!pip install pandas matplotlib seaborn

import pandas as pd import numpy as py import plotly.express as px

from google.colab import drive drive.mount('/content/drive')

caminho = '/content/drive/MyDrive/AI_Tools_List.csv'

df = pd.read_csv(caminho, encoding='latin1')

df.columns = df.columns.str.strip().str.replace(' ', '_').str.replace('[^a-zA-Z0-9_]', '')

print(df.columns.tolist())

df.columns

df['Release_Year'] = df['Release_Year'].astype(str)

fig = px.parallel_categories( df, dimensions=['AI_Name', 'Developer/Company', 'AI_Type', 'Main_Use_Case', 'Release_Year'], color='Popularity_Score_(1-10)', color_continuous_scale=px.colors.sequential.Inferno, labels={ 'AI_Name': 'Ferramenta', 'Developer/Company': 'Empresa', 'AI_Type': 'Tipo de IA', 'Main_Use_Case': 'Uso Principal', 'Release_Year': 'Ano de Lançamento', 'Popularity_Score_(1-10)': 'Popularidade' }, title='📊 Categorias Paralelas: Ferramentas de IA' )

fig.show()

df = df.sort_values(by='Popularity_Score_(1-10)', ascending=True)

fig = px.bar(df, x='Popularity_Score_(1-10)', y='AI_Name', orientation='h', title='📊 Popularidade das Ferramentas de IA (Ordem Crescente)', labels={'Popularidade': 'Pontuação de Popularidade', 'AI_Name': 'Ferramenta de IA'}, color='Popularity_Score_(1-10)', color_continuous_scale=px.colors.sequential.Inferno, )

fig.update_layout( yaxis=dict(categoryorder='total ascending'), margin=dict(t=60, l=100, r=40, b=40), bargap=0.2 )

fig.show()

df_valor = df.sort_values(by='Estimated_Valuation_Billion_USD')

plt.figure(figsize=(14,8)) sns.barplot(data=df_valor, x='Estimated_Valuation_Billion_USD', y='AI_Name', palette='flare') plt.title("Ranking de Valuation das IAs em Bilhões e Seu Impacto Mundial") plt.xlabel("Valuation (Bilhões USD)") plt.ylabel("IA") plt.tight_layout() plt.show()

categorias = df['Main_Use_Case'].value_counts().reset_index() categorias.columns = ['Categoria', 'Quantidade']

fig = px.pie(categorias, names='Categoria', values='Quantidade', title='Distribuição das Casos de Uso Principais das IAs', color_discrete_sequence=px.colors.sequential.RdBu)

fig.update_traces(textposition='inside', textinfo='percent+label') fig.show()

crescimento = df.groupby(['Release_Year', 'AI_Type']).size().reset_index(name='Quantidade')

fig = px.bar(crescimento, x='Release_Year', y='Quantidade', color='AI_Type', title='📊 Crescimento de Tipos de Ferramentas de IA por Ano', labels={'Release_Year': 'Ano de Lançamento', 'Quantidade': 'Quantidade de Ferramentas', 'AI_Type': 'Tipo de IA'}, color_discrete_sequence=px.colors.sequential.Viridis)

fig.update_layout( xaxis=dict(type='category'), yaxis=dict(title='Quantidade de Ferramentas'), legend_title_text='Tipo de IA', margin=dict(t=60, l=40, r=40, b=40), bargap=0.2 )

fig.show()