Spaces:
Sleeping
Sleeping
File size: 3,659 Bytes
b0e7098 9974dcb b0e7098 3d12196 b0e7098 e531db2 b0e7098 d60f697 50b7c9d b0e7098 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 |
import pandas as pd
import streamlit as st
from pandas.api.types import (
is_categorical_dtype,
is_datetime64_any_dtype,
is_numeric_dtype,
is_object_dtype,
)
def filter_dataframe(df: pd.DataFrame) -> pd.DataFrame:
df = df.copy()
# Tentar converter datas para um formato padrão (datetime, sem fuso horário)
for col in df.columns:
if is_object_dtype(df[col]):
try:
df[col] = pd.to_datetime(df[col])
except Exception:
pass
if is_datetime64_any_dtype(df[col]):
df[col] = df[col].dt.tz_localize(None)
modification_container = st.container()
with modification_container:
to_filter_columns = st.multiselect("Filtrar por valor", [column for column in df.columns if column != 'id'], placeholder="Selecione um ou mais itens para filtrar")
for column in to_filter_columns:
left, right = st.columns((1, 20))
left.write("↳")
# Tratar colunas com < 10 valores únicos como categóricos
if is_categorical_dtype(df[column]) or df[column].nunique() < 10:
user_cat_input = right.multiselect(
f"Valores para {column}",
df[column].unique(),
default=[], # Lista vazia para não ter valores pré-selecionados
placeholder="Escolha uma opção"
)
if user_cat_input: # Filtrar apenas se houver seleção
df = df[df[column].isin(user_cat_input)]
elif is_numeric_dtype(df[column]):
_min = float(df[column].min())
_max = float(df[column].max())
step = (_max - _min) / 100
user_num_input = right.slider(
f"Valores para {column}",
min_value=_min,
max_value=_max,
value=(_min, _max),
step=step,
)
df = df[df[column].between(*user_num_input)]
elif is_datetime64_any_dtype(df[column]):
user_date_input = right.date_input(
f"Valores para {column}",
value=(
df[column].min(),
df[column].max(),
),
format="YYYY-MM-DD",
)
if len(user_date_input) == 2:
user_date_input = tuple(map(pd.to_datetime, user_date_input))
start_date, end_date = user_date_input
df = df.loc[df[column].between(start_date, end_date)]
else:
# Para colunas de texto, mostre uma seleção múltipla se houver poucos valores únicos
unique_values = df[column].dropna().unique()
if len(unique_values) < 1000: # Ajuste o limite conforme necessário
user_text_input = right.multiselect(
f"Valores para {column}",
unique_values,
default=[],
placeholder="Escolha uma opção",
)
if user_text_input: # Filtrar apenas se houver seleção
df = df[df[column].isin(user_text_input)]
else:
user_text_input = right.text_input(
f"Substring ou regex em {column}",
)
if user_text_input:
df = df[df[column].astype(str).str.contains(user_text_input, na=False)]
return df
|