Um dos caminhos mais rápido para construir e compartilhar aplicativo de dados é fazendo o uso da API Streamlit. Esta poderosa biblioteca Pyhton de código aberto traz inúmeras facilidades para atingirmos este objetivo. Neste post, falaremos de algumas características importantes desta ferramenta que precisamos conhecer neste primeiro contato.

Antes de começar

Este artigo será bem curto. Prometo trazer apenas informações indispensáveis para apresentar o potencial que a API tem. Irei fazer um outro post com informações mais técnicas e um exemplo real de uso a ser desenvolvido na IDE PyCharm. Vamos nos contentar neste momento, somente com este conteúdo introdutório.

Exemplos de aplicações em diversas categorias

No site oficial da API, podemos encontrar várias categorias de aplicações onde o Streamlit é utilizado. Dentro de cada categoria existem diversos exemplos para explorarmos com níveis de complexidade variada. Em um laboratório que realizamos dentro da AZ para conhecermos melhor a ferramenta, praticamente tudo que precisavamos foi encontrado nestes exemplos. As aplicações estão categorizadas por:

• Apresentação
• NLP e linguagem
• Visualização de Dados
• Esporte e Diversão
• Geografia e Sociedade
• Ciência e Tecnologia
• Finanças e Negócios
• Visão Computacional e Imagens
• Áudio
• Construção de modelos e treinamentos

Componentes prontos

Diversos tipos de componentes já estão prontos para uso. A documentação da API traz mais informações sobre cada um deles. Entretanto, segue um breve resumo:

• Apresentação de textos
• Apresentação de Dados
• Gráficos
• Mídias
• Botões
• Listas de seleção simples e múltiplas
• Controle deslizante
• Entradas de texto, número, data e tempo
• Carregador de arquivo
• Controle de fluxo
• Containers
• Entre outros...

Laboratórios internos

Nosso primeiro emprego oficial do Streamlit foi no primeiro MVP da aplicação Banco de Preços. Como ela se tornou um produto viável, inevitavelmente grandes evoluções de requisitos aconteceram e foi preciso torná-la compatível com as tecnologias empregadas nas aplicações mais novas do EFCAZ e do SIGA. A reescrita do código aconteceu e o nosso primeiro laboratório em Streamlit deixou de existir.
Mas, nós temos um segundo laboratório disponível na rede interna da AZ que pode ser acessado por este link.
A aplicação permite realizar a carga de um arquivo CSV e gerar gráfico de barra a partir de filtros e agrupamentos disponíveis. Caso resolva testá-la, fique atento para as orientações na tela.
O código da aplicação pode ser visto neste repositório.

Próximos passos

No Youtube temos o canal do "Data Professor" onde pode ser encontrado diversos videos interessantes as respeito do Streamlit e Data Science em geral. Vale apena conferir!
Se você chegou até aqui, agradeço imensamente a leitura e até a próxima.

Referências bibliográficas

https://streamlit.io/
https://www.youtube.com/channel/UCV8e2g4IWQqK71bbzGDEI4Q