Update src/streamlit_app.py

src/streamlit_app.py

@@ -130,11 +130,14 @@ with tabs[1]:
     )
 
     if not dados_filtrados.empty:
-        fig2, ax2 = plt.subplots(figsize=(12,6))
-        sns.boxplot(x=variavel, y="SalePrice", data=dados_filtrados, ax=ax2)
-        plt.xticks(rotation=90)
-        ax2.set_title(f"Preço de Venda por {variavel}")
-        st.pyplot(fig2)
+        if len(dados_filtrados[variavel].dropna().unique()) > 1:
+            fig2, ax2 = plt.subplots(figsize=(12,6))
+            sns.boxplot(x=variavel, y="SalePrice", data=dados_filtrados, ax=ax2)
+            plt.xticks(rotation=90)
+            ax2.set_title(f"Preço de Venda por {variavel}")
+            st.pyplot(fig2)
+        else:
+            st.warning(f"Não é possível gerar boxplot: apenas uma categoria em {variavel} após os filtros.")
 
     # Scatter interativo (média de preço por bairro)
     st.markdown("### Preço Médio de Venda por Bairro")
@@ -145,17 +148,20 @@ with tabs[1]:
         ).reset_index()
 
         bairro_filtered = bairro_grouped[bairro_grouped['count'] >= 5]
-        fig3 = px.scatter(
-            bairro_filtered,
-            x='mean_price',
-            y='Neighborhood',
-            size='count',
-            color='Neighborhood',
-            title='Preço Médio de Venda vs Bairro (Ames, Iowa)',
-            labels={'mean_price': 'Preço Médio de Venda', 'Neighborhood':'Bairro'},
-            opacity=0.8
-        )
-        st.plotly_chart(fig3, use_container_width=True)
+        if not bairro_filtered.empty:
+            fig3 = px.scatter(
+                bairro_filtered,
+                x='mean_price',
+                y='Neighborhood',
+                size='count',
+                color='Neighborhood',
+                title='Preço Médio de Venda vs Bairro (Ames, Iowa)',
+                labels={'mean_price': 'Preço Médio de Venda', 'Neighborhood':'Bairro'},
+                opacity=0.8
+            )
+            st.plotly_chart(fig3, use_container_width=True)
+        else:
+            st.warning("Não há bairros suficientes após filtros para gerar o gráfico.")
 
     # -------------------------------------------------
     # ANOVA
@@ -168,13 +174,13 @@ with tabs[1]:
     )
 
     if not dados_filtrados.empty:
-        modelos = {
-            "Neighborhood": ols('SalePrice ~ C(Neighborhood)', data=dados_filtrados).fit(),
-            "Garage_Type": ols('SalePrice ~ C(Garage_Type)', data=dados_filtrados).fit(),
-            "Fireplaces": ols('SalePrice ~ C(Fireplaces)', data=dados_filtrados).fit()
-        }
+        for nome in ["Neighborhood", "Garage_Type", "Fireplaces"]:
+            categorias = dados_filtrados[nome].dropna().unique()
+            if len(categorias) < 2:
+                st.warning(f"ANOVA não pôde ser realizada para **{nome}** (menos de 2 grupos após os filtros).")
+                continue
 
-        for nome, modelo in modelos.items():
+            modelo = ols(f'SalePrice ~ C({nome})', data=dados_filtrados).fit()
             st.markdown(f"#### ANOVA - {nome}")
             anova = sm.stats.anova_lm(modelo, typ=2)
             st.dataframe(anova)
@@ -185,18 +191,28 @@ with tabs[1]:
         st.markdown("### Validação dos Pressupostos da ANOVA")
 
         st.markdown("#### Teste de Normalidade (Shapiro-Wilk)")
-        for nome, modelo in modelos.items():
+        for nome in ["Neighborhood","Garage_Type","Fireplaces"]:
+            categorias = dados_filtrados[nome].dropna().unique()
+            if len(categorias) < 2:
+                st.warning(f"Shapiro-Wilk não pôde ser realizado para **{nome}** (menos de 2 grupos após os filtros).")
+                continue
+
+            modelo = ols(f'SalePrice ~ C({nome})', data=dados_filtrados).fit()
             residuos = modelo.resid
             stat, p = shapiro(residuos.dropna())
             st.write(f"{nome}: estatística={stat:.3f}, p={p:.3f}  "
-                    + ("resíduos normais" if p >= alpha else "violação de normalidade"))
+                     + ("resíduos normais" if p >= alpha else "violação de normalidade"))
 
         st.markdown("#### Teste de Homocedasticidade (Levene)")
         for nome in ["Neighborhood","Garage_Type","Fireplaces"]:
             grupos = [grupo["SalePrice"].dropna() for _, grupo in dados_filtrados.groupby(nome)]
+            if len(grupos) < 2:
+                st.warning(f"Levene não pôde ser realizado para **{nome}** (menos de 2 grupos após os filtros).")
+                continue
+
             stat, p = levene(*grupos)
             st.write(f"{nome}: estatística={stat:.3f}, p={p:.3f}  "
-                    + ("variâncias iguais" if p >= alpha else "variâncias diferentes"))
+                     + ("variâncias iguais" if p >= alpha else "variâncias diferentes"))
 
         # -------------------------------------------------
         # Kruskal-Wallis
@@ -204,6 +220,10 @@ with tabs[1]:
         st.markdown("### Teste não-paramétrico (Kruskal-Wallis)")
         for nome in ["Neighborhood","Garage_Type","Fireplaces"]:
             grupos = [grupo["SalePrice"].dropna() for _, grupo in dados_filtrados.groupby(nome)]
+            if len(grupos) < 2:
+                st.warning(f"Kruskal-Wallis não pôde ser realizado para **{nome}** (menos de 2 grupos após os filtros).")
+                continue
+
             stat, p = kruskal(*grupos)
             st.write(f"{nome}: estatística={stat:.3f}, p={p:.3f}  "
-                    + ("diferenças significativas" if p < alpha else "sem diferença significativa"))
+                     + ("diferenças significativas" if p < alpha else "sem diferença significativa"))