#!/usr/bin/env python # coding: utf-8 # ===================================================== # Dashboard - AmesHousing (Tarefa 4) - versão compacta # ===================================================== import streamlit as st import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import plotly.express as px import numpy as np from scipy.stats import shapiro, levene, kruskal from statsmodels.formula.api import ols import statsmodels.api as sm from statsmodels.stats.diagnostic import het_breuschpagan from statsmodels.stats.outliers_influence import variance_inflation_factor from sklearn.model_selection import train_test_split from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score # ----------------------------------------------------- # Configuração da Página # ----------------------------------------------------- st.set_page_config( page_title="Dashboard - AmesHousing (Tarefa 4)", layout="wide", initial_sidebar_state="expanded" ) st.query_params.clear() st.markdown("

Análise do Dataset AmesHousing

", unsafe_allow_html=True) st.markdown("---") # ----------------------------------------------------- # Leitura do CSV # ----------------------------------------------------- @st.cache_data def carregar_dados(): paths_tentativa = [ "AmesHousing.csv", "/mnt/data/AmesHousing.csv", "../Dados/AmesHousing.csv", ] for p in paths_tentativa: try: df = pd.read_csv(p) return df except: continue return pd.DataFrame() casa_data = carregar_dados() casa_data.columns = casa_data.columns.str.strip().str.replace(" ", "_") # ----------------------------- # Sidebar — Filtros + Seleção de Variáveis (Regressão) # ----------------------------- st.sidebar.markdown("### Filtros AmesHousing") bairros = st.sidebar.multiselect( "Selecione bairros", options=sorted(casa_data["Neighborhood"].dropna().unique()), default=None ) dados_filtrados = casa_data.copy() if bairros: dados_filtrados = dados_filtrados[dados_filtrados["Neighborhood"].isin(bairros)] st.sidebar.markdown("---") st.sidebar.subheader("Regressão Linear — Tarefa 4 (PPCA/UnB)") st.sidebar.markdown("Selecione variáveis para modelagem do **SalePrice** (alvo).") candidatos_numericas = [ c for c in [ 'Bedroom_AbvGr','Full_Bath','Half_Bath','TotRms_AbvGrd','Gr_Liv_Area', 'Garage_Cars','Garage_Area','Overall_Qual','Overall_Cond','Year_Built','Lot_Area', 'Fireplaces' ] if c in dados_filtrados.columns ] candidatos_categoricas = [c for c in ['Neighborhood','House_Style','Bldg_Type','Garage_Type','Kitchen_Qual'] if c in dados_filtrados.columns] feats_num = st.sidebar.multiselect("Numéricas", options=candidatos_numericas, default=['Bedroom_AbvGr','Garage_Cars','Gr_Liv_Area'] if 'Garage_Cars' in candidatos_numericas else candidatos_numericas[:2]) feats_cat = st.sidebar.multiselect("Categóricas", options=candidatos_categoricas, default=['Neighborhood'] if 'Neighborhood' in candidatos_categoricas else []) interagir = st.sidebar.checkbox("Adicionar interação entre duas variáveis", value=False) inter_1 = inter_2 = None if interagir: inter_1 = st.sidebar.selectbox("Variável 1 (para interação)", options=feats_num + feats_cat, index=0 if feats_num else 0) inter_2 = st.sidebar.selectbox("Variável 2 (para interação)", options=[v for v in feats_num + feats_cat if v != inter_1], index=0) usar_logy = st.sidebar.checkbox("Aplicar transformação log(SalePrice) caso pressupostos sejam violados", value=False) 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 # ------------------------------------------------- # Distribuição de Preço de Venda st.subheader("Distribuição do Preço de Venda") if not dados_filtrados.empty: fig, ax = plt.subplots(figsize=(5,3.5)) sns.histplot(dados_filtrados['SalePrice'], kde=True, ax=ax) st.pyplot(fig, clear_figure=True, use_container_width=False) # Boxplots st.subheader("Boxplots das Variáveis Selecionadas") variavel = st.selectbox( "Escolha a variável categórica para comparar preços:", ["Neighborhood","Garage_Type","Fireplaces"] ) if not dados_filtrados.empty and len(dados_filtrados[variavel].dropna().unique()) > 1: fig2, ax2 = plt.subplots(figsize=(5,3.5)) sns.boxplot(x=variavel, y="SalePrice", data=dados_filtrados, ax=ax2) plt.xticks(rotation=60) st.pyplot(fig2, clear_figure=True, use_container_width=False) # Scatter interativo st.subheader("Preço Médio de Venda por Bairro") if not dados_filtrados.empty: bairro_grouped = dados_filtrados.groupby('Neighborhood').agg( count=('SalePrice','size'), mean_price=('SalePrice','mean') ).reset_index() bairro_filtered = bairro_grouped[bairro_grouped['count'] >= 5] if not bairro_filtered.empty: fig3 = px.scatter( bairro_filtered, x='mean_price', y='Neighborhood', size='count', color='Neighborhood', labels={'mean_price': 'Preço Médio de Venda', 'Neighborhood':'Bairro'} ) fig3.update_layout(width=550, height=320) st.plotly_chart(fig3, use_container_width=False) # ================================================= # Regressão Linear — Tarefa 4 # ================================================= def construir_formula(y, feats_num, feats_cat, inter_1=None, inter_2=None): termos = feats_num + [f"C({c})" for c in feats_cat] if inter_1 and inter_2: a = f"C({inter_1})" if inter_1 in feats_cat else inter_1 b = f"C({inter_2})" if inter_2 in feats_cat else inter_2 termos.append(f"{a}:{b}") rhs = " + ".join(termos) if termos else "1" return f"{y} ~ {rhs}" 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] df_modelo = dados_filtrados[cols_necessarias].dropna().copy() if not df_modelo.empty: y_col = 'SalePrice' if usar_logy: df_modelo['SalePrice'] = np.log(df_modelo['SalePrice']) formula = construir_formula(y_col, feats_num, feats_cat, inter_1 if interagir else None, inter_2 if interagir else None) df_treino, df_teste = train_test_split(df_modelo, test_size=teste_size, random_state=42) model = ols(formula, data=df_treino).fit() st.code(formula) st.dataframe(model.summary2().tables[1], use_container_width=False, height=200) y_true, y_pred = df_teste['SalePrice'], model.predict(df_teste) if usar_logy: y_true, y_pred = np.exp(y_true), np.exp(y_pred) metrics = pd.DataFrame({ 'Métrica': ['R²','RMSE','MAE'], 'Valor': [r2_score(y_true, y_pred), mean_squared_error(y_true, y_pred, squared=False), mean_absolute_error(y_true, y_pred)] }) st.dataframe(metrics, use_container_width=False, height=120) # Gráficos diagnósticos compactos residuos, fitted = model.resid, model.fittedvalues cols = st.columns(3) with cols[0]: fig_r, ax_r = plt.subplots(figsize=(3,3)) ax_r.scatter(fitted, residuos, alpha=0.5) ax_r.axhline(0, color='red', linestyle='--') st.pyplot(fig_r, clear_figure=True, use_container_width=False) with cols[1]: fig_q, ax_q = plt.subplots(figsize=(3,3)) sm.qqplot(residuos, line='45', fit=True, ax=ax_q) st.pyplot(fig_q, clear_figure=True, use_container_width=False) with cols[2]: fig_h, ax_h = plt.subplots(figsize=(3,3)) sns.histplot(residuos, kde=True, ax=ax_h) st.pyplot(fig_h, clear_figure=True, use_container_width=False)