Update src/streamlit_app.py

src/streamlit_app.py

@@ -1,40 +1,278 @@
-import altair as alt
-import numpy as np
-import pandas as pd
 import streamlit as st
+import pandas as pd
+import numpy as np
+import plotly.express as px
+import plotly.graph_objects as go
+
+# --- Configuração da Página ---
+st.set_page_config(layout="wide", page_title="Dashboard de Reciclagem v0 Estruturado")
+
+# --- Dados (Originais do v0) ---
+meses = ['Jan', 'Fev', 'Mar', 'Abr', 'Mai', 'Jun', 'Jul', 'Ago', 'Set', 'Out', 'Nov', 'Dez']
+dados_2024 = {
+    'Mes': meses,
+    'Papel_Papelao': [8047, 11287, 8184, 10183, 5699, 5830, 7465, 5600, 2960, 5175, 9656, 3960],
+    'Plastico':      [6353, 8771, 6993, 8050, 4880, 5296, 5937, 4747, 2446, 4109, 7667, 3367],
+    'Metal':         [1061, 2025, 1121, 1832, 716, 936, 1553, 904, 361, 630, 1904, 569],
+    'Vidro':         [5248, 6929, 6014, 5821, 3697, 3655, 4950, 3360, 1580, 3261, 6173, 2357]
+}
+df_2024 = pd.DataFrame(dados_2024)
+
+dados_anuais = {
+    'Ano': [2022, 2023, 2024],
+    'Papel_Papelao': [18780, 58718, 84046],
+    'Plastico':      [5340, 1041, 8279],
+    'Metal':         [1300, 1737, 19955],
+    'Vidro':         [0, 725, 1709]
+}
+df_anuais = pd.DataFrame(dados_anuais)
+
+precos = {
+    'Papel_Papelao': 0.50,
+    'Plastico': 0.80,
+    'Metal': 2.00,
+    'Vidro': 0.30
+}
+
+# --- Estatísticas descritivas (Originais do v0) ---
+df_2024_numeric = df_2024.drop(columns='Mes')
+desc = df_2024_numeric.describe().T
+desc['Mediana'] = df_2024_numeric.median()
+desc = desc[['mean', 'Mediana', 'std', 'min', 'max']]
+desc.columns = ['Média', 'Mediana', 'Desvio Padrão', 'Mínimo', 'Máximo']
+
+# --- Simulação de faturamento (Originais do v0) ---
+estatisticas_simulacao = {} # Renomeado para evitar conflito com o df 'estatisticas' se existir
+for material_key in precos.keys(): # Evitar conflito com a variável 'material' do selectbox
+    media = df_2024_numeric[material_key].mean()
+    std = df_2024_numeric[material_key].std()
+    estatisticas_simulacao[material_key] = {'media': media, 'std': std}
+
+def simular_faturamento_anual(estats, precos_dict, fator=1.0, n_sim=1000, seed=42):
+    np.random.seed(seed)
+    faturamentos = []
+    for _ in range(n_sim):
+        total = 0
+        for mat_sim, stats_sim in estats.items():
+            medias = stats_sim['media'] * fator
+            stds = stats_sim['std']
+            # Garantir que o desvio padrão não seja negativo ou zero se a média for zero
+            quantidades = np.random.normal(medias, stds if stds > 0 else 1e-6, 12)
+            quantidades = np.clip(quantidades, 0, None) # Quantidades não podem ser negativas
+            total += quantidades.sum() * precos_dict[mat_sim]
+        faturamentos.append(total)
+    return np.array(faturamentos)
+
+cenarios_simulacao = { # Renomeado para evitar conflito
+    'Base': 1.0,
+    'Otimista': 1.15,
+    'Pessimista': 0.85
+}
+# Cores para os gráficos de cenário
+cores_graf_cenarios = {'Base': '#1f77b4', 'Otimista': '#2ca02c', 'Pessimista': '#d62728'}
+
+
+# --- Interface Streamlit ---
+st.sidebar.title("🔩 Configurações e Navegação")
+secao_analise = st.sidebar.radio(
+    "Selecione a Seção de Análise:",
+    ("Visão Geral da Coleta", "Análise Estatística da Coleta", "Simulação de Faturamento"),
+    captions = ["Tendências anuais e mensais", "Descritivas e distribuições", "Projeções e cenários"]
+)
+st.sidebar.markdown("---")
+
+# Filtros (relevância depende da seção)
+st.sidebar.subheader("Filtros Gerais")
+materiais_opcoes = ['Todos'] + list(precos.keys())
+material_filtro = st.sidebar.selectbox('Selecione o material:', materiais_opcoes)
+
+# O filtro de cenário só é relevante para a seção de faturamento
+cenario_filtro = 'Todos' # Default
+if secao_analise == "Simulação de Faturamento":
+    cenarios_opcoes_filtro = ['Todos'] + list(cenarios_simulacao.keys())
+    cenario_filtro = st.sidebar.selectbox('Selecione o cenário de faturamento:', cenarios_opcoes_filtro)
+
+st.sidebar.markdown("---")
+st.sidebar.info(f"Dashboard de Reciclagem (v0 Estruturado)\nDados de 2022-2024. Simulações baseadas em 2024.\nAtualizado em: {pd.Timestamp('now').strftime('%d/%m/%Y')}")
+
+
+# --- Conteúdo Principal ---
+st.title('♻️ Dashboard de Recicláveis e Faturamento')
+st.markdown(f"### Seção Atual: {secao_analise}")
+st.markdown("---")
+
+
+if secao_analise == "Visão Geral da Coleta":
+    st.header("📈 Evolução da Coleta de Materiais")
+    st.caption(f"Visualizando dados para: {material_filtro}")
+
+    tab_anual, tab_mensal = st.tabs(["Evolução Anual", "Evolução Mensal (2024)"])
+
+    with tab_anual:
+        if material_filtro != 'Todos':
+            st.subheader(f'Evolução Anual de {material_filtro}')
+            if material_filtro in df_anuais.columns:
+                fig_anual = px.bar(df_anuais, x=df_anuais.index, y=material_filtro,
+                                   title=f'Coleta Anual de {material_filtro}',
+                                   labels={'value': 'Quantidade (kg)', 'Ano': 'Ano', material_filtro: 'Quantidade (kg)'},
+                                   template='plotly_white', text_auto='.2s')
+                fig_anual.update_layout(xaxis_title='Ano', yaxis_title='Quantidade (kg)')
+                st.plotly_chart(fig_anual, use_container_width=True)
+            else:
+                st.warning(f"Dados anuais não disponíveis para '{material_filtro}'.")
+        else:
+            st.subheader('Evolução Anual de Todos os Materiais')
+            df_anuais_melt = df_anuais.reset_index().melt(id_vars='Ano', var_name='Material', value_name='Quantidade')
+            fig_anual_todos = px.bar(df_anuais_melt, x='Ano', y='Quantidade', color='Material', barmode='group',
+                                     title='Coleta Anual de Todos os Materiais',
+                                     labels={'Quantidade': 'Quantidade (kg)', 'Ano': 'Ano'},
+                                     template='plotly_white', text_auto='.2s')
+            fig_anual_todos.update_layout(xaxis_title='Ano', yaxis_title='Quantidade (kg)')
+            st.plotly_chart(fig_anual_todos, use_container_width=True)
+
+    with tab_mensal:
+        if material_filtro != 'Todos':
+            st.subheader(f'Evolução Mensal de {material_filtro} em 2024')
+            if material_filtro in df_2024.columns: # df_2024 agora tem 'Mes' como index
+                 fig_mensal = px.line(df_2024, x=df_2024.index, y=material_filtro, markers=True,
+                                   title=f'Coleta Mensal de {material_filtro} (2024)',
+                                   labels={'index': 'Mês', material_filtro: 'Quantidade (kg)'}, template='plotly_white')
+                 fig_mensal.update_layout(xaxis_title='Mês', yaxis_title='Quantidade (kg)')
+                 st.plotly_chart(fig_mensal, use_container_width=True)
+            else:
+                st.warning(f"Dados mensais de 2024 não disponíveis para '{material_filtro}'.")
+        else:
+            st.subheader('Evolução Mensal de Todos os Materiais em 2024')
+            df_2024_melt = df_2024_numeric.reset_index().melt(id_vars='Mes', var_name='Material', value_name='Quantidade')
+            fig_mensal_todos = px.line(df_2024_melt, x='Mes', y='Quantidade', color='Material', markers=True,
+                                       title='Coleta Mensal de Todos os Materiais (2024)',
+                                       labels={'Mes': 'Mês', 'Quantidade': 'Quantidade (kg)'}, template='plotly_white')
+            fig_mensal_todos.update_layout(xaxis_title='Mês', yaxis_title='Quantidade (kg)')
+            st.plotly_chart(fig_mensal_todos, use_container_width=True)
+
+
+elif secao_analise == "Análise Estatística da Coleta":
+    st.header("📊 Análise Estatística da Coleta (Baseado em Dados Mensais de 2024)")
+
+    tab_desc, tab_box = st.tabs(["Estatísticas Descritivas", "Boxplot dos Materiais"])
+
+    with tab_desc:
+        st.subheader('Tabela de Estatísticas Descritivas')
+        st.caption("Quantidades médias, medianas, desvios, mínimos e máximos mensais por material em 2024.")
+        st.dataframe(desc.style.format('{:,.2f}'), use_container_width=True)
+
+    with tab_box:
+        st.subheader('Distribuição das Quantidades Mensais por Material (Boxplot)')
+        st.caption(f"Visualizando para: {material_filtro}")
+        df_melt_box = df_2024_numeric.reset_index().melt(id_vars='Mes', var_name='Material', value_name='Quantidade')
+
+        if material_filtro != 'Todos':
+            df_melt_box_filtrado = df_melt_box[df_melt_box['Material'] == material_filtro]
+        else:
+            df_melt_box_filtrado = df_melt_box
+        
+        if not df_melt_box_filtrado.empty:
+            fig_boxplot = px.box(df_melt_box_filtrado, x='Material', y='Quantidade',
+                                 color='Material' if material_filtro == 'Todos' else None,
+                                 title='Distribuição das Quantidades Mensais (2024)',
+                                 labels={'Quantidade': 'Quantidade (kg)'}, template='plotly_white')
+            fig_boxplot.update_layout(xaxis_title='Material', yaxis_title='Quantidade (kg)')
+            st.plotly_chart(fig_boxplot, use_container_width=True)
+        else:
+            st.warning(f"Não há dados para exibir no boxplot para '{material_filtro}'.")
+
+
+elif secao_analise == "Simulação de Faturamento":
+    st.header("💰 Simulação de Faturamento Anual")
+    st.caption(f"Analisando Material: {material_filtro}, Cenário: {cenario_filtro}")
+
+    # Funções de plotagem e tabela de resumo da simulação (originais do v0, adaptadas)
+    def criar_tabela_resumo_simulacao(simulacoes_dict):
+        dados = []
+        # Iterar sobre as chaves dos cenários de simulação para manter a ordem
+        for nome_cenario_sim in cenarios_simulacao.keys():
+            if nome_cenario_sim in simulacoes_dict:
+                media_val = simulacoes_dict[nome_cenario_sim].mean()
+                std_val = simulacoes_dict[nome_cenario_sim].std()
+                dados.append([nome_cenario_sim, f"R$ {media_val:,.2f}", f"R$ {std_val:,.2f}"])
+        df_res = pd.DataFrame(dados, columns=['Cenário', 'Faturamento Anual Médio', 'Desvio Padrão'])
+        return df_res.set_index('Cenário')
+
+    def criar_grafico_cenarios_simulacao(simulacoes_dict, titulo_grafico):
+        fig = go.Figure()
+        # Iterar sobre as chaves dos cenários de simulação para manter a ordem e cores
+        for nome_cenario_sim in cenarios_simulacao.keys():
+            if nome_cenario_sim in simulacoes_dict:
+                fig.add_trace(go.Histogram(
+                    x=simulacoes_dict[nome_cenario_sim],
+                    name=nome_cenario_sim,
+                    histnorm='probability density',
+                    opacity=0.6,
+                    nbinsx=40, # Ajustado para melhor visualização
+                    marker_color=cores_graf_cenarios[nome_cenario_sim],
+                    showlegend=True
+                ))
+                media_val = simulacoes_dict[nome_cenario_sim].mean()
+                fig.add_vline(x=media_val, line_dash='dash', line_color=cores_graf_cenarios[nome_cenario_sim],
+                              annotation_text=f'Média {nome_cenario_sim}: R${media_val:,.0f}',
+                              annotation_position='top right' if nome_cenario_sim != 'Pessimista' else 'top left',
+                              annotation_font_size=10)
+        fig.update_layout(
+            barmode='overlay',
+            title_text=titulo_grafico,
+            xaxis_title_text='Faturamento Total Anual (R$)',
+            yaxis_title_text='Densidade de Probabilidade',
+            legend_title_text='Cenário',
+            template='plotly_white',
+            title_font_size=16
+        )
+        return fig
+
+    # Lógica de simulação e exibição (adaptada do v0)
+    if material_filtro != 'Todos':
+        estats_filtradas = {material_filtro: estatisticas_simulacao[material_filtro]}
+        precos_filtrados = {material_filtro: precos[material_filtro]}
+        titulo_base_grafico = f"Simulação para {material_filtro}"
+    else:
+        estats_filtradas = estatisticas_simulacao
+        precos_filtrados = precos
+        titulo_base_grafico = "Simulação para Todos os Materiais"
+
+    if cenario_filtro != 'Todos':
+        # Simulação para um cenário específico
+        fator_unico = cenarios_simulacao[cenario_filtro]
+        dados_simulados_unicos = simular_faturamento_anual(estats_filtradas, precos_filtrados, fator=fator_unico)
+        
+        st.subheader(f"Distribuição para Cenário: {cenario_filtro} ({titulo_base_grafico.split('para ')[1]})")
+        fig_sim_unica = px.histogram(dados_simulados_unicos, nbins=50, histnorm='probability density',
+                                   title=f'Faturamento Anual Simulado - {titulo_base_grafico} ({cenario_filtro})',
+                                   labels={'value': 'Faturamento Anual (R$)'}, template='plotly_white')
+        fig_sim_unica.update_traces(marker_color=cores_graf_cenarios.get(cenario_filtro, '#808080'))
+        media_sim_unica = dados_simulados_unicos.mean()
+        fig_sim_unica.add_vline(x=media_sim_unica, line_dash='dash', line_color='black',
+                                annotation_text=f'Média: R$ {media_sim_unica:,.0f}', annotation_position='top right')
+        st.plotly_chart(fig_sim_unica, use_container_width=True)
+        st.write(f"**Faturamento Anual Médio Simulado:** R$ {media_sim_unica:,.2f}")
+        st.write(f"**Desvio Padrão:** R$ {dados_simulados_unicos.std():,.2f}")
+
+    else: # cenario_filtro == 'Todos'
+        # Simulações para todos os cenários (Base, Otimista, Pessimista)
+        simulacoes_completas = {
+            nome_cen: simular_faturamento_anual(estats_filtradas, precos_filtrados, fator=fator_cen)
+            for nome_cen, fator_cen in cenarios_simulacao.items()
+        }
+        st.subheader(f"Comparativo de Cenários ({titulo_base_grafico.split('para ')[1]})")
+        
+        tab_graf_sim, tab_tab_sim = st.tabs(["Distribuição dos Cenários", "Resumo Estatístico"])
+
+        with tab_graf_sim:
+            fig_todos_cenarios = criar_grafico_cenarios_simulacao(simulacoes_completas,
+                                                                f"Comparativo de Cenários de Faturamento ({titulo_base_grafico.split('para ')[1]})")
+            st.plotly_chart(fig_todos_cenarios, use_container_width=True)
+        
+        with tab_tab_sim:
+            df_resumo_todos_cenarios = criar_tabela_resumo_simulacao(simulacoes_completas)
+            st.dataframe(df_resumo_todos_cenarios, use_container_width=True)
 
-"""
-# Welcome to Streamlit!
-
-Edit `/streamlit_app.py` to customize this app to your heart's desire :heart:.
-If you have any questions, checkout our [documentation](https://docs.streamlit.io) and [community
-forums](https://discuss.streamlit.io).
-
-In the meantime, below is an example of what you can do with just a few lines of code:
-"""
-
-num_points = st.slider("Number of points in spiral", 1, 10000, 1100)
-num_turns = st.slider("Number of turns in spiral", 1, 300, 31)
-
-indices = np.linspace(0, 1, num_points)
-theta = 2 * np.pi * num_turns * indices
-radius = indices
-
-x = radius * np.cos(theta)
-y = radius * np.sin(theta)
-
-df = pd.DataFrame({
-    "x": x,
-    "y": y,
-    "idx": indices,
-    "rand": np.random.randn(num_points),
-})
-
-st.altair_chart(alt.Chart(df, height=700, width=700)
-    .mark_point(filled=True)
-    .encode(
-        x=alt.X("x", axis=None),
-        y=alt.Y("y", axis=None),
-        color=alt.Color("idx", legend=None, scale=alt.Scale()),
-        size=alt.Size("rand", legend=None, scale=alt.Scale(range=[1, 150])),
-    ))
+else:
+    st.error("Seção de análise não reconhecida.")