NOME PROJETO: Imersão Dados com Python: Dashboard Interativo de Salários 🚀

Índice

• 📝 Descrição do Projeto
• ⚙️ Tecnologias Utilizadas
• 📁 Estrutura do Projeto
• 🚀 Funcionalidades e Demonstração
• 💻 Como Usar a Aplicação
• 👥 Equipe do Projeto
• ✅ Conclusão
• 📸 Prévia do Projeto

---

📝 Descrição do Projeto

O Dashboard Interativo de Salários é um projeto de análise de dados desenvolvido durante a Imersão de Dados com Python da Alura. O objetivo é realizar a análise exploratória e o tratamento de uma base de dados sobre salários na área de tecnologia, culminando na construção e implantação de um dashboard interativo. Este projeto demonstra habilidades em manipulação de dados com Pandas, criação de visualizações interativas com Plotly e desenvolvimento de dashboards com Streamlit.

⚙️ Tecnologias Utilizadas

• Python: Linguagem de programação principal.
• Pandas: Biblioteca para manipulação e análise de dados.
• NumPy: Biblioteca para computação numérica, utilizada para lidar com valores nulos (NaN).
• Plotly: Biblioteca para criação de visualizações e gráficos interativos, incluindo o mapa coroplético.
• Streamlit: Framework para construir e implantar dashboards e aplicativos web.
• Visual Studio Code: IDE (Ambiente de Desenvolvimento Integrado) utilizada no desenvolvimento.
• Jupyter Notebooks: Ambiente para desenvolvimento e execução interativa do código.

📁 Estrutura do Projeto

.
├── app.py
├── requirements.txt
├── dF/
├── dados/
├── .venv/
└── .gitignore

A estrutura do projeto é a seguinte:

• app.py: O arquivo principal do dashboard, escrito em Streamlit.
• requirements.txt: Lista todas as bibliotecas e dependências necessárias para o projeto.
• dF: A base de dados ORIGINAL.
• dados: A base de dados tratada, utilizada pelo dashboard.
• .venv/: O ambiente virtual do projeto, que contém todas as bibliotecas instaladas.
• .gitignore: Arquivo para ignorar arquivos e pastas que não devem ser enviados para o repositório, como .venv.

---

🚀 Funcionalidades e Demonstração

Principais Funcionalidades

• Dashboard Interativo: Interface para explorar os dados de salários.
• Filtros Dinâmicos: Permite filtrar os dados por diferentes categorias, como experiência e cargo.
• Visualizações Gráficas: Exibe salários médios, máximos e outras métricas em gráficos interativos.
• Mapa Coroplético: Permite visualizar a distribuição de salários por localização geográfica.

Como funciona

O projeto foi estruturado para realizar a análise exploratória e a visualização de uma base de dados de salários na área de tecnologia, com o objetivo de construir um dashboard interativo. O fluxo de trabalho técnico é o seguinte:

1. Coleta e Importação de Dados: A base de dados é importada diretamente de um repositório no GitHub para um DataFrame, usando a biblioteca pandas.

   • A base de dados original é carregada com o comando pd.read_csv(), que aponta para o arquivo salaries.csv.

2. Análise e Preparação:

   • Inspeção Inicial: O DataFrame é analisado para entender sua estrutura, tipos de dados e dimensões usando métodos como .head(), .info() e .shape.
   • Tradução e Padronização: Os nomes das colunas e os valores categóricos (como "SE" para Sênior, "FT" para Tempo Integral) são traduzidos e padronizados para o português, tornando a análise mais intuitiva.
   • Tratamento de Nulos: A presença de valores nulos na coluna ano é identificada e, para garantir a consistência, as linhas afetadas são removidas com o método df.dropna(). O tipo de dado da coluna ano é então convertido de float para int.

3. Análise e Visualização de Dados:

   • Distribuições Salariais: Gráficos como barplot e boxplot do seaborn são gerados para visualizar a média e a distribuição dos salários em relação à senioridade.
   • Exploração Gráfica: Um histograma é usado para mostrar a frequência dos salários, enquanto gráficos de rosca (pie do plotly) são utilizados para analisar a proporção de tipos de trabalho (Remoto, Presencial e Híbrido).
   • Visualização Geográfica: Um mapa coroplético (choropleth do plotly) é criado para ilustrar o salário médio de Cientistas de Dados por país, permitindo uma análise espacial dos dados.

4. Exportação para o Dashboard: Por fim, o DataFrame limpo e tratado é salvo em um novo arquivo CSV, que serve como a fonte de dados para o dashboard interativo construído com o Streamlit.

---

💻 Como Usar a Aplicação

Para executar este projeto localmente, siga os passos abaixo:

1. Instale o Python 3.x em sua máquina.
2. Clone o repositório do projeto.

   git clone https://github.com/amaro-netto/ImersaoAlura-DadosComPython.git

3. Abra a pasta no VS Code ou terminal.

   cd [nome do seu-repositório]

4. Crie e ative um ambiente virtual para o projeto:

   python -m venv venv
   # Windows: .\venv\Scripts\activate
   # macOS/Linux: source venv/bin/activate

5. Instale as dependências a partir do arquivo requirements.txt:

   pip install -r requirements.txt

6. Para rodar o dashboard localmente, use o comando no terminal:

   streamlit run app.py

---

👥 Equipe do Projeto

---

✅ Conclusão

Este projeto foi uma experiência de aprendizado valiosa, demonstrando a aplicação de bibliotecas como Pandas, Plotly e Streamlit para análise e visualização de dados. A imersão permitiu aprofundar conhecimentos em tratamento de dados e na construção de dashboards interativos.

---

📸 Prévia do Projeto