📊 Un dashboard interattivo per esplorare, analizzare e visualizzare i dati in modo semplice e intuitivo!
Questa applicazione combina la potenza di Streamlit ⚡ per creare dashboard interattive con un'API Flask deployata su Render 🚀 per fornire dati simulati o reali in tempo reale. È progettata per offrire una soluzione completa per l'analisi e la visualizzazione dei dati.
dashboard-data-visualization/
├── app/ # Moduli principali dell'app
│ ├── __init__.py # Rende la cartella un pacchetto Python
│ ├── api.py # Gestisce chiamate all'API Flask
│ ├── utils.py # Funzioni di utilità generiche
│ └── visualizations.py # Funzioni per generare grafici e visualizzazioni
├── main.py # File principale per l'esecuzione dell'app Streamlit
├── .streamlit/ # Configurazioni personalizzate per Streamlit
│ └── config.toml # Impostazioni del tema e altri parametri
├── .vscode/ # Configurazioni per Visual Studio Code
├── venv/ # Ambiente virtuale Python
├── requirements.txt # Dipendenze del progetto
├── runtime.txt # Specifica la versione di Python (per Streamlit Cloud/Render)
├── .gitignore # File per escludere elementi dal repository
├── readme.md # Documentazione del progetto
└── tests/ # Directory per i test
└── test_api.py # Test per verificare il funzionamento dell'API Flask
- Visualizzazioni dinamiche: Grafici come istogrammi, grafici a barre, scatter plot e mappe di correlazione
- Filtraggio avanzato: Filtri per colonne numeriche e testuali
- Esportazione dati: Scarica i dati filtrati in formato CSV o Excel
- Tema personalizzabile: Alterna tra tema chiaro e scuro
- Endpoint API: Un'API semplice per simulare dataset o recuperare dati reali
- Dataset medico simulato: Utilizzato per testare le funzionalità dell'app
- Hosting su Render: L'API è stata deployata su Render per accesso pubblico continuo
L'app è stata deployata su Streamlit Cloud, rendendola accessibile online 24/7.
Link al dashboard:
Accedi al Dashboard Interattivo 🔗
L'API è ospitata su Render e fornisce i dati utilizzati dal dashboard per le visualizzazioni e l'analisi.
Link API Render:
Accedi all'API Flask 🔗
- Browser: Chrome 🌐, Firefox 🦊, Edge 🌊 o Safari 🧭
- Python Version: Specificata in
runtime.txt(ad esempio,python-3.9) - File Supportati: CSV con una struttura predefinita
Per eseguire l'app in locale, segui questi passaggi:
-
Clona il repository:
git clone https://github.com/tuo-repo/dashboard-data-visualization.git cd dashboard-data-visualization -
Crea un ambiente virtuale:
python -m venv venv source venv/bin/activate # Su Windows: venv\Scripts\activate
-
Installa le dipendenze:
pip install -r requirements.txt
-
Esegui il dashboard:
streamlit run main.py
- 📁 Supporto per dataset generici, indipendentemente dalla struttura
- 📊 Importazione di file in formati Excel e JSON
- 🎯 Mappatura personalizzabile delle colonne per adattarsi a dataset generici
- 🔄 Estensione delle API per supportare più endpoint e dataset reali
- Apri un terminale e spostati nella directory del progetto:
cd dashboard-data-visualization - Attiva l'ambiente virtuale:
venv\Scripts\activate
- Avvia il server Flask:
python api_premium.py
- Lascia questo terminale aperto con il server in esecuzione.
- Apri un secondo terminale e spostati nella directory del progetto:
cd dashboard-data-visualization - Attiva l'ambiente virtuale:
venv\Scripts\activate
- Avvia la dashboard Streamlit:
streamlit run main.py
- Il dashboard sarà accessibile su http://localhost:8501 🌐
Se hai domande o richieste di personalizzazione, non esitare a contattarmi! 💌
📊 An interactive dashboard for exploring, analyzing, and visualizing data in a simple and intuitive way!
This application combines the power of Streamlit ⚡ for creating interactive dashboards with a Flask API deployed on Render 🚀 to provide real-time simulated or real data. It's designed to offer a complete solution for data analysis and visualization.
dashboard-data-visualization/
├── app/ # Main app modules
│ ├── __init__.py # Makes the folder a Python package
│ ├── api.py # Handles Flask API calls
│ ├── utils.py # Generic utility functions
│ └── visualizations.py # Functions for generating charts and visualizations
├── main.py # Main file for Streamlit app execution
├── .streamlit/ # Custom Streamlit configurations
│ └── config.toml # Theme settings and other parameters
├── .vscode/ # Visual Studio Code configurations
├── venv/ # Python virtual environment
├── requirements.txt # Project dependencies
├── runtime.txt # Python version specification (for Streamlit Cloud/Render)
├── .gitignore # File to exclude items from repository
├── readme.md # Project documentation
└── tests/ # Tests directory
└── test_api.py # Tests to verify Flask API functionality
- Dynamic Visualizations: Histograms, bar charts, scatter plots, and correlation maps
- Advanced Filtering: Filters for numeric and text columns
- Data Export: Download filtered data in CSV or Excel format
- Customizable Theme: Toggle between light and dark theme
- API Endpoints: A simple API for simulating datasets or retrieving real data
- Simulated Medical Dataset: Used for testing app functionality
- Render Hosting: API deployed on Render for continuous public access
The app has been deployed on Streamlit Cloud, making it accessible online 24/7.
Dashboard link:
Access Interactive Dashboard 🔗
The API is hosted on Render and provides the data used by the dashboard for visualizations and analysis.
Render API link:
Access Flask API 🔗
- Browser: Chrome 🌐, Firefox 🦊, Edge 🌊 or Safari 🧭
- Python Version: Specified in
runtime.txt(e.g.,python-3.9) - Supported Files: CSV with predefined structure
Follow these steps to run the app locally:
-
Clone the repository:
git clone https://github.com/tuo-repo/dashboard-data-visualization.git cd dashboard-data-visualization -
Create a virtual environment:
python -m venv venv source venv/bin/activate # On Windows: venv\Scripts\activate
-
Install dependencies:
pip install -r requirements.txt
-
Run the dashboard:
streamlit run main.py
- 📁 Support for generic datasets, regardless of structure
- 📊 Excel and JSON file import support
- 🎯 Customizable column mapping to adapt to generic datasets
- 🔄 Extended APIs to support more endpoints and real datasets
- Open a terminal and navigate to the project directory:
cd dashboard-data-visualization - Activate the virtual environment:
venv\Scripts\activate
- Start the Flask server:
python api_premium.py
- Keep this terminal open with the server running.
- Open a second terminal and navigate to the project directory:
cd dashboard-data-visualization - Activate the virtual environment:
venv\Scripts\activate
- Start the Streamlit dashboard:
streamlit run main.py
- The dashboard will be accessible at http://localhost:8501 🌐
If you have any questions or customization requests, don't hesitate to contact me! 💌
- Apri un terminale e spostati nella directory del progetto:
cd dashboard-data-visualization - Attiva l'ambiente virtuale:
venv\Scripts\activate
- Avvia il server Flask:
python api_premium.py
- Lascia questo terminale aperto con il server in esecuzione.
- Apri un secondo terminale e spostati nella directory del progetto:
cd dashboard-data-visualization - Attiva l'ambiente virtuale (può essere attivato in più terminali contemporaneamente):
venv\Scripts\activate
- Avvia la dashboard Streamlit:
streamlit run main.py (sostituire con il py della dashboard da deployare)
- La dashboard sarà accessibile su http://localhost:8501.