Update src/streamlit_app.py

src/streamlit_app.py

@@ -95,6 +95,9 @@ usar_logy = st.sidebar.checkbox("Aplicar transformação log(SalePrice) caso pre
 teste_size = st.sidebar.slider("Proporção de teste (holdout)", 0.1, 0.5, 0.2, 0.05)
 alpha_reg = st.sidebar.slider("Nível de significância (α) — Regressão", 0.01, 0.10, 0.05, 0.01)
 
+# >>> botão agora na sidebar <<<
+ajustar = st.sidebar.button("Ajustar modelo")
+
 # -------------------------------------------------
 # Conteúdo principal — Análises
 # -------------------------------------------------
@@ -113,9 +116,9 @@ variavel = st.selectbox(
     ["Neighborhood","Garage_Type","Fireplaces"]
 )
 if not dados_filtrados.empty and len(dados_filtrados[variavel].dropna().unique()) > 1:
-    fig2, ax2 = plt.subplots(figsize=(6,4))
+    fig2, ax2 = plt.subplots(figsize=(5,3.5))
     sns.boxplot(x=variavel, y="SalePrice", data=dados_filtrados, ax=ax2)
-    plt.xticks(rotation=90)
+    plt.xticks(rotation=60)
     st.pyplot(fig2, clear_figure=True, use_container_width=False)
 
 # Scatter interativo
@@ -133,7 +136,7 @@ if not dados_filtrados.empty:
             size='count', color='Neighborhood',
             labels={'mean_price': 'Preço Médio de Venda', 'Neighborhood':'Bairro'}
         )
-        fig3.update_layout(width=600, height=350)
+        fig3.update_layout(width=550, height=320)
         st.plotly_chart(fig3, use_container_width=False)
 
 # =================================================
@@ -148,7 +151,7 @@ def construir_formula(y, feats_num, feats_cat, inter_1=None, inter_2=None):
     rhs = " + ".join(termos) if termos else "1"
     return f"{y} ~ {rhs}"
 
-if st.button("Ajustar modelo"):
+if ajustar:   # botão na sidebar
     cols_necessarias = ['SalePrice'] + feats_num + feats_cat
     if interagir and inter_1 and inter_2:
         cols_necessarias += [inter_1, inter_2]
@@ -175,7 +178,7 @@ if st.button("Ajustar modelo"):
         })
         st.dataframe(metrics, use_container_width=False, height=120)
 
-        # Gráficos diagnósticos
+        # Gráficos diagnósticos compactos
         residuos, fitted = model.resid, model.fittedvalues
         cols = st.columns(3)
         with cols[0]: