Curso Completo de Streamlit

Introdução ao Streamlit

O que é Streamlit?

Streamlit é uma biblioteca Python open-source que permite criar aplicações web interativas para ciência de dados e machine learning de forma rápida e simples. Com Streamlit, você pode transformar scripts Python em aplicações web interativas em minutos.

Por que usar Streamlit?

• Fácil de aprender e usar
• Não requer conhecimento de frontend
• Integração perfeita com bibliotecas de data science
• Deploy simples
• Comunidade ativa

Instalação e Configuração

Requisitos

• Python 3.7+
• pip (gerenciador de pacotes Python)

Instalação

pip install streamlit

Primeiro App

import streamlit as st

st.title("Meu Primeiro App Streamlit")
st.write("Olá, mundo!")

Executando o App

streamlit run app.py

Componentes Básicos

Widgets Interativos

Texto e Títulos

st.title("Título Principal")
st.header("Cabeçalho")
st.subheader("Subcabeçalho")
st.text("Texto simples")
st.markdown("**Texto em Markdown**")

Inputs

# Texto
nome = st.text_input("Digite seu nome")

# Número
idade = st.number_input("Digite sua idade", min_value=0, max_value=120)

# Slider
valor = st.slider("Selecione um valor", 0, 100)

# Checkbox
aceito = st.checkbox("Eu aceito os termos")

# Selectbox
opcao = st.selectbox("Escolha uma opção", ["Opção 1", "Opção 2", "Opção 3"])

Exercício 1

Crie um formulário de cadastro com os seguintes campos:

• Nome
• Email
• Idade
• Gênero (selectbox)
• Termos de uso (checkbox)

Visualização de Dados

Gráficos com Streamlit

Gráfico de Linha

import pandas as pd
import numpy as np

# Dados de exemplo
dados = pd.DataFrame({
    'data': pd.date_range('2024-01-01', periods=10),
    'valor': np.random.randn(10).cumsum()
})

st.line_chart(dados.set_index('data'))

Gráfico de Barras

st.bar_chart(dados.set_index('data'))

Gráfico de Área

st.area_chart(dados.set_index('data'))

Exercício 2

Crie um dashboard que:

1. Carregue um arquivo CSV
2. Mostre as primeiras linhas do DataFrame
3. Exiba um gráfico de linha com os dados
4. Adicione um filtro por data

Layout e Estilização

Organização do Layout

# Colunas
col1, col2 = st.columns(2)
with col1:
    st.write("Coluna 1")
with col2:
    st.write("Coluna 2")

# Expansores
with st.expander("Clique para expandir"):
    st.write("Conteúdo expandido")

# Sidebar
st.sidebar.title("Menu Lateral")

Estilização

st.markdown("""
<style>
    .main {
        background-color: #f0f2f6;
    }
    .stButton>button {
        background-color: #4CAF50;
        color: white;
    }
</style>
""", unsafe_allow_html=True)

Exercício 3

Crie um dashboard com:

1. Menu lateral com opções
2. Duas colunas principais
3. Expansores para informações detalhadas
4. Estilização personalizada

Projeto Final

Aplicação de Análise de Dados

Objetivo

Criar uma aplicação completa que:

1. Carregue dados de um arquivo CSV
2. Permita filtros interativos
3. Mostre diferentes visualizações
4. Inclua métricas importantes
5. Tenha um layout profissional

Código Base

import streamlit as st
import pandas as pd
import plotly.express as px

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

# Título
st.title("Dashboard de Análise de Dados")

# Carregamento de dados
@st.cache_data
def load_data():
    return pd.read_csv("dados.csv")

# Interface principal
df = load_data()

# Filtros
st.sidebar.header("Filtros")
filtro_categoria = st.sidebar.multiselect("Categoria", df['categoria'].unique())

# Visualizações
col1, col2 = st.columns(2)

with col1:
    st.subheader("Gráfico de Barras")
    fig = px.bar(df, x='categoria', y='valor')
    st.plotly_chart(fig)

with col2:
    st.subheader("Gráfico de Pizza")
    fig = px.pie(df, values='valor', names='categoria')
    st.plotly_chart(fig)

# Métricas
st.subheader("Métricas")
col1, col2, col3 = st.columns(3)
col1.metric("Total", df['valor'].sum())
col2.metric("Média", df['valor'].mean())
col3.metric("Máximo", df['valor'].max())

Exercício Final

Desenvolva uma aplicação Streamlit para análise de dados de vendas que inclua:

1. Carregamento de dados
2. Filtros interativos
3. Múltiplas visualizações
4. Métricas importantes
5. Layout responsivo
6. Documentação clara

Recursos Adicionais

Links Úteis

• Documentação Oficial do Streamlit
• Streamlit Gallery
• Streamlit Components

Próximos Passos

1. Aprender sobre cache e performance
2. Explorar componentes personalizados
3. Implementar autenticação
4. Fazer deploy da aplicação

---

Conclusão

Este curso forneceu uma base sólida para começar a desenvolver aplicações com Streamlit. Continue praticando e explorando as diversas funcionalidades disponíveis na biblioteca.

Lembre-se: A melhor maneira de aprender é praticando! Crie seus próprios projetos e experimente diferentes recursos do Streamlit.