Paginas

pagina 1

@@ -1,72 +0,0 @@
-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)