Delete app.py

app.py

@@ -1,591 +0,0 @@
-import folium
-import geopandas as gpd
-import plotly.express as px
-import streamlit as st
-from branca.colormap import LinearColormap
-from groq import Groq
-from streamlit_extras.add_vertical_space import add_vertical_space
-from streamlit_extras.stylable_container import stylable_container
-from streamlit_folium import folium_static
-from streamlit_option_menu import option_menu
-from folium.plugins import MarkerCluster, HeatMap
-import numpy as np
-from shapely.geometry import Point
-
-from data_cleaning import processar_arquivo
-
-st.set_page_config(
-    page_title="Dashboard UBS Flamengo",
-    page_icon="📊",
-    layout="wide",
-    initial_sidebar_state="expanded",
-)
-
-# Inicializar variáveis dos DataFrames como None
-DF_DATA = None
-DF_HEAD = None
-DF_IDADE = None
-DF_GENERO = None
-DF_COR = None
-DF_DEFICIENCIA = None
-DF_DOENCAS = None
-DF_ESCOLA = None
-DF_TRANSGEN = None
-
-# Upload de arquivo CSV na barra lateral
-uploaded_file = st.sidebar.file_uploader("Escolha um arquivo CSV", type="csv")
-
-if uploaded_file is not None:
-    dataframes = processar_arquivo(uploaded_file)
-
-    DF_DATA = dataframes.get("Data")
-    DF_HEAD = dataframes.get("Head")
-    DF_IDADE = dataframes.get("Idade")
-    DF_GENERO = dataframes.get("genero")
-    DF_COR = dataframes.get("cor")
-    DF_DEFICIENCIA = dataframes.get("deficiencia")
-    DF_DOENCAS = dataframes.get("doencas")
-    DF_ESCOLA = dataframes.get("Escola")
-    DF_TRANSGEN = dataframes.get("transgen")
-
-    for df in [DF_IDADE, DF_GENERO, DF_COR, DF_DEFICIENCIA, DF_DOENCAS, DF_ESCOLA, DF_TRANSGEN]:
-        if df is not None:
-            df["Descrição"] = df["Descrição"].str.capitalize()
-else:
-    st.sidebar.info("Adicione um arquivo .csv.")
-
-def gerar_resumo_df():
-    resumo = ""
-    if DF_DATA is not None:
-        resumo += "Resumo DF_DATA:\n"
-        resumo += DF_DATA.to_string(index=False) + "\n\n"
-    if DF_HEAD is not None:
-        resumo += "Resumo DF_HEAD:\n"
-        resumo += DF_HEAD.to_string(index=False) + "\n\n"
-    if DF_IDADE is not None:
-        resumo += "Resumo DF_IDADE:\n"
-        resumo += DF_IDADE.to_string(index=False) + "\n\n"
-    if DF_GENERO is not None:
-        resumo += f"Resumo DF_GENERO:\n{DF_GENERO.to_string(index=False)}\n\n"
-    if DF_COR is not None:
-        resumo += f"Resumo DF_COR:\n{DF_COR.to_string(index=False)}\n\n"
-    if DF_DEFICIENCIA is not None:
-        resumo += f"Resumo DF_DEFICIENCIA:\n{DF_DEFICIENCIA.to_string(index=False)}\n\n"
-    if DF_DOENCAS is not None:
-        resumo += f"Resumo DF_DOENCAS:\n{DF_DOENCAS.to_string(index=False)}\n\n"
-    if DF_ESCOLA is not None:
-        resumo += f"Resumo DF_ESCOLA:\n{DF_ESCOLA.to_string(index=False)}\n\n"
-    if DF_TRANSGEN is not None:
-        resumo += f"Resumo DF_TRANSGEN:\n{DF_TRANSGEN.to_string(index=False)}\n\n"
-    return resumo
-
-# Mostrar o resumo no Streamlit
-#st.text(gerar_resumo_df())
-
-#######################################
-############ BANNER  ##################
-#######################################
-
-with stylable_container(
-    key="banner",
-    css_styles="""
-    img {
-        width: 1800px;
-        height: 400px;
-        overflow: hidden;
-        position: relative;
-        object-fit: cover;
-        border-radius: 14px; /* Adiciona bordas arredondadas */
-        mask-image: linear-gradient(to bottom, rgba(0, 0, 0, 1), rgba(0, 0, 0, 0));
-        -webkit-mask-image: linear-gradient(to bottom, rgba(0, 0, 0, 1), rgba(0, 0, 0, 0)); /* For Safari */
-    }
-    """,
-):
-    st.image("./banner.png")
-
-add_vertical_space(5)
-
-c1, c2 = st.columns([5, 5])
-with c1:
-    st.markdown(
-        """
-                ##  Dashboard UBS Flamengo
-                ###### :brain: _by Dr. Guilherme Apolinário_
-                
-                #### Bem-vindo! :wave:
-                """
-    )
-
-with c2:
-    with stylable_container(
-        key="graph_entry",
-        css_styles="""
-        img {
-            width: 600px;
-            height: 160px;
-            overflow: hidden;
-            position: relative;
-            object-fit: cover;
-            mask-image: linear-gradient(to bottom, rgba(0, 0, 0, 1), rgba(0, 0, 0, 0)); /* For Safari */
-        }
-        """,
-    ):
-        st.image("./graph1.png")
-st.divider()
-
-###########################################
-############### LATERAL ##################
-###########################################
-
-st.sidebar.markdown(
-    """
-    ### Informações:
-    - Análise de dados do relatório de cadastro individual. 
-    - Iniciativa - Ubs Flamengo
-    - Acesso livre
-    ### Links:
-    ##
-    ##### - [PEC SUS](https://sape.pecsus.com.br/) 📝
-    ###
-   ##### - [Obsidian - Dr Guilherme](http://dr-guilhermeapolinario.com) 🌎
-   ##### - [GitHub - Dr Guilherme](http://dr-guilhermeapolinario.com) 🌎
-"""
-)
-
-st.markdown(
-    """
-        ### Intruções:
-        ##### - Acesse o site :orange[PEC SUS], na aba esquerda selecione consolidado, :blue[*RELATÓRIO DE CADASTRO INDIVIDUAL*]
-        ##### - Selecione a opção :orange[baixar arquivo .csv]. Após baixar o arquivo, selecione o arquivo .csv na aba ao lado, e pronto.
-        ##### - Clique no botão de expansão abaixo para iniciar o processo.
-        ##### - Utilize o chatbot com a inteligência artificial 🤖 Zé Flamengo para tirar suas dúvidas.
-        """
-)
-st.divider()
-
-st.markdown(
-    """
-    ### :world_map: **Conhecendo a área de abrangencia da UBS Flamengo: (IBGE 2022)**
-"""
-)
-
-
-@st.cache_data
-def load_data():
-    return gpd.read_file("flamengo_ibge2022.geojson").to_crs(epsg=4326)
-
-gdf = load_data()
-
-LATITUDE = -19.971591804
-LONGITUDE = -44.057912815
-lat = -19.96214
-long = -44.05603
-
-show_all = st.checkbox(":man-woman-girl-boy: **Análise geral**")
-if show_all:
-    
-    total_pop = gdf["POP"].sum()
-    # st.write(f"População Total: {total_pop:,}")
-    # st.write(f"Número de Setores Censitários: {len(gdf)}")
-    # Divisão da tela em três colunas para as opções
-    col1, col2, col3 = st.columns([1, 1, 2])
-
-    with col1:
-        st.write(f"###### População Total: {total_pop:,}")
-        map_type = st.selectbox("Tipo de mapa", ["População", "Densidade", "Heatmap"])
-
-    with col2:
-        st.write(f"###### Número de Setores Censitários: {len(gdf)}")
-        base_map = st.selectbox("Mapa base", ["Cartodb Positron", "OpenStreetMap"])
-
-    # Checkboxes para mostrar/ocultar mapa e gráfico
-    col1, col2 = st.columns(2)
-    show_map = col1.checkbox("Mostrar Mapa")
-    show_chart = col2.checkbox("Mostrar Gráfico")
-
-    # Análise adicional acima das colunas
-    st.subheader("Análise Adicional")
-
-    total_pop = gdf["POP"].sum()
-    st.write(f"População Total: {total_pop:,}")
-    st.write(f"Número de Setores Censitários: {len(gdf)}")
-
-    if show_map or show_chart:
-        col1, col2 = st.columns(2)
-
-        if show_map:
-            with col1:
-                m = folium.Map(location=[LATITUDE, LONGITUDE], tiles=base_map, zoom_start=15)
-
-                if map_type in ["População", "Densidade"]:
-                    if map_type == "População":
-                        column = "POP"
-                        caption = "População residente UBS Flamengo - IBGE 2022"
-                    else:
-                        gdf["DENSIDADE"] = gdf["POP"] / gdf["AREA_KM2"]
-                        column = "DENSIDADE"
-                        caption = "Densidade populacional (hab/km²) - UBS Flamengo - IBGE 2022"
-
-                    colorscale = px.colors.sequential.Viridis
-                    colormap = LinearColormap(
-                        colors=colorscale,
-                        vmin=gdf[column].min(),
-                        vmax=gdf[column].max(),
-                        caption=caption,
-                    )
-
-                    folium.GeoJson(
-                        gdf,
-                        style_function=lambda feature: {
-                            "fillColor": colormap(feature["properties"][column]),
-                            "color": "black",
-                            "weight": 1,
-                            "fillOpacity": 0.7,
-                        },
-                        highlight_function=lambda feature: {
-                            "fillColor": "#ffaf00",
-                            "color": "green",
-                            "weight": 3,
-                            "fillOpacity": 0.9,
-                        },
-                        tooltip=folium.features.GeoJsonTooltip(
-                            fields=["CD_SETOR", column, "AREA_KM2"],
-                            aliases=[
-                                "Setor Censitário:",
-                                f"{caption}:",
-                                "Área (km²):",
-                            ],
-                            style=(
-                                "background-color: white; color: #333333; font-family: calibri; font-size: 12px; padding: 10px;"
-                            ),
-                        ),
-                    ).add_to(m)
-
-                    colormap.add_to(m)
-
-                elif map_type == "Heatmap":
-                    heat_data = [[row['geometry'].centroid.y, row['geometry'].centroid.x, row['POP']] for idx, row in gdf.iterrows()]
-                    HeatMap(heat_data).add_to(m)
-
-                # Add marker for UBS Flamengo
-                folium.Marker(
-                    [lat, long],
-                    popup="UBS Flamengo",
-                    tooltip="UBS Flamengo",
-                    icon=folium.Icon(color="red", icon="info-sign"),
-                ).add_to(m)
-
-                # Display map
-                STYLE_STATEMENT = "<style>.leaflet-control-layers { position: fixed; top: 10px; left: 50px; } </style>"
-                m.get_root().html.add_child(folium.Element(STYLE_STATEMENT))
-                folium_static(m)
-
-        if show_chart:
-            with col2:
-                fig = px.bar(
-                    gdf,
-                    x="CD_SETOR",
-                    y="POP",
-                    title="Distribuição da População por Setor Censitário",
-                    color="POP",  # Mudança de cor conforme a população
-                    color_continuous_scale=px.colors.sequential.Viridis
-                )
-                st.plotly_chart(fig)
-
-    # Análise de faixa etária (assumindo que você tenha colunas de faixa etária)
-    age_columns = ["POP_0A4", "POP_5A9", "POP_10A14", "POP_15A19", "POP_20A24", "POP_25A29", "POP_30A34", "POP_35A39", "POP_40A44", "POP_45A49", "POP_50A54", "POP_55A59", "POP_60A64", "POP_65A69", "POP_70A74", "POP_75A79", "POP_80A84", "POP_85A89", "POP_90A94", "POP_95A99", "POP_100OUMAIS"]
-
-    if all(col in gdf.columns for col in age_columns):
-        age_data = gdf[age_columns].sum()
-        fig_age = px.pie(values=age_data.values, names=age_data.index, title="Distribuição Etária da População")
-        st.plotly_chart(fig_age)
-    else:
-        st.write("Dados de faixa etária não disponíveis no conjunto de dados.")
-
-    # Opção de download de dados
-    if st.button("Baixar Dados"):
-        csv = gdf.to_csv(index=False)
-        st.download_button(
-            label="Baixar como CSV",
-            data=csv,
-            file_name="dados_populacionais_ubs_flamengo.csv",
-            mime="text/csv",
-        )
-
-    st.divider()
-add_vertical_space(3)
-
-st.markdown(
-    """
-    ## Dados de saúde Relatório de cadastro individual.
-    """
-)
-
-def criar_grafico_personalizado(df, x_col, y_col, titulo):
-    fig = px.bar(
-        df,
-        x=x_col,
-        y=y_col,
-        title=titulo,
-        text=y_col,
-        color=x_col,
-        color_discrete_sequence=px.colors.qualitative.Bold
-    )
-    fig.update_traces(texttemplate='%{text:.2s}', textposition='outside')
-    fig.update_layout(
-        uniformtext_minsize=8,
-        uniformtext_mode='hide',
-        xaxis_title=x_col,
-        yaxis_title=y_col,
-        title_font_size=24,
-        title_font_family="Arial",
-        title_font_color="blue",
-        title_x=0.5,
-        paper_bgcolor='rgba(0,0,0,0)',
-        plot_bgcolor='rgba(0,0,0,0)',
-        xaxis_tickangle=-45
-    )
-    return fig
-
-if uploaded_file is not None:
-    with st.expander("Visualização", expanded=True):
-        selected_tab = option_menu(
-            menu_title=None,
-            options=["Faixa Etária", "Gênero", "Cor", "Deficiência", "Doenças", "Escolaridade", "Identidade de Gênero"],
-            icons=["person", "gender-female", "person-plus", "person-wheelchair", "capsule-pill", "stars", "gender-trans"],
-            menu_icon="cast",
-            default_index=0,
-            orientation="horizontal",
-            styles={
-                "container": {"padding": "0!important", "background-color": "#262730"},
-                "icon": {"color": "#4FCBFC", "font-size": "18px"},
-                "nav-link": {
-                    "font-size": "14px",
-                    "text-align": "center",
-                    "margin": "0px",
-                    "padding": "10px",
-                    "--hover-color": "#363940",
-                    "color": "#FFFFFF",
-                },
-                "nav-link-selected": {"background-color": "#0083B8"},
-                "separator": {"border-color": "#4B4B4B"},
-            },
-        )
-
-        if selected_tab == "Faixa Etária" and DF_IDADE is not None:
-            st.subheader("Distribuição por Faixa Etária")
-            col1, col2 = st.columns(2)
-            with col1:
-                st.dataframe(DF_IDADE, hide_index=True)
-            with col2:
-                DF_IDADE["Masculino"] = DF_IDADE["Masculino"].astype(int) * -1
-                DF_IDADE["Feminino"] = DF_IDADE["Feminino"].astype(int)
-                fig_idade = px.bar(
-                    DF_IDADE,
-                    x=["Masculino", "Feminino"],
-                    y="Descrição",
-                    orientation="h",
-                    title="Pirâmide Etária",
-                    labels={"value": "População", "Descrição": "Faixa Etária"},
-                    color="Descrição",
-                    color_discrete_sequence=px.colors.qualitative.Set3,
-                )
-                fig_idade.update_layout(
-                    barmode="relative", xaxis_title="População", yaxis_title="Faixa Etária"
-                )
-                st.plotly_chart(fig_idade)
-            DF_IDADE["Masculino"] = DF_IDADE["Masculino"].abs()
-
-        elif selected_tab == "Gênero" and DF_GENERO is not None:
-            st.subheader("Distribuição por Gênero")
-            col1, col2 = st.columns(2)
-            with col1:
-                st.dataframe(DF_GENERO, hide_index=True)
-            with col2:
-                fig_genero = px.pie(
-                    DF_GENERO,
-                    names="Descrição",
-                    values="Valor",
-                    title="Distribuição por Gênero",
-                    color_discrete_sequence=px.colors.qualitative.Pastel
-                )
-                st.plotly_chart(fig_genero)
-
-        elif selected_tab == "Cor" and DF_COR is not None:
-            st.subheader("Distribuição por Cor")
-            col1, col2 = st.columns(2)
-            with col1:
-                st.dataframe(DF_COR, hide_index=True)
-            with col2:
-                fig_cor = px.pie(
-                    DF_COR, 
-                    names="Descrição", 
-                    values="Valor", 
-                    title="Distribuição por Cor",
-                    color_discrete_sequence=px.colors.qualitative.Vivid
-                )
-                st.plotly_chart(fig_cor)
-
-        elif selected_tab == "Deficiência" and DF_DEFICIENCIA is not None:
-            st.subheader("Distribuição por Deficiência")
-            col1, col2 = st.columns(2)
-            with col1:
-                st.dataframe(DF_DEFICIENCIA, hide_index=True)
-            with col2:
-                fig_deficiencia = criar_grafico_personalizado(
-                    DF_DEFICIENCIA,
-                    x_col="Descrição",
-                    y_col="Valor",
-                    titulo="Distribuição por Deficiência"
-                )
-                st.plotly_chart(fig_deficiencia)
-
-        elif selected_tab == "Doenças" and DF_DOENCAS is not None:
-            st.subheader("Distribuição por Doenças")
-            col1, col2 = st.columns(2)
-            with col1:
-                st.dataframe(DF_DOENCAS, hide_index=True)
-            with col2:
-                fig_doencas = criar_grafico_personalizado(
-                    DF_DOENCAS,
-                    x_col="Descrição",
-                    y_col="Valor",
-                    titulo="Distribuição por Doenças"
-                )
-                st.plotly_chart(fig_doencas)
-
-        elif selected_tab == "Escolaridade" and DF_ESCOLA is not None:
-            st.subheader("Distribuição por Escolaridade")
-            col1, col2 = st.columns(2)
-            with col1:
-                st.dataframe(DF_ESCOLA, hide_index=True)
-            with col2:
-                fig_escola = criar_grafico_personalizado(
-                    DF_ESCOLA,
-                    x_col="Descrição",
-                    y_col="Valor",
-                    titulo="Distribuição por Escolaridade"
-                )
-                st.plotly_chart(fig_escola)
-
-        elif selected_tab == "Identidade de Gênero" and DF_TRANSGEN is not None:
-            st.subheader("Distribuição por Identidade de Gênero")
-            col1, col2 = st.columns(2)
-            with col1:
-                st.dataframe(DF_TRANSGEN, hide_index=True)
-            with col2:
-                fig_transgen = criar_grafico_personalizado(
-                    DF_TRANSGEN,
-                    x_col="Descrição",
-                    y_col="Valor",
-                    titulo="Distribuição por Identidade de Gênero"
-                )
-                st.plotly_chart(fig_transgen)
-
-add_vertical_space()
-
-st.info(
-    """
-    📢 **CONVERSE COM IA SE TIVER DÚVIDAS NA ANÁLISE DOS GRÁFICOS**"""
-)
-
-add_vertical_space(1)
-
-with stylable_container(
-    key="brain",
-    css_styles="""
-    img {
-        width: 120px;
-        height: 100px;
-        overflow: hidden;
-        position: relative;
-        object-fit: cover;
-        border-radius: 14px; /* Adiciona bordas arredondadas */
-    }
-    """,
-):
-    st.image("./b.png")
-# Widget expander para interação da IA
-with st.expander(" Converse com o 🤖 Zé Flamengo", expanded=True):
-    client = Groq(
-        api_key=st.secrets["GROQ_API_KEY"],
-    )
-
-    INPUT_KEY = "USER_CHAT_input"
-
-    USER_CHAT = st.text_input(
-        "Digite sua pergunta sobre saúde na microárea:",
-        placeholder="Digite sua pergunta aqui...",
-    )
-
-    if st.button("Enviar pergunta", key="send_button"):
-        if USER_CHAT is not None:  # Verifica se há texto na entrada
-            try:
-                RESUMO_DF = gerar_resumo_df()
-                CHAT_COMPLETION = client.chat.completions.create(
-                    messages=[
-                        {
-                            "role": "system",
-                            "content": f"""
-                                Seu nome é Zé Flamengo, você é um assistente virtual especializado em análise de dados médicos epidemiológicos. Você tem 20 anos de experiência
-                                em análise de dados de saúde de microáreas de um PSF (Programa Saúde da Família).
-                                Sua função é:
-                                1. Analisar dados de uma unidade básica de saúde.
-                                2. Os dados que irá analisar são provenientes do Relatório de Cadastro Individual, advindos do PEC SUS.
-                                3. Suas respostas devem ser sempre em português.
-                                4. Seja conciso e evite conversar sobre outros temas.
-                                5. Sempre retome o tema da conversa.
-                                6. Realize sempre os cálculos novamente para garantir que os resultados fornecidos sejam precisos e atualizados.
-                                Os dataframes que irá analisar são do Relatório de cadastro indiviual. ele foi transformados em texto aqui disponíveis:
-
-                                {RESUMO_DF}
-
-                                As faixas etárias recomendadas para exames preventivos são:
-                                - **Papanicolau (Preventivo):** Mulheres entre 25 e 64 anos, com frequência anual nos primeiros dois exames consecutivos com resultados normais, depois a cada três anos.
-                                - **Mamografia:** Mulheres entre 50 e 69 anos, com frequência bienal.
-
-                                Informações sobre o Relatório de Cadastro Individual:
-                                - **Objetivo:** Coletar dados sociodemográficos e de saúde dos indivíduos cadastrados em uma unidade básica de saúde.
-                                - **Principais Indicadores:** Idade, sexo, condições de saúde (doenças crônicas, gestantes, etc.), status de vacinação, hábitos de vida (tabagismo, alcoolismo, atividade física), entre outros.
-
-                                Exemplos de perguntas esperadas:
-                                - Qual a porcentagem de mulheres na faixa etária de preventivo?
-                                - Qual a porcentagem de mulheres na faixa etária de mamografia?
-                                - Quantas mulheres estão nas faixas etárias de preventivo e mamografia?
-                                - Qual a relação masculino/feminino?
-                                - Qual a porcentagem das doenças em relação à população total?
-
-                                Use essas informações para responder às perguntas do usuário.
-                                Regras:
-                                1. Seja sempre cortês.
-                                2. Responda somente assuntos referentes ao resumo.
-                                3. Caso seja feita alguma pergunta a você diferente de resumos, responda: "Vamos voltar ao trabalho que interessa?"
-                                4. Responda sempre em português.
-                                5. Se não souber a resposta, responda: "Desculpe, mas não tenho esta informação."
-                                6. Nas suas respostas, não forneça os nomes dos dataframes, apenas responda às perguntas.
-                                7. Destaque os principais achados e tendências nos dados sempre que possível.
-                                8. Se aplicável, sugira possíveis ações ou recomendações baseadas nos dados analisados.
-                            """,
-                        },
-                        {
-                            "role": "user",
-                            "content": USER_CHAT,
-                        },
-                    ],
-                    model="llama3-70b-8192",
-                    temperature=0.2,
-                    max_tokens=1500,
-                )
-                st.write(CHAT_COMPLETION.choices[0].message.content)
-
-                # Limpa o campo de entrada após enviar a pergunta
-                st.session_state[INPUT_KEY] = ""
-            except Exception as e:
-                st.error(f"Erro ao gerar a conclusão do chat: {e}")
-        else:
-            st.warning("Por favor, digite uma pergunta antes de enviar.")
-
-
-# Adicione este código fora do expander para evitar a reexecução do script ao pressionar Enter
-if "USER_CHAT_input" in st.session_state and st.session_state.USER_CHAT_input:
-    st.session_state.USER_CHAT_input = ""