agora então a gente tem que ter esse dado aqui disponível para começar nós vamos usar o que já está no GitHub da Val que está disponível o gift preparado eu basicamente peguei todo o trabalho que a gente fez no colab né o arquivo já tratado aquele DS limpo e salvei ele a gente vai mostrar depois para vocês como que faz isso mas ele já foi salvo colocado no meu GitHub a gente vai carregar esse link aí Mas depois nós vamos fazer juntos também, vocês vão ter 100%
de duas experiências. E a gente está deixando tudo comentado nesse código que a gente está aqui, então é exatamente isso aqui, odf, pd read e esse link aqui. E o carregamento, exato. O código é exatamente igual quando a gente carregou no colab, só que agora a gente vai carregar aqui de novo, que é no nosso ambiente. Exatamente. Feito isso, qual que é a próxima etapa então? A gente agora vai começar a criar ali Volta pra gente no Dash, por favor, Marcelo Nota que a gente tem uma barra lateral aqui na nossa página, que é uma
barra de filtros Isso é bem útil quando você vai criar um dashboard, porque você consegue filtrar por informações diferentes Então vamos supor que eu queira analisar só o ano 2020 Então eu posso retirar os outros e focar só no 2020 O mesmo pra experiência, tipo de contrato, tamanho da empresa, inclusive você pode escolher os filtros que você quiser a gente deixou esses aqui mas aí fica depois ao critério da pessoa ver o que é melhor ali para ela adicionar né mas a ideia agora então é criar essa barra lateral com os filtros então a gente
vai voltar lá no código né e a gente tem ali ó barra lateral e todos os filtros a gente pega primeiro usou barra lateral ou já pega todos os filtros a gente já pode pegar todos aí a gente vai comentando ali no VS Code legal então vou colar aqui beleza Eu colei todos os filtros, o barra lateral e todos os filtros ali. É, então o que ele está fazendo? Ele está criando essa barra lateral com esse st sidebar.reader ali, ele está dando até um título ali, que no caso a gente colocou filtros, e também tem
um emoji com uma lupa, mas aí pode ser a critério da criatividade da pessoa, né? E aí depois disso a gente tem cada um dos filtros, então a gente tem ali o filtro do ano, por exemplo, onde a gente vai ter os anos disponíveis, Para pegar os anos disponíveis, a gente vai pegar o nosso DF, que foi carregado ali, a gente vai pegar a coluna do ano e depois vamos pegar os valores únicos, a gente está pedindo para ele organizar isso com esse sorted ali que a gente está usando. Depois disso a gente vai ter
também uma variável que são os anos selecionados, então a gente vai ter esse sidebar ali, que vai ser a opção de você escolher cada um desses anos. ou você pode clicar em cada um deles para remover ou colocar de volta. E a gente vai definir como ano o nome dessa opção, a gente vai trazer os anos disponíveis que foram criados na variável ali de cima e vamos colocar eles disponíveis para você ir pegando ou retirando eles ali. Para que o pessoal consiga entender melhor, Marcel, a gente pode já executar e criar uma página local para
já visualizar o que está acontecendo. feito, não vai estar completa ainda, mas já tem alguma coisa, né? A gente pode então salvar isso que já foi feito, né? A gente salva aqui, né? Ou Ctrl S. Ctrl S no Windows ou Command S no Mac? Eu achei muito boa a ideia e aí talvez só para ficar até mais fácil, pessoal, vamos fazer um teste rápido, Marcel, pode apagar, apaga tudo que está no código de sidebar para baixo e de barra lateral para baixo, tá, boa, vamos lá. É barra lateral também, apaga essa barra lateral. Aqui também?
Isso, e vou salvar. Legal, então você salva. E aí o que acontece, né? A gente está rodando na máquina local e vamos a biblioteca Streamlit que a Val explicou que é a biblioteca que vai ajudar a gente a criar a nossa página que nós já instalamos. Então nós vamos falar para ela assim agora pega esse aplicativo que nós criamos que é o app.py e roda. Então vamos colocar um comando ali que é o, pode digitar que é Streamlit espaço run que é para rodar, espaço o nome do nosso arquivo que é app.py. Beleza então a
gente está fazendo isso no terminal, pode dar enter aqui já, pode dar enter, o que ele vai fazer vai pegar o nosso aplicativo e rodar lá, já está carregando é interessante gente citar que lá em cima onde tem o endereço vocês vão ver que tá escrito local host porque que é local host porque tá sendo hosteado né na máquina local ainda se você mandar esse link para outra pessoa ela não vai ter acesso ainda é mais para a gente testar E aí a nossa página foi carregada e é só o que tem nada e o
título ali em cima na aba exato a gente fez só isso até agora mas vamos adicionar os filtros para ver o que acontece é legal que a gente vai ver na resolução a primeira coisa agora é parar O aplicativo está rodando, para parar é só clicar no terminal e dar Ctrl C, ou commands, isso, olha lá, parou, paramos de rodar, agora vamos adicionar a parte dos filtros e da barra lateral que a Val explicou, tá. Perfeito, se a gente adicionar só os filtros aqui, só a barra lateral dos filtros e eu salvar como eu vejo,
vamos lá, você adiciona, salva o arquivo, e aí roda de novo, para rodar o comando anterior, é só apertar para cima no teclado que já vem o comando anterior, a setinha para cima, e enter, legal, olha lá, abriu o filtro, abriu alguma coisa nova, bacana, é legal que a gente vai vendo de forma interativa, muito boa, muito bom ponto, aí vamos lá, agora vamos colocar stop, para, control c no terminal, volta lá e coloca agora o código dos filtros, que a gente já tinha explicado, salva, roda de novo. eles são os mesmos, o código é
o mesmo, o que muda é a coluna que a gente está trabalhando, de fato ali do banco de dados. Mas a ideia é sempre pegar os valores únicos de cada coluna e deixar eles disponíveis para que você possa selecionar. Legal, perfeito, vamos lá, rodou de novo. Olha que legal, temos os filtros. Dá até pra, aqui, ele já deu erro nas anteriores, né, porque ele já está rodando uma versão nova. Vou fechar aqui as anteriores. Beleza, temos os filtros, agora vamos continuar criando o nosso explicação, aqui o nosso site. Exatamente. Qual que é a próxima parte
do nosso código? Então vamos lá. Já temos o site com título, com filtros para facilitar a visualização, agora a gente tem que colocar o conteúdo principal. Qual que é o conteúdo principal? São os gráficos que nós criamos nas aulas passadas. Então vamos colocar eles lá. Ah, tem esse detalhe importante, né? a partir do momento que a pessoa entra na página e ela vai filtrar as informações a gente vai criar um dataframe filtrado, né? perfeito então tem esse próximo código aí que é em relação a filtragem, você pode copiar ele, Marcel? a gente vai lá entender
o que está acontecendo vamos lá beleza, o que está acontecendo aí então Vinícius? não, perfeito, esse é um ponto bem importante, nós criamos o componente visual dos filtros, certo? Mas uma vez que o usuário que está navegando lá no nosso site, nosso aplicativo, e selecionou os filtros, a gente meio que tem que aplicar esse filtro para aparecer as informações que foram filtradas. Você mostrou lá e a gente vai ver de novo, quando você filtra na versão final, ele já atualiza o dash de forma automática, né? E é isso que esse código está fazendo, olha, esse
data frame ele vai ser filtrado com base nas seleções do que o usuário fez na barra lateral então é ele vai pegar o ano e só pegar os anos selecionados da coluna ano senoridade só selecionados então é isso que a gente está fazendo está pegando tudo que o usuário selecionou e fazendo uma uma atualização automática dos dados que vão aparecer nos nossos dashboards perfeito bem legal perfeito bom agora a gente já pode seguir para a próxima agora vamos para o conteúdo principal que agora é criar a página ali em si, dar um título pra ela,
explicar pra que que serve esse dash, a gente já tem então esse conteúdo principal ali. Vamos lá. Boa. Então a gente está definindo o primeiro título do nosso dash em si, que no caso é dashboard de análise de salários na área de dados, legal. E também a gente colocou ali um st.markdown embaixo, que é como se fosse um texto ali explicativo, então a gente está falando, olha explore os dados salariais na área de dados nos últimos anos utilize os filtros à esquerda para refinar a sua análise então é muito importante deixar claro para o usuário
que vai abrir essa página como que ele deve usar né? perfeito e a gente pode ver como é que está né? estão vendo? A gente vai criando e vai encerrar aqui o terminal estava no anterior e vou rodar de novo salva o arquivo e roda de novo olha lá já veio bacana Podemos então tocar para a próxima etapa. Uma coisa que é muito comum quando a gente cria um dashboard é colocar algumas métricas principais, né? Acho que isso é fundamental para a pessoa que está analisando aquilo já ter uma noção de "pô, imagina qual que
é a média do salário? Quantos registros eu tenho para isso?" Então a gente pode adicionar algumas métricas nesse momento. Perfeito. E se vocês lembrarem das aulas anteriores, lembra que a gente usou um comando que era o describe, por exemplo, ou .info. Então aquilo era um comando que você dava para entender a base, mas lembra que a gente já está entregando o dash pronto para o usuário, a gente vai colocar essas principais informações já fácil para ele, então vamos lá, vamos pegar aqui os KPIs, que são as métricas principais e já deixar ali, vamos chamar na
cara do Go para quem acessar a nossa aplicação, que informações são essas que a gente está colocando lá, o salário médio, o salário máximo, o total de registros, quais são os cargos mais frequentes e vamos aplicar tudo isso ali e colocar no nosso dashboard. E aí só um detalhe, a gente colocou esse if, else, porque se o data frame filtrado ele não estiver vazio, a gente vai conseguir preencher tudo, mas se não tiver um data frame, se não tiver dado algum erro ali, ele não vai fazer isso, ele vai retornar tudo vazio, então só essa
lógica. E aí, a gente tem ali embaixo esse call1, call2, call3 e call4 porque no stringlit a gente consegue dividir as informações em colunas dentro da página. Então imagina, eu tenho a minha página que é desse tamanho, mas eu estou dividindo ela em quatro colunas, cada coluna vai conter uma métrica diferente. A gente vai conseguir entender isso quando o Marcel rodar a página, né? Mas vai dar bom, vamos lá. Então vamos lá, vou encerrar o anterior, rodar. Exato. O que vai acontecer? Vamos verificar, olha que legal, ele conseguiu dividir então como se fossem colunas mesmo
e colocou cada métrica em um lugar. Então a gente tem ali primeiro o salário médio, tem o salário máximo também, tem o total de registros e qual é o cargo mais frequente para essa condição que a gente está analisando. É claro que se eu alterar algum filtro, os valores vão mudar. Perfeito. Posso se eu deixar, por exemplo, se eu tirei o filtro aqui, ficou sem nenhum filtro e ele deu até um errinho. Ele deu até um erro, é. Exatamente, porque ficou vazio, não tem nenhum ano, perfeito lá agora. Você colocou 2021, ele já mudou ali
os valores. Exato. Legal, está bem. Legal, funcionando. Muito bom. Já temos a nossa aplicação funcionando, as principais informações, agora, com o que nós trabalhamos nas aulas anteriores, o próximo passo são as visualizações gráficas. Vamos colocar os gráficos que nós criamos aqui. São os mesmos gráficos da as outras aulas? Estão um pouquinho diferentes, tem um que é igual, mas a gente tem umas novidades. Exatamente. A gente vai colocando então para entender. Então a ideia do Collab é que você consegue testar e ver que gráfico que é melhor, depois você pode copiar e colar para cá ou
criar novas visões, então essa é a ideia. Legal, então vamos lá Val, vamos começar a adicionar então os nossos gráficos. Sim, vamos lá então, e aí tem um detalhe, da mesma forma que a gente criou as métricas, separando em colunas, mesma coisa para os gráficos. Então, vamos supor, eu quero criar dois gráficos como se fosse numa linha, né, e dois em outra. Então, a gente pode dividir em duas colunas, depois fazer mais duas colunas para ter a distribuição bonitona ali desses gráficos na página. A gente já vai entender também. Vamos lá, a gente vai copiar
esse código até o gráfico 3, porque o gráfico 4 vai ser uma surpresa. Já demos um micro spoiler ali, mas vamos tocar. O que a gente está fazendo? Vamos subir ali do começo. Primeiro que tem ali uns "st.subheader" que é como se fosse um subtítulo, então a gente está colocando só gráficos ali, mas poderia ser outra frase, outra coisa. E beleza. A gente começou definindo duas colunas para criar dois gráficos, um do lado do outro. O primeiro gráfico, ele está mostrando pra gente, ele é um gráfico do tipo de barras, ele traz o top 10
cargos por salário médio, então ele vai trazer os 10 cargos com maior salário médio, e aí depois você pode filtrar, analisar por ano, por nível de experiência, etc. E aí a gente tem todas as configurações, a gente primeiro faz uma filtragem ali, né, filtragem não, a gente faz um agrupamento do cargo com o salário médio, e aí a gente pega os 10 com maior salário, depois a gente consegue criar o gráfico ali de barras definindo todas as informações, eixo X, eixo Y, a orientação do gráfico, Tem até um detalhe que a gente está deixando o
gráfico na orientação horizontal para ficar mais clara a visualização. E se fosse vertical, era só trocar para ver. Você podia deixar sem nada, na verdade. É, entendi. E é muito, acho que vale reforçar aqui, Val, se vocês olharem o código das aulas anteriores, vocês vão lembrar todos esses conceitos, o group by, mean, o sort values para colocar em ordem, todos esses conceitos nós já passamos, né, na hora de criar o gráfico a gente criou na mão ali com conceitos. Exatamente. É exatamente o mesmo. O único novo é o any largest aqui que a Val já
explicou que são os 10 maiores, né? Isso, os 10 valores maiores, exato. Aí se tem alguma coisa nova também ali na parte do update layout que tem aquele title underline x igual a 0.1 esse parâmetro serve para você mover ali o título, não deixar ele tanto para esquerda, mas mover ele um pouquinho para a direita, aí conforme você vai mexendo nesse valor ele vai se deslocando mais, tá? E aí no final, para exibir o gráfico com o stringlit, a gente coloca esse st.plottly chart para conseguir exibir o gráfico, tá? Aí a gente passa o gráfico
ali dentro e também usa aquele parâmetro ali igual a true, esse use container, e a gente consegue depois, com tudo isso, exibir ali o gráfico. E aí caso tenha algum erro e o gráfico não seja gerado, a gente vai exibir ali um aviso, um warning, que é esse else que a gente está deixando aí. Então a gente deu ali um problema, nenhum dado para exibir no gráfico. Então é isso. Então esse é o primeiro gráfico, aí o segundo gráfico é um histograma mostrando a distribuição dos salários, A gente chegou a criar isso usando o Seaborn,
mas agora a gente está fazendo ele interativo com o Plotly então mesma coisa também, super tranquilo e aí a gente tem o terceiro gráfico depois que a gente consegue criar na segunda linha tudo que a gente fez ali em cima vai ser um gráfico do lado do outro mas agora a gente vai definir o gráfico 3 e 4 que vão ser na linha de baixo, tá? a gente tem o terceiro gráfico que agora ele vai ser aquele gráfico de pizza que a gente fez, que na verdade virou uma rosca, né? Era uma pizza que usa
a função da torta, mas no final virou uma rosca. Exato. Então é exatamente isso, a gente pode rodar para verificar como que fica, então? Boa, vamos lá. Lembrando que tem somente Tem somente três gráficos porque a gente não fez o quarto, né? É porque ele vai vir aí. Então ele tá rodando ali, ó. olha só, olha lá os, Olha que bacana! E é interativo igual o que ele tinha feito no colab, você passa o mouse, ele muda, eu consigo, consigo dar até zoom, dá para dar zoom? Dá para dar zoom? Dá para você, se você
clicar no último ícone, ele vai ampliar o gráfico, ah, isso, olha que legal, bacana! Dá para ter uma visão aí bem ampla da sua visualização, então a gente tem a distribuição do salário também e tem a proporção no tipo de trabalho, esse aí eu achei bem legal analisar, se a gente alterar o ano, o resultado vai ser bem diferente vamos deixar ali o ano 2020/2021? para eu ver o que acontece? vamos lá olha o remoto remoto, olha lá trabalho remoto lá em cima perfeito, legal muito bacana né? e se tiver sem nada ele vai dar
aquele ordem que a gente vai dar um erro porque precisa ter alguma informação para ele conseguir criar ali o gráfico legal maravilha e aí Está faltando um gráfico, que foi o que eu comentei, que a gente está comentando aí desde o começo, que é aquele desafio que a gente deixou na aula de ontem, né? Isso aí, e aí pessoal, vocês fizeram o desafio? Colocaram no nosso grupo lá do Discord? Como que foi essa interação entre vocês? Espero que tenha sido legal, porque é muito legal por a mão na massa, entender, se desafiar e fazer umas
coisas diferentes, e nós aqui também, depois da aula, falamos, vamos fazer um Vamos fazer uma coisa diferente aqui, vamos tentar trazer uma visualização diferente Um gráfico bem diferente desses que a gente já tinha criado, né? E bem legal, porque ele traz uma visualização, bom, vou dar uma espada aqui, mas ele tem uma visualização macro parecido com o que a gente comentou antes, porque os salários têm muita discrepância, mas pode ser que tenha algo a ver com o país, né? E relembrando aqui qual que era o desafio, né? A gente queria que vocês criassem um gráfico
que mostrasse a diferença de média salarial para o cargo de cientista de dados nos países a gente poderia fazer isso de várias formas o que a gente pensou foi criar um mapa imagina que legal ter um mapa em que você consegue ter cores diferentes de acordo com esses salários médios e consegue ali ter essa interação então é isso que a gente vai mostrar agora como fazer, né? Vamos lá? Bom, então vamos criar esse gráfico lá no Colab primeiro? Tá bom, vou voltar pra cá Bora lá então a gente está aí com o nosso arquivo carregado
no nosso data frame se a gente quer criar um gráfico que seja um mapa a gente precisa se basear no quê? No local que as pessoas estão trabalhando, né? Então, nota que tem uma coluna ali, que é a coluna residência, certo? Essa coluna, ela tem o quê? Ela tem alguns códigos, né, que são códigos ali com duas letras. Então, por exemplo, o S é Estados Unidos. Se fosse provavelmente BR, acho que seria Brasil, né, e por aí vai. Só que tem um detalhe, para criar um mapa usando o plotly, a gente vai ter que ter
uma sigla diferente, a gente precisa de uma sigla com três letras, que é o que a gente chama de ISO 3. E aí, para fazer essa conversão, tem uma biblioteca que a gente pode usar para fazer esse processo. Então a gente consegue converter, por exemplo, US em USA, para ser Estados Unidos, BR para ser BRA de Brasil e por aí vai. Então bora mostrar como faz esse processo? Para fazer essa conversão que eu comentei, das siglas, a gente vai usar uma biblioteca específica para fazer isso, que é essa Pine Country, né, Vinicius? Exatamente. O que
é legal também a gente passar por esse estágio aqui, lembra que no Colab, até então, a gente não tinha instalado nenhuma biblioteca, nós só importamos o Pandas, o Protley, etc. Já no Visual Studio, nós instalamos, só que no Colab não tem todas as bibliotecas, às vezes a gente vai ter que instalar algumas, E é esse caso aqui, o PyCounter é uma biblioteca que tem uma função específica, que a Val falou que é converter a sigla de um país que está em duas letras para três letras, que a gente precisa disso, então nós vamos instalar essa
biblioteca, como que instala? Pip install e o nome da biblioteca, igual a gente fez no VS Code, igual a gente fez no VS Code, vai dar um run, ele vai instalar a biblioteca, no caso já estava instalada, então ele vai verificar, já foi instalado, mas é só rodar e uma vez instalado, segue o padrão anterior, nós vamos importar essa biblioteca agora, então import by country e nós vamos agora usar ela para fazer essa conversão. Perfeito, e aí tem até uma função que a gente deixou ali que faz a conversão, né, ela vai pegar ali a
sigla e vai devolver ali o código que a gente precisa, que são com as três siglas, que é esse def, essa função ISO2, to ISO3, certo? ela retorna para a gente o código bonitinho, e aí a ideia é criar uma nova coluna no nosso dataframe original que tenha então essa informação das três siglas. Aí a gente está criando ali embaixo uma coluna chamada "residência underline iso3". Para fazer isso a gente pega o df limpo, pega a nossa coluna "residência" que é a que tem as duas siglas, usa a função "apply" da biblioteca pandas e aplica
aqui essa função que a gente criou aqui em cima que é o ISO 2 to ISO 3, beleza. Nesse caso, quando desse um red, ia aparecer as duas colunas. Vai aparecer as duas colunas agora. Vamos fazer isso. Exato. E aí a próxima etapa, como a gente queria separar só para cientista de dados, essa análise, a gente vai calcular a média salarial, então, por país, para o cargo de cientista de dados, a gente vai fazer uma filtragem específica para isso, que está nessa variável aí, que é o "ds" Então a gente vai pegar o DF limpo,
vai especificar o cargo do DF limpo igual a Data Scientist, né? E aí para filtrar a gente não tinha chegado a fazer isso antes, né gente? De colocar esses dois sinais de igual para fazer a filtragem, né? Perfeito! Então só explicando como que é o processo de filtrar dessa forma. E aí, por fim, a gente vai calcular então a média salarial para o cargo de cientista de dados especificamente para cada país. a gente vai agrupar então pela residência com ISO 3 agora, vai pegar a média do salário que é o USD e depois vai obter
então um data frame contendo tudo isso daí bonitão pra gente e aí vem a etapa de criar o gráfico em si depois, né? É, até que a gente fez o filtro, fez a conversão dos dados, depois que tem todo o dado pronto, vamos fazer o mapa. Esse mapa tem um nome até difícil, né? Como que fala isso, Vinícius? Você sabe? Nossa, é. Eu não sei se minha pronúncia aqui do meu inglês está correto, mas eu colocaria como clorolet. Se o Fabrício estivesse aqui, ele ia saber falar bem, mas aqui Mas vamos lá. Então a gente
cria uma figura, no caso aqui que a gente está instanciando, que é o tipo do mapa, e vamos passar o que a gente quer, que são os dados que a gente já passou, a média do país, a localização, que é a residência que nós criamos agora com ISO 3 e vamos passar algumas outros parâmetros para a criação do mapa. Então, de cor, como que a gente quer a coloração de cada país que vai aparecer no mapa, o título e algumas labels que vão aparecer, por exemplo, o salário médio, que é a coluna USD e etc.
E no final a gente manda a figura aparecer, o ping.show, que foi a figura que nós colocamos. Então você pode rodar, por favor, o resultado é bem legal e esse é o nosso resultado e você consegue passar o mouse em cima e ver por exemplo no Brasil o salário médio é esse nos Estados Unidos é maior e aí eu até dei a ideia da gente usar essa escala de cor onde o valor mais alto está em verde o valor intermediário ele está em amarelo e os mais baixos em vermelho que é essa paleta que a
gente usou ali que é essa RDYLGN isso mas de onde eu tirei essa paleta né da documentação da plotly Se você abrir a documentação na biblioteca, vão ter lá paletas de cores, para esse tipo de análise aqui, você pode escolher a paleta que você desejar. Esse ponto é super relevante, vale reforçar, Val. Todas as bibliotecas que nós usamos, nós demos várias dicas, alguns exemplos, mas toda ela tem uma documentação online disponível, porque tem várias, nós usamos uma paleta, mas tem dezenas de paletas disponíveis, pandas, todo o potley que nós usamos, todas tem, muitas possibilidades, então
acessem a documentação, dê uma lida, pegue lá um exemplo, traga para cá, mude, veja o que acontece, então é muito importante que vocês tenham essa curiosidade e façam esses testes, muito importante. Perfeito, mas agora que o nosso gráfico está pronto, inclusive o pessoal pode testar para outros cargos também, né? A gente focou em cientista de dados, mas você pode ver para engenheiro de dados, enfim, para qualquer outro cargo que tem aqui na nossa base, mas agora a ideia é pegar esse gráfico, o código dele e levar para o nosso Dash, nós já temos isso pronto
também né? Eu acho que só, desculpa vó, mas eu acho que vale aqui, só antes de pegar o gráfico e levar para o nosso Dash, vamos lá Marcel, dá um DF, vamos só ver como que ficou a base. Ah, boa, importante. Isso, porque DF limpo. DF limpo.head e vamos rodar, acho que é legal, e se você puder subir rapidinho antes do mapa, nós fizemos esse código no, pode subir mais um pouquinho, por favor, isso, está vendo que a gente não tinha a coluna, a gente só tinha a residência, que era com duas letras. Exato. Instalamos
a biblioteca, rodamos o processo de conversão que a Val explicou super bem, agora geramos um mapa, se a gente olhar o dado novo, olha lá, nós temos uma nova coluna que é o residência ISO, então tudo que era US virou USA, e assim por diante, a Austrália que era só AU virou AUS e assim por diante, então nós criamos essa nova coluna e ela já está disponível na nossa base, a base está pronta, então uma vez que a base está pronta, uma coisa importante que a gente pode fazer agora, tudo que nós fizemos nos dashboards
foi usando a base pronta que a Val disponibilizou no GitHub dela, que é essa aqui, mas agora vocês vão ter a de vocês, Como que a gente faz isso? Tira essa base daqui e coloca ela disponível para que vocês, em vez de usar a do GitHub da Val, a gente possa usar a própria. Como que eu salvo isso no meu computador, né? Vamos salvar ela agora no nosso computador, legal, então vamos lá Marcel, então a gente vai chamar o nosso data frame final, né, que é o limpo, df underline limpo, e aí nós vamos converter
ele para CSV, então ponto to underline csv olha ele já até me deu um autocomplete aqui. Olha ele deu um autocomplete bom ali. Agora nós vamos colocar entre parênteses, abre e fecha parênteses, entre aspas dentro desse parênteses nós vamos colocar o nome que nós queremos dar para esse arquivo pode colocar dados imersão final. Foi exatamente o nome que já está aqui. Legal e aí vírgula e vamos colocar index false Que é para ele não criar um novo index em cima desse arquivo. Não vai ter um index a mais além do que já existe. Que index
está além, que não lembra essa área de números. Já tem, não precisamos criar um novo. Perfeito. E aí só dá um run. E agora para onde que foi esse arquivo, hein Martel? Boa pergunta, não sei. Ali do lado esquerdo lateral tem essa barra com vários ícones aqui no Colab, tem um ícone que é uma pasta, então a gente vai clicar nela, esperar um segundinho já carregou o arquivo tá aí dentro e aí para você salvar para o seu computador você vai clicar nesses três pontos do lado direito e vai em download feito isso já está
salvo na sua máquina você pode depois carregar no seu GitHub a gente ainda vai mostrar esse processo mas está feito a recomendação seria salvar naquela pasta onde nós estamos criando os códigos ali no VS Code então salva na mesma pasta que nós criamos aqui no começo da aula e vai às vezes demora um pouquinho ali para carregar. Legal, ele baixou aqui, eu vou clicar nessa pasta, vou jogar aqui para minha pasta aula 4, beleza. Maravilha, sucesso. Vamos finalizar o Dash agora? Acho que agora podemos. Vamos lá, então a gente vai para o VS Code para
finalizar ele. Vamos pegar o código do gráfico 4, com esse gráfico que a gente acabou de fazer agora, a gente já tem ele preparado ali embaixo, aí, cadê? Que essa é a coluna 4 que a gente tem a coluna 4 né, perfeito pode copiar até o fim agora vamos até o fim beleza tudo certinho, acho que a indentação está errada né é pode jogar mas só está acertando para ficar tudo certinho a indentação vale dar um espaço no if ali Acho que ainda não está. É, agora foi. Agora foi. Perfeito. Acho que vale dizer o
que que impacta isso da hidratação. Poxa, legal. Eu acredito que vocês viram um pouco disso na aula zero, que é programação em Python básico, mas é importante reforçar, quando a gente cria algumas condicionantes, que nesse caso a gente tem o if, tem o else, o que que está dentro do gráfico 4, então se você para o código entender que uma coisa está dentro da outra, você tem que dar esse espaço. Então a primeira linha a gente está falando assim, eu estou criando a coluna do gráfico 4, o que que está dentro dela? Para ele entender
o que está dentro dela, isso tem que estar, tem que ter esse espaço, aí a gente criou uma condição que é o if, né, então se eu tenho dado disponível lá, o filtro, vai acontecer alguma coisa, então isso tem que estar dentro do if. É isso que a gente chama de identação, esses passos ali para o código conseguir entender que existe essa característica do que está dentro do que. Maravilha! Então a gente adicionou ali o gráfico 4, que era o que estava faltando do nosso mapa. Ele é o mesmo que a gente acabou de fazer
no colagem. Isso perfeito, a gente só não precisou passar por aquele processo de fazer o ISO 2, para o ISO 3, porque isso já estava feito, então está tranquilo. E aí adicionamos uma coisa a mais, que é uma tabela no final. Então a gente agora colocou ali um subtítulo, um st.subheader, que é dados detalhados. E aí a gente vai ter uma tabela ali, mostrando as colunas que nós temos, as linhas, se a pessoa quiser analisar ali com mais detalhes as informações. Você acha que a gente pode salvar e rodar para ver como que ficou o
resultado final. Legal. Vamos lá. Ó, tá bonitão, vamos chegar. checar agora a parte final que foi o que a gente adicionou temos agora o nosso gráfico, maravilha a gente consegue também abrir ele cheio, legal ah inclusive tem um detalhe que eu pensei agora que a gente não comentou Marcel nota que tem uns países que estão em branco o que será que isso quer dizer que é zero a média de salário? não, a gente não deve ter os dados a gente não tem os dados, é isso mesmo pelo menos na nossa base não tem cientistas de
dados Nesses países. Nesses países que ele não conseguiu fazer. Legal. Certamente é isso. E aqui é a tabela que a gente adicionou agora embaixo também, né? E você também pode usar até a lupa ali para fazer algumas, para filtrar informações. Se você colocar, olha só, legal. Ele vai achar se você filtrar por alguma coisa. GBR. Acho que GBR é Grã-Bretanha. BRA. Isso. BRA Brasil. Legal, né? Muito bom. Então, bacana, a gente conseguiu finalizar o nosso dash, e é claro, fica a dica para o pessoal, se eles quiserem colocar outros gráficos, fiquem super à vontade. Trocar
de cor. Exatamente, o que vocês quiserem fazer aí, usem a criatividade. E agora vem um detalhe aqui final, que eu acho que é muito importante a gente discutir. Esse gráfico, esse gráfico não, esse dashboard, ele está rodando aqui localmente, mas imagina que eu queria compartilhar isso com alguém, criar o meu portfólio, colocar isso em produção de fato, e aí, como que eu faço esse processo? Esse é um processo bem importante, né? Então, localhost, fomos criando, testando, validamos, está tudo pronto, está bonito? Vamos colocar em produção e para colocar em produção, mais uma vez, são necessárias
algumas ferramentas, porque agora ele tem que estar disponível na internet e a sua máquina local não é um servidor de internet, nós vamos usar alguma ferramenta que deixa o nosso site disponível na internet E para isso, nós vamos usar duas ferramentas que estão disponíveis e são gratuitas aqui, que vocês podem rodar. Uma é o GitHub. Que a gente comentou lá no início? Exato, a gente comentou lá no início, uma ferramenta muito importante para quem quer trabalhar na área de Data Science e Desenvolvimento, porque é onde a gente salva os códigos, gerencia versionamento, é uma ferramenta
muito importante para aprender. Nessa ferramenta é onde nós vamos colocar o nosso código online, muito legal, E uma vez que o nosso código está online, nós vamos usar o Streamlit, que nós já usamos a biblioteca dele, mas agora vamos usar o site, a ferramenta online deles, que vai colocar o nosso site no ar. Então nós vamos fazer esses dois passos. E tem ordem para fazer esses passos? Tem ordem. O primeiro vamos fazer no GitHub, que é deixar o nosso código online disponível. Então nós temos que abrir, tem que ter uma conta no GitHub. No meu
caso eu já tenho conta, então eu vou aqui em sign in, quem não tiver tem que criar uma nova em sign up. Bom, já fiz meu login aqui porque já tinha a conta, mas a gente também consegue, a gente já tem um vídeo que ensine isso aqui. Isso, caso você não tenha conta e precise de uma ajuda melhor para criar sua conta e entender como acessa o GitHub, no guia de mergulho acessa lá, tem várias informações que podem te auxiliar e uma delas é um vídeo explicativo de como acessar o GitHub, então vale muito a
pena. Mas legal, conta acessada, estamos aqui na conta do Marcel, nós vamos criar um repositório, porque é onde nós vamos salvar, pode ter vários repositórios e aí no nosso repositório é onde a gente vai salvar os dados necessários para que o nosso aplicativo funcione online. Então vamos lá, vamos criar esse novo repositório, se você clica ali na sua fotinha do lado direito no canto superior e tem lá seu perfil, etc, tem ali seus repositórios, o Marcel já já é um usuário assim, ele tem vários repositórios criados, é legal. Tem 80 repositórios, 80 repositório. E aí
tem um botãozinho ali new, no verdinho, do lado direito, que aí nós vamos criar o nosso repositório. A primeira coisa é dar um nome, chamar de imersão dados Python Alura. Legal, boa. Pode por uma descrição, que é legal, mas é opcional. Sem descrição, sem descrição. Cara, vamos deixar sem. É legal adicionar ali o README file, mesmo que a gente não coloque nada agora, mas no futuro a gente pode colocar um explicativo do que que é aquele repositório, principalmente para quem está criando um portfólio no GitHub, é legal explicar o que que é esse projeto, o
que que foi feito, então esse arquivo depois vai ser super importante e aí clica em create repositório. O que que é esse license aqui? Ah, pô, excelente pergunta, quando você coloca o seu código no GitHub, principalmente se você deixa ele público, as pessoas podem usar ele, e aí na licença você pode falar se você não quer, tem vários tipos de licença, né, então quem pode usar, dependendo você pode deixar uma licença que só pode para uso, por exemplo, para pesquisa, mas se for para uso comercial a pessoa não pode usar seu código, então tem vários
tipos de licença que você pode deixar o seu código ali, nesse caso é um código público, não vai colocar nenhuma licença, perfeito, e é repositório, maravilha. Certo. Olha lá, o repositório está criado. Ele só tem um arquivo que é o README que por enquanto não tem nada. no futuro a gente pode colocar, e agora a gente vai incluir os arquivos necessários, os códigos necessários para que a nossa aplicação rode de maneira online. Quais são os arquivos necessários, Val, que a gente precisa? Bom, a gente precisa do nosso arquivo da aplicação em si, que é aquele
app.py, precisamos também dos nossos requirements, que são as bibliotecas que tem que ser instaladas para que a aplicação funcione de fato, e precisamos também dos dados, né? Perfeito! Então vai ser só isso. Então vamos lá, Marcel, clica ali no botão add file, que é para adicionar os nossos arquivos, upload arquivos. Certo. Boa. E aí nós vamos escolher esses arquivos do computador. E eu posso pegar toda a minha pasta aula 4 que a gente tinha criado? Vamos pegar direto o arquivo e jogar aqui, vamos entrar lá na aula 4. Porque lembrando que quando a gente cria
a pasta no VS Code, a gente cria um ambiente virtual lá dentro. Exato. E aí a gente vai ter todas as instalações, mas a gente não vai precisar delas, porque o Streamlit Cloud vai instalar pra gente. Então, super tranquilo. Então pega só o AppPy e o CSV e o requirements também. Isso, perfeito. E joga lá, joga aí e a gente vai ali embaixo, depois que ele carregar tudo. Foi legal, a gente vai comitar então, commit chains, comitar as mudanças, né? É colocar de fato em, pode pode colocar em produção esses arquivos. Bom, temos tudo aí
já. Certo. Então os arquivos estão aí, o nosso código da nossa aplicação está disponível online no nosso repositório que está no GitHub, nosso repositório de código. Agora é o último passo, que é qual vai ser a ferramenta que vai pegar esse código e deixar disponível na internet para a gente? Que é o Streamlit, que é o Streamlit. Então vamos lá, agora nós vamos acessar o site do Streamlit Legal, você acessou o Streamlit, que é legal, no Streamlit você também tem que ter uma conta e é gratuito, mas também dá para linkar com o seu GitHub
que nós acabamos de colocar, acabamos de criar lá, acessar, então é só ir lá em deploy for free, tem a versão free que você selecionou ali no canto direito superior e aí tem lá login com GitHub, então vamos lá, vamos fazer o login, vou fazer o setup aqui da minha conta, beleza, dar ok, olha que gracinha ele já está indicando para você criar o seu primeiro app, ali do lado direito superior. Então a gente vai clicar ali no create, e aí tem três opções de como você vai criar a sua aplicação. Vamos criar ela usando
um repositório público do GitHub, que foi o que a gente ensinou. Então a primeira opção, e aí ele já vai localizar ali o repositório, a gente vai ter que ir na primeira parte ali do repositório, encontrar aquele que foi criado agora, que é o nosso, vão ter vários, né? Vamos lá. Imersão dados, legal, selecionou. E aí ele vai localizar onde está o arquivo .py para ele conseguir fazer o deploy disso, que no caso o nome era app.py, então a gente pode deixar certinho. E aí tem essa parte que ela é opcional, mas você pode dar
um nome para sua página, ele traz ali um código imenso, mas você pode colocar o nome que você preferir. Vamos colocar o nome mais bonitinho, então imersão dados Python Alura 2025 e aí é só clicar agora em deploy ó vem vindo aí já abre o site direto para mim o que que ele vai fazer agora ele está cozinhando ele está fazendo bolinhos, tortas, cookies e aí esse processo pode demorar um pouquinho porque ele está instalando tudo que vai precisar dependendo da quantidade de bibliotecas pode ser longo é um pouquinho que a gente fez no VS
Code exato só que hospedando em nuvem Ela na biblioteca, rodando tudo que está por trás. E aí eu vou até dar uma dica para o pessoal, como a gente está usando o Streamlit de forma gratuita, ele tem algumas limitações, né? Então, por exemplo, se você não usar a sua página em 24 horas, ele coloca em estado de hibernação. Ela vai ficar como se fosse dormindo para não gastar recursos. Mas a partir do momento que você roda a página de novo ali, o seu link, aí volta ao normal, só para avisar o pessoal, né? E olha
lá, veio aí. A página está online, igualzinho como a gente viu o que a gente fez no VS Code, com a tabela, tudo. E a diferença é se você for voltar na outra aba que estava aberta no VS Code, né? É, isso, está vendo que estava lá o link, local host, então é a mesma página, só que está rodando na sua máquina, você não consegue compartilhar esse link nem nada. Agora, essa é a nossa versão produtiva, então se você quiser pegar esse link compartilhar com um amigo, compartilhar com a sua mãe, eu quando criei meu
primeiro app, a primeira coisa eu mandei, olha, acessa esse aí, vai legal, super legal para postar no Linkedin, Twitter não, no X agora, que é o nome, no Twitter, parafraseando o Fabrício de novo, no Twitter, mas está pronto, tem até um link ali de share na parte superior que você já pode pegar para compartilhar, pegar aqui no cantinho, copiar o link e está Bem legal. E agora a gente gostaria muito que vocês fizessem também o de vocês, né? Colocassem aí a mão na massa que vai dar muito bom. É e manda pra gente lá no
Discord, posta nas suas redes sociais, manda nos grupos, na sua faculdade, dos amigos, da família, porque isso aqui é um feito, se você chegou aqui até o final, é um feito realmente muito bom. É bem legal você ter conquistado isso aqui. E para encerrar, antes de fazer o encerramento final, última aula, último código. para conseguir acessar o seu certificado, super importante também o certificado. Essa senha é importante. A senha, então acompanhou todas as aulas, tem a senha. Qual que é a senha de hoje, Val? A senha é Alura. Bom, então você tem que pegar as
outras três senhas que você viu na aula 1, 2 e 3, e essa quarta senha Alura também. Isso aí. Excelente, gente, foi um prazer estar aqui com vocês, aprendemos demais, espero que vocês tenham colocado esse Tema em produção, aprendido muito e é isso, muito obrigado. Aí tem um detalhe, né pessoal, quem quiser assinar a Alura, fazer os nossos cursos, porque tem muita coisa na área de dados, inclusive tem cursos meus voltados para visualização, para você aprender bastante coisa para criar gráficos incríveis e tem muito mais curso, né? Mas não compra ainda a assinatura porque segunda-feira
a gente vai liberar uma condição especial para você, tá? Muito obrigada, pessoal, foi um prazer. Até mais, tchau, tchau. Tchau, tchau.