Create pagina 1 (#2)

- Create pagina 1 (7028458915b128041b9f7c8f32bb1d1f769dd25a)

pagina 1

@@ -0,0 +1,72 @@
+import streamlit as st
+import pandas as pd
+import seaborn as sns
+import matplotlib.pyplot as plt
+
+st.set_page_config(page_title="Visão Geral da Carteira", layout="wide")
+
+st.title("📊 Visão Geral da Carteira de Crédito")
+
+@st.cache_data
+def load_data():
+    # Carrega os dados originais
+    url = 'https://raw.githubusercontent.com/pegumzs/Prova-final-siep/main/credit_customers.csv'
+    df = pd.read_csv(url)
+    return df
+
+df = load_data()
+
+# --- KPIs ---
+total_clientes = len(df)
+taxa_inadimplencia = (df['class'] == 'bad').mean() * 100
+valor_medio_credito = df['credit_amount'].mean()
+
+col1, col2, col3 = st.columns(3)
+col1.metric("Total de Clientes", f"{total_clientes}")
+col2.metric("Taxa de Inadimplência", f"{taxa_inadimplencia:.2f}%")
+col3.metric("Valor Médio de Crédito", f"R$ {valor_medio_credito:,.2f}")
+
+st.markdown("---")
+
+# --- Filtros Interativos ---
+st.sidebar.header("Filtros Interativos")
+idade_min, idade_max = int(df['age'].min()), int(df['age'].max())
+selected_age = st.sidebar.slider(
+    "Filtrar por Idade",
+    min_value=idade_min,
+    max_value=idade_max,
+    value=(idade_min, idade_max)
+)
+
+purpose_list = ['Todos'] + sorted(df['purpose'].unique().tolist())
+selected_purpose = st.sidebar.selectbox(
+    "Filtrar por Propósito do Crédito",
+    purpose_list
+)
+
+# Aplicando filtros
+df_filtered = df[
+    (df['age'] >= selected_age[0]) & (df['age'] <= selected_age[1])
+]
+if selected_purpose != 'Todos':
+    df_filtered = df_filtered[df_filtered['purpose'] == selected_purpose]
+
+# --- Gráficos e Tabela ---
+st.subheader("Análise Exploratória Interativa")
+
+col1, col2 = st.columns(2)
+
+with col1:
+    fig, ax = plt.subplots()
+    sns.histplot(df_filtered, x='credit_amount', hue='class', kde=True, ax=ax, palette=['#5cb85c', '#d9534f'])
+    ax.set_title("Distribuição do Valor do Crédito")
+    st.pyplot(fig)
+
+with col2:
+    fig, ax = plt.subplots()
+    sns.countplot(data=df_filtered, y='credit_history', hue='class', palette=['#5cb85c', '#d9534f'])
+    ax.set_title("Contagem por Histórico de Crédito")
+    st.pyplot(fig)
+
+st.subheader("Dados Filtrados")
+st.dataframe(df_filtered)