intro_cd_streamlit

Projeto didático de Ciência de Dados com Streamlit usando Pandas para carregar um CSV, aplicar filtros e gerar visualizações nativas do Streamlit. Inclui também exemplos de correlação e K-means para explorar padrões em variáveis numéricas.

Repositório: https://github.com/gmcalixto/intro_cd_streamlit

---

✅ Pré-requisitos

• Python 3.10+ (recomendado 3.11/3.12)
• pip
• (Recomendado) ambiente virtual (venv)

---

📦 Instalação

1) Clonar o repositório

git clone https://github.com/gmcalixto/intro_cd_streamlit.git
cd intro_cd_streamlit

2) Criar e ativar ambiente virtual

Windows (PowerShell):

python -m venv env
.\env\Scripts\Activate.ps1

Linux/Mac:

python -m venv env
source env/bin/activate

3) Instalar dependências

Se existir requirements.txt:

pip install -r requirements.txt

Se ainda não existir, um conjunto mínimo para este exemplo é:

pip install streamlit pandas scikit-learn matplotlib

matplotlib é usado apenas na visualização opcional do K-means com centróides via st.pyplot().

---

📄 Dados (CSV)

O app lê um arquivo CSV (exemplo utilizado nas aulas):

• StudentPerformanceFactors.csv

Coloque o arquivo na raiz do projeto (mesma pasta do app.py) ou ajuste o caminho no código:

ARQUIVO = "StudentPerformanceFactors.csv"

---

▶️ Como executar

Na pasta do projeto, execute:

streamlit run app.py

O Streamlit vai exibir no terminal um endereço como:

• http://localhost:8501

---

🧭 O que o app faz

1) Carregamento e visão geral

• Lê o CSV com Pandas (pd.read_csv)
• Exibe amostra (head) e estatísticas descritivas

2) Filtros simples (sidebar)

• 1 filtro categórico (seleção de coluna e valor)
• 1 filtro numérico (slider de intervalo)

3) Visualizações nativas do Streamlit

• st.bar_chart()
  • média de métrica numérica por categoria
  • ranking de correlações com variável alvo
• st.line_chart()
  • tendência/variação de uma coluna numérica (série ordenada)
• st.scatter_chart()
  • dispersão X × Y
  • dispersão X × Y colorida por cluster (K-means)

4) Correlação

• Matriz de correlação em tabela (df.corr())
• Ranking das correlações absolutas com uma variável alvo (bar chart)

5) K-means (clusterização)

• Seleção de duas variáveis numéricas (X e Y)
• Escolha de k (número de clusters)
• Padronização com StandardScaler (recomendado)
• Visualização:
  • st.scatter_chart (nativo) colorindo por cluster
  • (Opcional) Matplotlib para destacar centróides

---

🗂️ Estrutura sugerida do projeto

intro_cd_streamlit/
├─ app.py
├─ StudentPerformanceFactors.csv
├─ requirements.txt
└─ README.md