Pipeline de Vendas em Python
Projeto construído em sprints semanais para consumir dados de vendas, processar e gerar relatórios automáticos.

Tecnologias usadas

Python 3.x
Pandass
Matplotlib
Pytest


Instalação
Abre o terminal e instala as dependências:
bashpip install pandas matplotlib pytest
Ou instala tudo de uma vez pelo requirements.txt:
bashpip install -r requirements.txt

Estrutura do projeto
Projeto Pipeline em Python/
├── data/
│   └── dados.csv              ← dados de vendas (mock)
├── reports/
│   ├── receita_por_produto.png
│   └── evolucao_vendas.png
├── src/
│   ├── __init__.py
│   ├── process_data.py         ← limpeza dos dados
│   └── graficos.py             ← geração dos gráficos
├── test/
│   ├── __init__.py
│   └── test_process.py         ← testes automatizados
├── main.py                     ← ponto de entrada do projeto
├── requirements.txt
└── README.md

Como usar
Abre o terminal no VS Code (Ctrl + ') e navega até a pasta do projeto:
bashcd "Projeto Pipeline em Python"
Roda o pipeline completo com um único comando:
bashpython main.py
Isso vai gerar no terminal:
Iniciando pipeline de vendas...

Carregando e limpando dados...
Dados carregados: 10 linhas

========== RELATÓRIO DE VENDAS ==========
Total de vendas:      R$ 23750.00
Ticket médio:         R$ 2375.00
Produto mais vendido: Mouse
=========================================

Gerando gráficos...
Gráfico 1 salvo!
Gráfico 2 salvo!

Pipeline finalizado!
Os gráficos são salvos automaticamente na pasta reports/.

Como rodar os testes
bashpython -m pytest test/
Resultado esperado:
collected 3 items
test\test_process.py ...
3 passed in 4.52s

O que cada arquivo faz
data/dados.csv
Arquivo com os dados de vendas simulados (mock). Contém as colunas:
ColunaDescriçãodataData da vendaprodutoNome do produtoquantidadeQuantidade vendidapreco_unitarioPreço por unidadevendedorNome do vendedor
Para usar dados reais, substitua o conteúdo deste arquivo mantendo o mesmo formato de colunas.
src/process_data.py
Contém a função carregar_dados() responsável por:

Ler o arquivo data/dados.csv com Pandas
Converter a coluna de data para o tipo correto
Remover linhas duplicadas e vazias
Criar a coluna total_venda (quantidade × preço)
Retornar o DataFrame limpo e pronto para uso

src/graficos.py
Contém a função gerar_graficos() responsável por:

Importar e chamar carregar_dados() do process_data.py
Gerar gráfico de barras com receita por produto
Gerar gráfico de linha com evolução de vendas ao longo do tempo
Salvar os dois gráficos como .png na pasta reports/

main.py
Ponto de entrada do projeto. Importa e chama as funções em sequência:

carregar_dados() → carrega e limpa os dados
Calcula e exibe o relatório no terminal
gerar_graficos() → gera e salva os gráficos

test/test_process.py
Contém 3 testes automatizados para a função carregar_dados():

test_dataframe_nao_vazio → verifica se o DataFrame tem linhas
test_coluna_total_venda_existe → verifica se a coluna total_venda foi criada
test_sem_valores_nulos → verifica se não há valores nulos após a limpeza


Conceitos usados
ConceitoPara que serveimportImporta módulos e bibliotecas externasfrom x import yImporta uma função específica de outro arquivodef função()Define uma função reutilizávelreturnRetorna um valor de dentro de uma funçãoassertVerifica se uma condição é verdadeira (usado em testes)pandasLê e manipula tabelas de dadosmatplotlibGera gráficos e visualizaçõesDataFrame (df)Nome que o Pandas dá para tabelasdf['coluna']Acessa uma coluna da tabelagroupby()Agrupa linhas por uma colunasum() / mean()Soma e média de valoressavefig()Salva o gráfico como imagemos.makedirs()Cria uma pasta se ela não existir

Sprints
Sprint 1 — Fundação ✅

Leitura do CSV com Pandas
Limpeza e tratamento dos dados (nulos, duplicatas, tipos)
Relatório no terminal: total de vendas, ticket médio, produto mais vendido

Sprint 2 — Visualização ✅

Gráfico de barras: receita por produto
Gráfico de linha: evolução de vendas no tempo
Gráficos salvos como .png na pasta reports/

Sprint 3 — Refatoração ✅

Estrutura de pastas organizada (data/, src/, reports/)
Lógica de limpeza isolada em função no process_data.py
graficos.py importa a função em vez de repetir o código
main.py orquestra tudo com um único comando

Sprint 4 — Testes Automatizados ✅

Criação da pasta test/ com test_process.py
3 testes automatizados com Pytest
Testa se o DataFrame não está vazio, se a coluna total_venda existe e se não há valores nulos
Rodar com: python -m pytest test/

Sprint 5 — README e GitHub ✅

README completo com descrição, estrutura, instruções e tecnologias
requirements.txt com as dependências do projeto
Projeto publicado no GitHub


Problemas comuns
Erro: "can't open file"
O terminal não está na pasta certa. Rode:
bashcd "Projeto Pipeline em Python"
Erro: "No module named pandas"
As dependências não foram instaladas. Rode:
bashpip install -r requirements.txt
Erro: "No such file or directory: dados.csv"
O caminho do arquivo está errado. Confirme que o dados.csv está dentro da pasta data/ e que o process_data.py usa 'data/dados.csv'.
Código rodou mas não mostrou nada
O arquivo não foi salvo. Use Ctrl + S antes de rodar.
Pytest não reconhecido
Use python -m pytest test/ em vez de pytest test/.