Sistema de Controle Financeiro com Python
/ 2 min read
Table of Contents
Sobre o projeto
Meu primeiro projeto prático de análise de dados — um sistema de controle financeiro completo com análise em Python e uma interface visual interativa para acompanhar receitas, despesas e saldo.
O projeto combina duas frentes: a análise feita em Jupyter Notebook e uma interface web para visualizar os dados de forma acessível.
O que foi construído
Análise de dados com Python
O coração do projeto é o notebook Financial_Control_System_with_Colors.ipynb, onde toda a lógica de análise acontece:
- Organização e categorização das transações financeiras
- Cálculo de saldos, totais por categoria e variações ao longo do tempo
- Visualizações com uso de cores para facilitar a leitura dos dados
- Exportação dos resultados para consumo na interface web
Interface web
Uma dashboard construída do zero com HTML, CSS e JavaScript para visualizar os dados de forma intuitiva:
- Layout responsivo planejado no Figma antes de ser codado
- Estilização com CSS puro, incluindo paleta de cores para diferenciar categorias financeiras
- Interatividade com JavaScript para filtros e atualizações dinâmicas
Tecnologias utilizadas
| Tecnologia | Uso |
|---|---|
| Python | Análise e manipulação dos dados |
| Jupyter Notebook | Ambiente de desenvolvimento e documentação |
| HTML | Estrutura da interface |
| CSS | Estilização e responsividade |
| JavaScript | Interatividade |
| Figma | Prototipação do layout |
| Git & GitHub | Versionamento |
O que aprendi
Esse projeto foi importante para consolidar conceitos fundamentais que uso até hoje:
No lado da análise:
- Como estruturar um notebook de forma legível e documentada
- Manipulação de dados com pandas e visualizações com matplotlib
- A importância de limpar e validar os dados antes de qualquer análise
No lado do desenvolvimento web:
- Como transformar um protótipo do Figma em código real
- Organização de CSS sem frameworks
- Como conectar lógica de JavaScript a elementos visuais
Código
Esse foi o ponto de partida. A partir daqui, o foco passou a ser aprofundar a análise de dados — com mais Python, SQL e visualizações cada vez mais elaboradas.