Dashboards (Streamlit / Dash / Gradio)

Transforme notebooks em aplicativos compartilháveis: Streamlit para dashboards de dados rápidos, Dash para produtos focados em Plotly, Gradio para demonstrações de modelos.

Receita

Cartão de receita de referência rápida - pronto para copiar e colar.

# streamlit_app.py
import streamlit as st
import pandas as pd
 
@st.cache_data
def load():
    return pd.read_parquet("sales.parquet")
 
df = load()
region = st.selectbox("Região", sorted(df["region"].unique()))
filtered = df[df["region"] == region]
st.line_chart(filtered.set_index("ordered_at")["revenue"])

Quando usar isso:

• Partes interessadas precisam de filtros sem o Jupyter
• Equipe de ML quer uma UI de pontuação rápida (Gradio)
• Dashboards Plotly com callbacks e autenticação (Dash)
• Ferramentas internas lançadas em dias, não meses

Exemplo de Trabalho

# Padrão mínimo Streamlit + Plotly
import streamlit as st
import pandas as pd
import plotly.express as px
 
st.set_page_config(page_title="Explorador de Receita", layout="wide")
 
@st.cache_data(show_spinner="Carregando vendas...")
def load_sales() -> pd.DataFrame:
    # Substitua por read_parquet em produção
    return pd.DataFrame(
        {
            "ordered_at": pd.date_range("2025-01-01", periods=30, freq="D", tz="UTC"),
            "region": ["East", "West"] * 15,
            "revenue": range(30),
        }
    )
 
df = load_sales()
col1, col2 = st.columns(2)
with col1:
    regions = st.multiselect("Regiões", sorted(df["region"].unique()), default=["East"])
with col2:
    min_rev = st.slider("Receita mínima", 0, int(df["revenue"].max()), 0)
 
filtered = df[df["region"].isin(regions) & (df["revenue"] >= min_rev)]
fig = px.line(filtered, x="ordered_at", y="revenue", color="region")
st.plotly_chart(fig, use_container_width=True)
st.dataframe(filtered, use_container_width=True)

O que isso demonstra:

• cache_data evita recarregar Parquet a cada alteração de widget
• Layout com colunas e configuração de página ampla
• Gráfico Plotly incorporado com largura responsiva
• Filtros compostos com máscaras booleanas do pandas

Mergulho Profundo

Como Funciona

• Streamlit reexecuta o script de cima para baixo a cada interação; widgets são declarativos.
• Dash usa Flask + callbacks do React - melhor para estado complexo e URLs.
• Gradio envolve uma função como blocos de E/S - ideal para predict(image) -> label.
• Todos os três rodam atrás de uvicorn/servidor embutido - coloque um proxy reverso de autenticação em produção.

Escolha de Framework

Notas Python

# Esqueleto do Dash (app.py separado)
from dash import Dash, html, dcc, Input, Output
import plotly.express as px
 
app = Dash(__name__)
app.layout = html.Div([dcc.Graph(id="chart"), dcc.Dropdown(id="region")])
# @app.callback(Output("chart", "figure"), Input("region", "value")) ...

Armadilhas

• Sem cache em carga pesada - cada clique no slider recarrega Parquet. Correção: @st.cache_data / Dash dcc.Store.
• Incorporação de segredos no repositório - chaves de API apenas em st.secrets ou variáveis de ambiente. Correção: nunca comitar credenciais.
• Multiselect sem limites - selecionar todas as regiões reimprime frames enormes. Correção: limitar a seleção ou agregar no lado do servidor.
• Ciclos de callback do Dash - Outputs mútuos sem guardas criam loop. Correção: estado de fonte única de verdade.
• Gradio para dashboards de BI - ferramenta errada - layout e filtros SQL são estranhos. Correção: Streamlit/Dash em vez disso.

Alternativas

FAQs

import gradio as gr
demo = gr.Interface(fn=predict, inputs="image", outputs="label")
demo.launch()

Relacionados

• Plotly - gráficos em Dash e Streamlit
• Plotagem de Dados Grandes - mantenha os aplicativos responsivos
• Melhores Práticas de Visualização - KPIs honestos em aplicativos
• Básicos de Análise de Dados - preparação de dados a montante

Versões da Stack: Esta página foi escrita para Python 3.14.0 (estável 3.14, manutenção 3.13), FastAPI 0.115+, Django 5.2, Flask 3.1, Pydantic 2, PyTorch 2.6+, pandas 2.2+, Polars 1.x, ruff 0.9+ e uv 0.6+.