Este repositório contém um código em Python desenvolvido para analisar e visualizar as despesas de deputados. O código carrega os dados de despesas de dois arquivos Excel, realiza uma série de manipulações e, em seguida, gera visualizações interativas dos gastos por partido, categoria, tipo de despesa, sigla de unidade federativa (UF) e tipo de despesa usando as bibliotecas Pandas, Matplotlib, Plotly Express e Plotly Graph Objects.
- main.py: O arquivo principal contendo o código Python para análise e visualização das despesas de deputados.
- despesasdepfinal.xlsx: Arquivo Excel contendo os dados originais das despesas de deputados.
- despesasdepfinalcopia.xlsx: Outro arquivo Excel contendo os dados de despesas de deputados.
- histogramainterativo.html: Arquivo HTML gerado a partir do Plotly para exibir um histograma interativo de gastos por sigla de partido.
-
Clone este repositório para sua máquina local:
git clone https://github.com/Gabbyroba/Analise-deputados.git
-
Certifique-se de ter as bibliotecas Pandas, Matplotlib e Plotly instaladas em seu ambiente Python. Caso contrário, você pode instalá-las usando o seguinte comando:
pip install pandas matplotlib plotly
-
Execute o arquivo
main.py
em um ambiente Python para analisar e visualizar as despesas de deputados:python main.py
-
O código realizará as manipulações nos dados e gerará visualizações interativas, incluindo gráficos de barras e histogramas.
-
Os gráficos interativos serão exibidos diretamente na interface de linha de comando.
-
O arquivo
histogramainterativo.html
conterá um histograma interativo de gastos por sigla de partido, que você pode abrir em seu navegador.
Contribuições para este projeto são bem-vindas! Se você encontrar problemas, bugs ou tiver ideias para melhorias, sinta-se à vontade para criar um fork deste repositório, fazer as alterações e enviar um pull request.
Se você tiver alguma dúvida ou precisar de assistência com este projeto, entre em contato com Gabbyroba através do repositório Analise-deputados.
Este projeto foi desenvolvido como um exercício de análise de dados e visualização usando Python e bibliotecas populares. Sinta-se à vontade para explorar o código, adaptá-lo para suas necessidades ou usá-lo como base para seus próprios projetos de análise de dados.