Introdução

Para usuários do PowerBi, certamente já entendeu a importância de se fazer uma boa modelagem de dados. E sem dúvida, o a tabela dimensão "dCalendario" é a pedra angular na modelagem das análises de series temporal.

Como analista de dados e desenvolvedor, sempre busquei formas de otimizar a análise de séries temporais e simplificar a modelagem de dimensões de tempo em meus projetos. Foi assim que nasceu a dCalendario, uma biblioteca Python que facilita a criação de tabelas de calendário detalhadas para análises de dados.

💡 Por que a dCalendario?

Quem trabalha com análise de dados sabe o quanto é trabalhoso lidar com datas, agregar por períodos específicos, ou mesmo construir dimensões temporais personalizadas para projetos de BI e ciência de dados. A dCalendario resolve isso, gerando automaticamente uma tabela rica em detalhes como:

✔️ Ano, trimestre, mês, e semana.

✔️ Nome e abreviação de meses e dias.

✔️ Indicadores como "ano atual" ou "mês atual".

✔️ Identificação de datas passadas e muito mais.

🎯 Propósito

A dCalendario ajuda analistas e engenheiros de dados a ganharem tempo na modelagem e análises temporais, permitindo que o foco esteja na extração de insights e criação de valor.

🚀 Como funciona?

Com apenas algumas linhas de código, você pode gerar uma tabela de calendário e relacioná-la a fatos, como vendas ou estoque, para realizar agregações, análises de tendências e muito mais.

Por exemplo, com uma tabela de vendas (fVendas) e a dCalendario, é possível calcular o faturamento total por mês em poucos passos!

A Solução

A dcalendario foi projetada para resolver esses problemas com:

1️⃣ Automação Completa:

Gera uma tabela de calendário completa a partir de um intervalo de datas, com apenas uma linha de código.

from dcalendario import generate_calendar_df
import pandas as pd

# Gerar tabela de calendário
d_calendario = generate_calendar_df('2024-01-01', '2024-12-31')

# Relacionar com fatos e agregar
faturamento_mensal = f_vendas.merge(d_calendario, left_on='DataVenda', right_on='Data')
faturamento_mensal.groupby(['Ano', 'MesNum']).sum()['Faturamento']

2️⃣ Informações Ricas:

Inclui colunas que trazem informações detalhadas, como:

• Ano, trimestre, semestre e semana.
• Nome completo e abreviação de meses e dias da semana.
• Indicadores para períodos no passado, ano atual ou mês atual.
• 
  

3️⃣ Integração Direta:

Ideal para ferramentas de análise de dados como pandas, Power BI, Tableau, ou para modelagem de dados em projetos de machine learning.

4️⃣ Flexibilidade:

Suporte para diferentes idiomas (pt_BR, en_US) e formatações personalizadas para atender a necessidades globais.

🔗 Contribuindo para a Comunidade

Além de resolver problemas nos meus projetos, desenvolver a dCalendario foi um aprendizado incrível: desde escrever a lógica em Python até publicar a biblioteca no PyPI para que outros profissionais possam usá-la e contribuir.

💬 O que você acha? Já enfrentou desafios ao lidar com datas em projetos? Vamos conversar!

👉 Experimente:

📦 Instale com pip install dcalendario

📚 Veja mais no GitHub.

🧑🏻‍💻 Portfólio