📊 DataPulse

Daily, data-driven insights in Python — fetch → clean → visualize → write.

Funcionalidades

• 3 fontes: weather (Open-Meteo), fx (exchangerate.host) e aqi (Open-Meteo Air Quality).
• Flags: --no-csv e --no-plot para controlar o que salvar.
• Relatórios semanais: agregam os últimos 7 CSVs por fonte.
• Robustez: geocoding automático, retry/backoff, cache diário, índice em /reports/README.md.

Quickstart

bash
git clone https://github.com/azevedontc/dataPulse
cd dataPulse
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

Diário

# Clima (3 dias)
python3 -m datapulse.cli --source weather --city "São Paulo" --days 3

# Câmbio BRL/USD (7 dias)
python3 -m datapulse.cli --source fx --base BRL --quote USD --days 7

# Qualidade do ar (AQI, 3 dias)
python3 -m datapulse.cli --source aqi --city "São Paulo" --days 3

Semanal

# via Makefile
make weekly-weather   # clima (últimos 7 CSVs)
make weekly-fx        # câmbio
make weekly-aqi       # qualidade do ar

# ou via Python
python -c "from datapulse import build_weekly_summary as b; b('reports','weather')"

Rotina

# diário (no main)
source .venv/bin/activate
git pull
python3 -m datapulse.cli --source weather --city "São Paulo" --days 3
python3 -m datapulse.cli --source fx --base BRL --quote USD --days 7
python3 -m datapulse.cli --source aqi --city "São Paulo" --days 3
git add reports/
git commit -m "chore(reports): add daily report for YYYY-MM-DD"
git push

Dashboard (Streamlit)

# instalar dependência (se ainda não tiver)
pip install streamlit

# rodar
make dashboard
# ou
streamlit run streamlit_app.py