Dashboard Biblioteca UFFS (local)

Arquivos criados:

• backend/main.py - FastAPI app que lê basededados_biblio_2025.csv e fornece endpoints JSON
• backend/requirements.txt - dependências Python
• frontend/server.js - servidor Express simples para servir os arquivos estáticos
• frontend/package.json - manifest do frontend
• frontend/static/index.html - página do dashboard (Plotly)
• frontend/static/style.css - estilos (tons de verde e branco)
• frontend/static/app.js - JS que consome as APIs e renderiza gráficos

Como rodar (local):

1. Backend (Python / FastAPI)

   • Crie/ative um ambiente Python e instale dependências:

     pip install -r backend/requirements.txt

   • Execute o backend:

     uvicorn backend.main:app --reload --port 8000

   O backend ficará disponível em http://localhost:8000

2. Frontend (Node.js)

   • Instale dependências do frontend (uma vez):

     cd frontend npm install

   • Inicie o frontend:

     npm start

   O frontend será servido em http://localhost:3000

3. Iniciar o frontend usando Python (opcional)

Se você preferir não usar Node ou quiser um comando Python único, use o script fornecido que tenta rodar `npm start` (se o Node estiver disponível) e, caso contrário, serve a pasta estática com o servidor Python:

```powershell
# executando o script (rodar a partir da raiz do repositório)
python frontend\run_frontend.py

# forçar uso do servidor estático Python mesmo se Node estiver instalado
python frontend\run_frontend.py --no-node

# forçar npm start (vai falhar se Node/npm não estiver instalado)
python frontend\run_frontend.py --use-node
```

O script serve `frontend/static` na porta 3000 por padrão (use `--port` para mudar).

Notas rápidas

• O favicon informado foi referenciado como /favicon.ico (mantido na raíz do repositório).
• O CSV basededados_biblio_2025.csv é lido diretamente pelo backend — certifique-se de executar o uvicorn no diretório onde o CSV existe (raiz do repo tcc_rafael).
• Endpoints disponíveis:
  • GET /api/time_series
  • GET /api/heatmap
  • GET /api/metrics

Próximos passos sugeridos

• Melhorar layout e responsividade do frontend.
• Adicionar filtros (período, biblioteca, gênero).
• Implementar cache no backend para datasets grandes. Initial commit: main