Del notebook al dashboard
Compartir resultados que la gente pueda utilizar.
Del notebook al dashboard es una lección gratuita de Data Science Academy en CoddyKit. Esta es la lección 4 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de Data Science Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de Data Science Academy incluye 4 lecciones en total.
Partes de esta lección aún no han sido traducidas y se muestran en inglés.
Beyond the Notebook
A notebook is great for you, but stakeholders will not run cells. To reach them you turn analysis into a shareable dashboard. 🚀
Why a Dashboard
A dashboard lets non-coders explore your results live, filtering and clicking instead of asking you to rerun the code each time.
Static or Interactive
Decide early: a static report is a fixed snapshot, while an interactive app lets users change inputs and see updates.
The Easiest Path
For Python users, Streamlit turns a plain script into a web app with almost no front-end code required.
import streamlit as st
st.title("Sales Dashboard")Show a Number
A headline metric gives instant context. Streamlit's metric widget displays a value and its change from a target side by side.
st.metric("Revenue", "$1.2M", "+8%")Drop In a Chart
Pass any matplotlib or plotly figure straight to the app and it renders inline, reusing the plots you already made.
st.pyplot(fig)Add a Filter
A single widget makes data explorable. A selectbox lets users pick a category and the whole page reacts to their choice.
region = st.selectbox("Region", df["region"].unique())Cache Slow Steps
Wrap heavy loads in a cache so the app stays fast: the data is read once and reused across every user interaction.
@st.cache_data
def load():
return pd.read_csv("sales.csv")Run It Locally
You launch the app from a terminal, and Streamlit serves it in your browser so you can test before sharing it widely.
streamlit run app.pyShare With the World
Push the script to a repo and deploy on a host like Streamlit Community Cloud to hand colleagues a simple URL.
Keep It Trustworthy
A live dashboard needs upkeep: refresh its data, note the last update, and document assumptions so users keep trusting it.
Quick Check
Why move an analysis from a notebook to a dashboard?
Recap
You turned a notebook into a shareable dashboard with Streamlit: metrics, charts, filters, caching, and deploy. That closes the data-to-decision loop. 🎉
Preguntas frecuentes
¿La lección «Del notebook al dashboard» es gratis?
Sí — el texto completo de «Del notebook al dashboard» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de Data Science Academy, actualiza a CoddyKit PRO. El curso de Data Science Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Del notebook al dashboard»?
Compartir resultados que la gente pueda utilizar. Practicas Data Science Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar Data Science Academy?
No se requiere experiencia previa. Data Science Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 4 de 4.
¿Cuánto tiempo toma la lección «Del notebook al dashboard»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de Data Science Academy?
Sí. Cada lección de Data Science Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Importancia de características y SHAP
- Intuición de la dependencia parcial
- Gráficos que convencen a las partes interesadas
- Del notebook al dashboard