Este projeto consiste em uma aplicação desenvolvida em Python para análise, visualização e geração automática de relatórios em PDF a partir de dados meteorológicos provenientes de diferentes estações (Campbell e Hobeco). A aplicação permite ao usuário selecionar o tipo de dado, a estação meteorológica e a variável de interesse por meio de uma interface gráfica (Tkinter), gerando automaticamente estatísticas descritivas, filtragem de outliers e gráficos informativos.

Problema:
A análise de dados meteorológicos envolve grandes volumes de informações, múltiplos formatos de arquivos e diversas variáveis.Na prática, gerar estatísticas e gráficos confiáveis costuma ser um processo manual, demorado e dependente de conhecimento técnico, o que dificulta análises rápidas e padronizadas.

Solução:
O sistema automatiza todo esse processo, realizando Leitura inteligente de diferentes formatos de dados,Conversão e limpeza das variáveis, Detecção e remoção de outliers, Cálculo de estatísticas descritivas, Geração de gráficos e relatórios em PDF com indicadores prontos para decisão.

Projeto desenvolvido em Python utilizando Pandas e XlsxWriter para automatizar a análise de correlação entre múltiplas variáveis. O script lê dados de um arquivo Excel, calcula a matriz de correlação, identifica pares com correlação superior a 0,6 e gera automaticamente gráficos de dispersão para cada par relevante em um novo arquivo Excel.

Problema:
Em análises, é comum lidar com grandes volumes de dados de múltiplos municípios ou variáveis. Identificar quais séries se movem juntas (alta correlação) manualmente é demorado, sujeito a erros e dificulta a geração de insights rápidos para tomada de decisão.

Solução:
O processo que antes exigia análise manual passa a ser 100% automatizado, permitindo identificar rapidamente relações relevantes entre municípios, acelerar análises exploratórias e apoiar decisões estratégicas com base em dados.