Transforme em português brasileiro. Preserve VERBATIM placeholders [X]/{x}, nomes de marcas/modelos, flags de parâmetros (--ar,85mm,4K,24fps), chaves/estrutura de código/JSON e texto citado dentro da imagem. Mantenha a estrutura 1:1. NUNCA use travessões (use ' - '). Preserve diacríticos. Produza APENAS a tradução, sem preâmbulo, sem cercas.

# ============================================================================= # DASHBOARD INTERATIVO - EVOLUÇÃO DE INDICADORES-CHAVE # ============================================================================= # Este script cria um dashboard moderno e interativo usando Plotly Dash. # Ele exibe a evolução de indicadores-chave extraídos de um PDF, com gráficos # dinâmicos, filtros por ano e legendas interativas. # Compatível com Replit. # ============================================================================= import dash from dash import dcc, html, Input, Output import plotly.express as px import plotly.graph_objects as go import pandas as pd import numpy as np # ============================================================================= # DADOS DE EXEMPLO (SUBSTITUIR PELOS DADOS REAIS DO PDF) # ============================================================================= # Simulando dados de indicadores-chave (exemplo: receita, lucro, clientes) # Em um cenário real, extraia esses dados do PDF usando bibliotecas como # PyPDF2, pdfplumber ou tabula-py. np.random.seed(42) anos = list(range(2018, 2024)) meses = ['Jan', 'Fev', 'Mar', 'Abr', 'Mai', 'Jun', 'Jul', 'Ago', 'Set', 'Out', 'Nov', 'Dez'] # Criando dados mensais para cada ano dados_mensais = [] for ano in anos: for mes in meses: receita = np.random.uniform(80000, 150000) * (1 + (ano - 2018) * 0.15) lucro = receita * np.random.uniform(0.15, 0.35) clientes = int(np.random.uniform(500, 1200) * (1 + (ano - 2018) * 0.1)) dados_mensais.append({ 'Ano': ano, 'Mes': mes, 'Receita': receita, 'Lucro': lucro, 'Clientes': clientes, 'Margem_Lucro': (lucro / receita) * 100 }) df = pd.DataFrame(dados_mensais) # Dados anuais agregados df_anual = df.groupby('Ano').agg({ 'Receita': 'sum', 'Lucro': 'sum', 'Clientes': 'sum', 'Margem_Lucro': 'mean' }).reset_index() # ============================================================================= # INICIALIZAÇÃO DO DASHBOARD # ============================================================================= app = dash.Dash(__name__) app.title = "Dashboard de Indicadores-Chave" # Paleta de cores moderna e limpa CORES = { 'fundo': '#f8f9fa', 'texto': '#2c3e50', 'primaria': '#3498db', 'secundaria': '#2ecc71', 'terciaria': '#e74c3c', 'quartenaria': '#f39c12' } # ============================================================================= # LAYOUT DO DASHBOARD # ============================================================================= app.layout = html.Div( style={ 'backgroundColor': CORES['fundo'], 'fontFamily': 'Segoe UI, Roboto, Helvetica, Arial, sans-serif', 'padding': '20px', 'minHeight': '100vh' }, children=[ # Cabeçalho html.Div( style={'textAlign': 'center', 'marginBottom': '30px'}, children=[ html.H1( "Dashboard de Indicadores-Chave", style={'color': CORES['texto'], 'fontWeight': '300', 'fontSize': '36px'} ), html.P( "Evolução dos principais indicadores - 2018 a 2023", style={'color': '#7f8c8d', 'fontSize': '16px'} ) ] ), # Filtros globais html.Div( style={'marginBottom': '20px', 'padding': '15px', 'backgroundColor': 'white', 'borderRadius': '8px', 'boxShadow': '0 2px 4px rgba(0,0,0,0.1)'}, children=[ html.Label("Filtrar por Ano:", style={'fontWeight': 'bold', 'marginRight': '15px'}), dcc.Dropdown( id='filtro-ano', options=[{'label': 'Todos', 'value': 'todos'}] + [{'label': str(ano), 'value': ano} for ano in anos], value='todos', multi=False, style={'width': '200px', 'display': 'inline-block', 'verticalAlign': 'middle'} ), html.Label("Métrica:", style={'fontWeight': 'bold', 'marginLeft': '30px', 'marginRight': '15px'}), dcc.Dropdown( id='filtro-metrica', options=[ {'label': 'Receita', 'value': 'Receita'}, {'label': 'Lucro', 'value': 'Lucro'}, {'label': 'Clientes', 'value': 'Clientes'}, {'label': 'Margem de Lucro (%)', 'value': 'Margem_Lucro'} ], value='Receita', multi=False, style={'width': '250px', 'display': 'inline-block', 'verticalAlign': 'middle'} ) ] ), # Gráfico 1: Evolução Anual html.Div( style={'marginBottom': '30px', 'backgroundColor': 'white', 'padding': '20px', 'borderRadius': '8px', 'boxShadow': '0 2px 4px rgba(0,0,0,0.1)'}, children=[ html.H3("Evolução Anual dos Indicadores", style={'color': CORES['texto'], 'fontWeight': '400'}), dcc.Graph(id='grafico-anual') ] ), # Gráfico 2: Comparação Mensal html.Div( style={'marginBottom': '30px', 'backgroundColor': 'white', 'padding': '20px', 'borderRadius': '8px', 'boxShadow': '0 2px 4px rgba(0,0,0,0.1)'}, children=[ html.H3("Comparação Mensal por Ano", style={'color': CORES['texto'], 'fontWeight': '400'}), dcc.Graph(id='grafico-mensal') ] ), # Gráfico 3: Distribuição e Comparação html.Div( style={'marginBottom': '30px', 'backgroundColor': 'white', 'padding': '20px', 'borderRadius': '8px', 'boxShadow': '0 2px 4px rgba(0,0,0,0.1)'}, children=[ html.H3("Distribuição e Comparação entre Períodos", style={'color': CORES['texto'], 'fontWeight': '400'}), dcc.Graph(id='grafico-comparacao') ] ), # Gráfico 4: Tendência e Projeção html.Div( style={'marginBottom': '30px', 'backgroundColor': 'white', 'padding': '20px', 'borderRadius': '8px', 'boxShadow': '0 2px 4px rgba(0,0,0,0.1)'}, children=[ html.H3("Tendência e Projeção", style={'color': CORES['texto'], 'fontWeight': '400'}), dcc.Graph(id='grafico-tendencia') ] ), # Rodapé html.Footer( style={'textAlign': 'center', 'color': '#7f8c8d', 'marginTop': '30px', 'fontSize': '14px'}, children=[ html.P("Dashboard gerado automaticamente - Dados de exemplo para demonstração") ] ) ] ) # ============================================================================= # CALLBACKS PARA INTERATIVIDADE # ============================================================================= @app.callback( Output('grafico-anual', 'figure'), [Input('filtro-ano', 'value'), Input('filtro-metrica', 'value')] ) def atualizar_grafico_anual(ano_selecionado, metrica): """Atualiza o gráfico de evolução anual com base nos filtros.""" df_filtrado = df_anual.copy() if ano_selecionado != 'todos': df_filtrado = df_filtrado[df_filtrado['Ano'] <= ano_selecionado] fig = go.Figure() # Adicionar barras para o período atual fig.add_trace(go.Bar( x=df_filtrado['Ano'], y=df_filtrado[metrica], name='Período Atual', marker_color=CORES['primaria'], text=df_filtrado[metrica].round(2) if metrica != 'Clientes' else df_filtrado[metrica], textposition='outside', hovertemplate='<b>%{x}</b><br>' + metrica + ': %{y:,.2f}<extra></extra>' )) # Adicionar linha de tendência fig.add_trace(go.Scatter( x=df_filtrado['Ano'], y=df_filtrado[metrica], mode='lines+markers', name='Tendência', line=dict(color=CORES['secundaria'], width=3), marker=dict(size=8), hovertemplate='<b>%{x}</b><br>Tendência: %{y:,.2f}<extra></extra>' )) fig.update_layout( template='plotly_white', hovermode='x unified', legend=dict(orientation='h', yanchor='bottom', y=1.02, xanchor='right', x=1), margin=dict(l=40, r=40, t=40, b=40), xaxis_title='Ano', yaxis_title=metrica, font=dict(family='Segoe UI, Roboto, Helvetica, Arial, sans-serif', color=CORES['texto']) ) return fig @app.callback( Output('grafico-mensal', 'figure'), [Input('filtro-ano', 'value'), Input('filtro-metrica', 'value')] ) def atualizar_grafico_mensal(ano_selecionado, metrica): """Atualiza o gráfico mensal comparativo entre anos.""" df_filtrado = df.copy() if ano_selecionado != 'todos': df_filtrado = df_filtrado[df_filtrado['Ano'] == ano_selecionado] fig = px.line( df_filtrado, x='Mes', y=metrica, color='Ano', markers=True, title=f'Evolução Mensal - {metrica}', labels={'Mes': 'Mês', metrica: metrica, 'Ano': 'Ano'}, color_discrete_sequence=px.colors.qualitative.Set2 ) fig.update_traces( line=dict(width=2.5), marker=dict(size=6), hovertemplate='<b>%{x}</b><br>' + metrica + ': %{y:,.2f}<br>Ano: %{customdata}<extra></extra>' ) fig.update_layout( template='plotly_white', hovermode='x unified', legend=dict(orientation='h', yanchor='bottom', y=1.02, xanchor='right', x=1), margin=dict(l=40, r=40, t=60, b=40), xaxis_title='Mês', yaxis_title=metrica, font=dict(family='Segoe UI, Roboto, Helvetica, Arial, sans-serif', color=CORES['texto']) ) return fig @app.callback( Output('grafico-comparacao', 'figure'), [Input('filtro-ano', 'value'), Input('filtro-metrica', 'value')] ) def atualizar_grafico_comparacao(ano_selecionado, metrica): """Cria gráfico de comparação entre períodos (atual vs anterior).""" df_filtrado = df_anual.copy() if ano_selecionado != 'todos': df_filtrado = df_filtrado[df_filtrado['Ano'] <= ano_selecionado] # Calcular variação percentual df_filtrado['Variacao'] = df_filtrado[metrica].pct_change() * 100 fig = go.Figure() # Barras para valores fig.add_trace(go.Bar( x=df_filtrado['Ano'], y=df_filtrado[metrica], name='Valor', marker_color=CORES['primaria'], text=df_filtrado[metrica].round(2) if metrica != 'Clientes' else df_filtrado[metrica], textposition='outside', hovertemplate='<b>%{x}</b><br>Valor: %{y:,.2f}<extra></extra>' )) # Linha para variação percentual fig.add_trace(go.Scatter( x=df_filtrado['Ano'], y=df_filtrado['Variacao'], name='Variação (%)', yaxis='y2', mode='lines+markers', line=dict(color=CORES['terciaria'], width=2), marker=dict(size=8), hovertemplate='<b>%{x}</b><br>Variação: %{y:.1f}%<extra></extra>' )) fig.update_layout( template='plotly_white', hovermode='x unified', legend=dict(orientation='h', yanchor='bottom', y=1.02, xanchor='right', x=1), margin=dict(l=40, r=40, t=40, b=40), xaxis_title='Ano', yaxis_title=metrica, yaxis2=dict( title='Variação (%)', overlaying='y', side='right', showgrid=False ), font=dict(family='Segoe UI, Roboto, Helvetica, Arial, sans-serif', color=CORES['texto']) ) return fig @app.callback( Output('grafico-tendencia', 'figure'), [Input('filtro-ano', 'value'), Input('filtro-metrica', 'value')] ) def atualizar_grafico_tendencia(ano_selecionado, metrica): """Cria gráfico de tendência com projeção linear.""" df_filtrado = df_anual.copy() if ano_selecionado != 'todos': df_filtrado = df_filtrado[df_filtrado['Ano'] <= ano_selecionado] # Calcular tendência linear x = df_filtrado['Ano'].values y = df_filtrado[metrica].values z = np.polyfit(x, y, 1) p = np.poly1d(z) # Projeção para 2 anos futuros anos_futuros = list(range(df_filtrado['Ano'].max() + 1, df_filtrado['Ano'].max() + 3)) projecao = p(anos_futuros) fig = go.Figure() # Dados históricos fig.add_trace(go.Scatter( x=df_filtrado['Ano'], y=df_filtrado[metrica], mode='lines+markers', name='Histórico', line=dict(color=CORES['primaria'], width=3), marker=dict(size=10), hovertemplate='<b>%{x}</b><br>Histórico: %{y:,.2f}<extra></extra>' )) # Linha de tendência fig.add_trace(go.Scatter( x=df_filtrado['Ano'], y=p(x), mode='lines', name='Tendência', line=dict(color=CORES['secundaria'], width=2, dash='dash'), hovertemplate='<b>%{x}</b><br>Tendência: %{y:,.2f}<extra></extra>' )) # Projeção fig.add_trace(go.Scatter( x=anos_futuros, y=projecao, mode='lines+markers', name='Projeção', line=dict(color=CORES['terciaria'], width=2, dash='dot'), marker=dict(size=8, symbol='diamond'), hovertemplate='<b>%{x}</b><br>Projeção: %{y:,.2f}<extra></extra>' )) fig.update_layout( template='plotly_white', hovermode='x unified', legend=dict(orientation='h', yanchor='bottom', y=1.02, xanchor='right', x=1), margin=dict(l=40, r=40, t=40, b=40), xaxis_title='Ano', yaxis_title=metrica, font=dict(family='Segoe UI, Roboto, Helvetica, Arial, sans-serif', color=CORES['texto']) ) return fig # ============================================================================= # EXECUÇÃO DO SERVIDOR # ============================================================================= if __name__ == '__main__': app.run_server(debug=True, host='0.0.0.0', port=8050)