Dashboard Increíble con Python y Streamlit ⚡ ¡Crea Apps Pro sin HTML en solo 15 minutos!

¿Cómo crear un dashboard espectacular con Python?

Introducción a la creación de dashboards

• Se menciona que millones de dólares se deciden diariamente utilizando dashboards, y se promete enseñar a crear uno impresionante en pocos minutos y gratis usando Python.

• Se introduce Streamlit como una herramienta que convierte código Python en aplicaciones web profesionales sin necesidad de HTML, describiéndolo como "magia programática".

Instalación y configuración inicial

• Se instruye sobre cómo crear una carpeta llamada "dashboard" y abrirla en Visual Studio Code para comenzar el proyecto.

• Se mencionan las librerías necesarias: Streamlit para la interfaz gráfica, pandas para manipulación de datos y plotly para gráficos. Se recomienda usar un entorno virtual aunque no se crea uno en este caso.

Importación de librerías y configuración del dashboard

• El presentador importa las librerías necesarias al código: Streamlit, pandas, plotly express y plotly.graph_objects.

• Configuración inicial del dashboard con st.page_config, estableciendo el título como "mi Dashboard Pro", el layout como "wide" y un icono gráfico.

Creación de datos de ejemplo

• Se crean datos ficticios que incluyen meses, ventas, número de clientes por mes y regiones. Estos datos se almacenan en un DataFrame utilizando pandas.

• Se actualiza el título del dashboard a "dashboard ejecutivo pro" mediante st.title para diferenciarlo del anterior.

Formato Markdown y columnas

• Se utiliza formato markdown para agregar texto descriptivo al dashboard; se añade un título nivel tres que dice "análisis en tiempo real".

• Creación de cuatro columnas dentro del dashboard usando st.columns, donde cada columna puede contener diferentes métricas o visualizaciones.

Métricas dentro del dashboard

• En la primera columna se agrega una métrica que muestra las ventas totales utilizando st.metric, sumando los valores desde el DataFrame creado anteriormente.

Creación de Métricas y Gráficos Interactivos

Definición de Métricas

• Se propone crear una métrica que permita comparar valores con meses anteriores, utilizando fórmulas dinámicas en lugar de valores fijos.

• La segunda columna se refiere a la suma de clientes activos, mostrando un incremento de 23 clientes. Se destaca la intuitividad del sistema al mostrar cambios positivos o negativos mediante flechas.

Cálculo del Promedio Mensual

• La tercera columna calculará el promedio mensual de ventas, utilizando un formato específico para mostrar los resultados sin decimales.

• Se establece un crecimiento proyectado del 8% en las ventas, lo que se refleja en la actualización automática de los datos.

Implementación del ROI

• La cuarta columna se dedicará al cálculo del ROI (Retorno sobre Inversión), estableciendo valores constantes para completar el dashboard.

Creación de Gráficos Interactivos

• Se introduce la creación de gráficos interactivos usando Plotly Express, donde se grafican las ventas mensuales con el mes como eje X y las ventas como eje Y.

• Se menciona la posibilidad de personalizar el gráfico mediante update layout, recomendando usar un tema oscuro para mejorar la visualización.

Gráfico Circular y Funcionalidades Adicionales

• Se crea un gráfico circular que segmenta los clientes por región, destacando su atractivo visual y funcionalidad interactiva.

• Los usuarios pueden descargar gráficos como imágenes y utilizar funciones interactivas como zoom y pantalla completa.

Implementación de Filtros en Barra Lateral

• Se añade una barra lateral para aplicar filtros a los datos presentados. Esta barra incluye opciones para seleccionar meses específicos y filtrar por región.

Filtrado de Datos en Streamlit

Filtrando Regiones Únicas

• Se explica la importancia de filtrar por región, utilizando unique para obtener solo las regiones únicas, ya que algunas se repiten en los datos.

• Se introduce una variable llamada dato filtrado, que verifica si la región seleccionada está dentro del filtro aplicado.

Visualización de Datos Filtrados

• Se menciona que el gráfico puede ser filtrado mediante el código anterior, pero se enfoca en mostrar un DataFrame con los datos filtrados y su contenedor completo.

• El DataFrame no se muestra hasta que se selecciona al menos una región; esto resalta la necesidad de interacción del usuario para visualizar datos.

Interacción y Selección de Meses

• Al seleccionar meses, no hay un filtro aplicado a menos que se implemente un código adicional; esto enfatiza la importancia de tener filtros funcionales.

• Para filtrar todos los datos correctamente, es necesario ajustar la barra lateral para permitir selecciones adecuadas.

Creación de un Dashboard Efectivo

• Se destaca el logro de crear un dashboard profesional con funcionalidades básicas, sugiriendo que este es solo el comienzo del proceso.

Agradecimientos y Futuras Oportunidades