DEV Community: Leonardo Damasceno Nascimento

Dashboards de Produção Industrial

Leonardo Damasceno Nascimento — Sun, 27 Mar 2022 23:46:49 +0000

Link para Download

Dashboard de Produção Industrial de Peças

Dashboards de Vendas no PBI

Leonardo Damasceno Nascimento — Sun, 27 Mar 2022 23:39:00 +0000

Link para Downloads

Dashboard de Vendas de Alimentos

link de acesso

Dashboard de Vendas de Varejo por continente

Mini project of Data Analysis

Leonardo Damasceno Nascimento — Sun, 13 Mar 2022 23:14:56 +0000

Hi everyone. How are you?
That's a post of a challenge of Data analysis for beginners.
It's from a Python for Data Analysis course I'm doing.

What do we have for him?
We have 3 files of 2019 from an Enterprise (all data are fake).

RegisterEmployer.csv
RegisterClient.csv
BaseServicesProvided.xlsx

What do we want to know?

Total payroll amount -> What was the total expenditure on employee salaries by the company?
What's the company's total revenue?
What's the % of employees who have already signed a contract?
Calculate the total number of contracts that each area of the company already signed
Calculate the total number of employees by area
What's the average monthly ticket of contract?

If you do the challenge, tell me in the comments if you liked it or if you have some doubts ;)

The feedback's on my GitHub: https://github.com/LeoDNascimento/Challenge-1E

Getting a CSV from internet with Pandas

Leonardo Damasceno Nascimento — Thu, 10 Mar 2022 05:33:04 +0000

Hi everyone.
Yesterday, I came across a challenge while I applying my studies od Pandas library.

I usually use CSV files I download to do my analysis, but this time my data was in an online CSV file that was constantly updated by other people. So, at least for me, is pretty boring to have to download every time the file and use it on the code.

So, here I am to show you how I solved this problem and managed to collect the data directly from the internet:

Case 1: CSV directly from a link

I have gotten this link to download a CSV file from G Drive:
https://drive.google.com/uc?authuser=0&id=1UzlPy6CZQeAzDXhfc_2sHEyK_Jb50vJs&export=download

If you click will download a file of the price of the dollar to Real.

Code:

import pandas as pd
url from the file you wanna download
#url ='https://drive.google.com/uc?authuser=0&id=1UzlPy6CZQeAzDXhfc_2sHEyK_Jb50vJs&export=download'
#Creating a dataframe to get the file
price_df = pd.read_csv(url)
price_df

Pretty easy ;)

But, sometimes you don't be so easy. You will have to format the file.

Case 2: CSV in a request that needs to be handled

This link is a history of coffee price in Brazil I found on Google:
http://portalweb.cooxupe.com.br:8080/portal/precohistoricocafe_2.jsp

At the end of the page you will see a link to download the file:

If you copy the URL, you will get that link:
http://portalweb.cooxupe.com.br:8080/portal/precohistoricocafe_2.jsp?d-3496238-e=2&6578706f7274=1

Let´s apply the same code:

coffe_url = 'http://portalweb.cooxupe.com.br:8080/portal/precohistoricocafe_2.jsp;jsessionid=FDD4F9458CC173838FCDE86C02BF6349?d-3496238-e=2&6578706f7274=1'
coffe_df = pd.read_csv(coffe_url)
coffe_df

And... Ops... Doesn't work.
Don't work because that link is not with the format like the other file of GDrive.

To solve that problem, we have to import two libraries:
Import requests Import io

import requests
import io

coffe_url = 'http://portalweb.cooxupe.com.br:8080/portal/precohistoricocafe_2.jsp;jsessionid=FDD4F9458CC173838FCDE86C02BF6349?d-3496238-e=2&6578706f7274=1'
# Doing a request from website 
content_url = requests.get(coffe_url).content
file = io.StringIO(content_url.decode('latin1'))
coffe_df = pd.read_csv(file, sep='\t')
coffe_df

And now we did it!!!

Notes: I use decode 'latin1', because the file has some special characters.
Note2: the separators of the file aren't a common separator. Is \t for some reason.
Note3: The file download like a text, the library io is to transform to file.

You also can use the strings methods, but more simple use IO library

Python: tuple x list x set x dictionary

Leonardo Damasceno Nascimento — Mon, 07 Feb 2022 04:22:20 +0000

List: listas são estruturas de dados de tamanhos dinâmicos, que não tem a restrição de ser homogenea, logo, pode ter diferentes tipos armazenados em si.

Características importantes:

Lista é uma coleção de dados ordenados;
São mutáveis. Ou seja, conseguimos alterar seus valores internos;
É declarada com [ ];
Pode criar/alterar o tipo usando a função list();
Pode valores duplicados em uma lista.

Tuple: uma tupla é algo bem semelhante a uma lista, sendo um "vetor" com index, ordenada, aninhadas... porém com a característica de ter os dados imutáveis.

Características importantes:

Tupla é uma coleção de dados ordenados;
São mutáveis. Ou seja, conseguimos alterar seus valores internos;
É declarada com [ ];
Pode criar/alterar o tipo usando a função list();
Pode valores duplicados em uma lista.

Set: é uma coleção desordenada de dados que é interagivel, mutável e não permite itens duplicados.

Características importantes:

Set pode ser declarado com {};
São mutáveis. Ou seja, conseguimos alterar seus valores internos;
Não permite duplicatas;
Pode criar/alterar o tipo usando a função set();

set1={1,2,3,4,5,"hello","tup"}
set2={(1,8,"python",7)}

Dictionaries: dicionários são estruturas de dados mutáveis que possuem pares de chaves de identificação e o valor (key pair).

Características importantes:

Set pode ser declarado com {};
São mutáveis. Ou seja, conseguimos alterar seus valores internos;
Permite duplicatas;
Pode criar/alterar o tipo usando a função dict();

dict1={"key1":"value1","key2":"value2"}
dict2={}   # empty dictionary
dict3=dict({1:"apple",2:"cherry",3:"strawberry"})

Dashboard de vendas simples

Leonardo Damasceno Nascimento — Mon, 07 Feb 2022 04:10:15 +0000

Link do video da dash

Para começar as postagens aqui no dev.to, começar com a última Dashboard que fiz.
Ela é uma bem simples, já que utilizo apenas tabela dinâmica e Gráficos simples de barra, área e Rosca.
A dashboard é feita com uma base genérica de dados de vendas com as colunas: data, ano, mês, Nome do cliente, Região, Produto, valor unitário da venda e forma de pagamento.

Objetivo da dash:

A dash é para mostrar os dados de vendas de uma empresa de varejo (no exemplo utilizo apenas 4 produtos), possibilitando um comparativo entre as macro regiões e as vendas mensais.
É uma dash de apresentação de dados mais gerais, não focando muito em comparativo entre os produtos, apenas seus desempenhos e timeline mensal (comparativo)e anual (apenas como filtro).

Composição:

Todos os gráficos da dash são conectados a dois filtros: filtro por ano e filtro por produto

DEV Community: Leonardo Damasceno Nascimento

Dashboards de Produção Industrial

Dashboard de Produção Industrial de Peças

Dashboards de Vendas no PBI

Dashboard de Vendas de Alimentos

Dashboard de Vendas de Varejo por continente

Mini project of Data Analysis

Getting a CSV from internet with Pandas

Case 1: CSV directly from a link

Code:

Case 2: CSV in a request that needs to be handled

Python: tuple x list x set x dictionary

Dashboard de vendas simples

Objetivo da dash:

Composição:

Gráfico de faturamento por mês:

Gráfico de venda de produto por mês:

Gráfico de faturamento total por região:

Gráfico de distribuição em porcentagem de forma de pagamento: