%%writefile app.py
#Todo nosso código vai vir aqui!
#Importar as bibliotecas
import pandas as pd
import streamlit as st
import plotly.express as px
import numpy as np

def main():
  st.set_page_config(
      page_title='Murilo - Facti Big Data',
      page_icon='🐳',
      layout='wide',
  )
  st.title('🦄Dados')
  #Carrega os dados do arquivo e coloca na página
  df = pd.read_csv('/content/dados.csv')
  # st.dataframe(df)
  st.sidebar.header('Selecione os filtros desejados para os dados')
  #Filtro de ano
  year = st.sidebar.multiselect(
      'Selecione os anos que devem ser considerados:',
      options = np.sort(df['year'].unique()),
      default = df['year'].unique(),
  )
  #Filtro de fabricante
  fabricante = st.sidebar.multiselect(
      'Selecione os fabricantes que devem ser considerados:',
      options = np.sort(df['manufacturer'].unique()),
      default = df['manufacturer'].unique(),
  )
  #Coloca o filtro no dataframe
  df_filtrado = df.query(
      "year==@year & manufacturer==@fabricante"
  )
  st.dataframe(df_filtrado)
  #Adiciona os KPIs da aplicação
  st.title('🐙KPIs:')
  #Calcular os KPIs
  volume_total_vendas = df_filtrado['price'].sum()
  unidades_vendidas = df_filtrado['id'].count()
  preco_medio = round(df_filtrado['price'].mean(),2)
  coluna_esquerda, coluna_meio, coluna_direita = st.columns(3)
  with coluna_esquerda:
    st.subheader('💰Volume de Vendas:')
    st.subheader(f'US${volume_total_vendas}')
  with coluna_meio:
    st.subheader('🚗Unidades Vendidas:')
    st.subheader(f'{unidades_vendidas}')
  with coluna_direita:
    st.subheader('💵Preço Médio:')
    st.subheader(f'US${preco_medio}')

if __name__ == '__main__':
  main()