Streamlit Python综合指南

Streamlit 是一个 Python 库，它简化了创建 Web 应用程序的过程。它面向数据科学家、机器学习工程师和开发人员，能够快速轻松地创建交互式数据中心应用程序。无需深入了解 Web 开发或前端技术。Streamlit 因其极简的方法而广受欢迎。实时更新是其功能集的一部分。与 Python 的数据分析和可视化库集成良好。

在接下来的教程中，我们将学习 Python 中 Streamlit 库的基础知识。

那么，让我们开始吧。

Streamlit 库简介

Streamlit 旨在简化应用程序开发。它适用于数据科学工作，也适用于机器学习工作流程。Streamlit 为开发人员提供了一个框架。他们可以专注于逻辑和功能。

Streamlit 库的一些关键特性

以下是 Python Streamlit 库的一些关键特性：

1. 交互式元素： Streamlit 可以轻松添加交互式控件。例如滑块、按钮和文件上传器。它们可以实现实时数据探索。
2. 轻松可视化： 用户可以无缝地包含图表和图形。这些图表和图形来自 Matplotlib 和 Altair 等流行库。或者来自 Plotly。
3. Pythonic 设计： 开发人员完全使用 Python 编写 Streamlit 应用程序。无需学习 HTML、CSS 或 JavaScript。
4. 实时自动更新： 每当代码修改时，应用程序就会更新。这会自动发生。无需手动刷新。它极大地加快了原型开发的速度。

如何安装 Streamlit 库？

Streamlit 可以通过 Python 的包管理器轻松安装。这是通过 pip 完成的。它只需要最少的配置。Streamlit 是跨平台的。它可以在 Windows、macOS 和 Linux 上运行。安装时，您需要使用 pip install streamlit。安装完成后，使用 streamlit run <filename.py> 运行应用程序。它会在 Web 浏览器中打开应用程序。这提供了一个实时测试环境。

安装完成后，您可以使用以下命令运行 Streamlit 应用程序：

理解 Streamlit 库的核心概念

Streamlit 提供了基本函数来构建和显示应用程序中的元素。这些函数包括文本渲染、数据显示和用户交互元素。每个 Streamlit 应用程序都是一个线性脚本。这意味着每次用户与之交互时，它都会从上到下执行。脚本会完全重新运行。当用户与之交互时，这会简化开发。开发人员不必管理回调或复杂的事件处理。

控件和交互

Streamlit 在交互方面表现出色。该框架可以轻松处理交互式控件。这些可以是滑块、按钮或文本输入。控件是允许与应用程序进行动态交互的工具。用户输入是关键因素。它驱动应用程序行为的实时变化。随后是实时数据分析模拟和可视化。

1. 滑块： 一种组件，允许在定义的特定范围内选择一个数值。

2. 按钮： 它们充当入口点，例如，它们可以允许表单提交或启动计算。

3. 选择框： 下拉功能。在这里，用户可以从选项列表中进行选择。

4. 复选框： 这些使用户能够切换某些功能或选项。交互以无状态方式管理。脚本在每次用户操作时重新运行。但是，有状态管理功能。其中之一是 st.session_state，它允许数据在交互之间持久存在。

数据展示

Streamlit 提供了多种显示和与数据交互的方式。它与表格、数据帧一起使用。还支持自定义可视化格式。Streamlit 开箱即用地支持各种格式。它以直观的格式显示 Pandas DataFrame。NumPy 数组和其他表格数据也可以显示。该库为 LaTeX 和 markdown 提供了无缝支持。这使得丰富的文本格式成为可能。

DataFrame 显示

可视化集成

Streamlit 与流行的 Python 库无缝集成。这些 库 通常用于数据可视化。这包括 Matplotlib 和 Plotly 等库。通过使用 Streamlit，开发人员可以轻松地嵌入可视化。这些可视化来自以下库：

1. Matplotlib： 在 Python 中广泛用于绘图和可视化数据。
2. Altair： 声明式统计可视化库。简单地构建交互式图形。
3. Plotly： 其受欢迎程度源于交互式图表。这些图表用于基于 Web 的数据呈现。
4. Bokeh： 因构建适用于现代 Web 浏览器的交互式图表而备受推崇。

图表

Streamlit 支持许多图表库，如 Matplotlib、Plotly 和 Altair。下面是使用 Matplotlib 的示例。

Altair 图表

布局和组织

Streamlit 提供了简单的布局功能。这些功能使开发人员能够创建有组织的、结构良好的应用程序。布局选项允许开发人员将 UI 元素排列在列中。他们可以使用侧边栏来提升用户体验。

侧边栏是一个元素。它允许放置输入控件或导航等元素。组件放置在应用程序的侧面。这节省了主屏幕的空间。另一方面，列提供了数据表示。通过列可以增强数据。它们并排呈现信息。这使得显示更具视觉吸引力。也更容易理解。

侧边栏

您可以创建一个侧边栏用于导航或输入控件。

列

您可以创建多列布局以更好地呈现数据。

状态和缓存

构建交互式应用程序面临挑战。其中之一是处理状态。Streamlit 本质上是无状态的。这意味着每次交互，例如按下按钮或移动滑块，都会导致整个脚本重新运行。那么，我们为什么要使用 Streamlit 呢？因为它提供了机制。其中一个机制是 st.session_state。它允许值在交互之间持久存在。它有助于避免重新计算相同的数据。

缓存是另一项功能。Streamlit 使用缓存机制。目的是优化性能。缓存昂贵操作的结果是其功能。这些操作可能是从数据库加载数据。或者一项操作可能是运行重型机器学习模型。那么，它做了什么？通过缓存这些操作的结果，应用程序可以避免在每次用户交互时重新运行计算。

主题和自定义

Streamlit 允许主题化和自定义。开发人员能够个性化他们的应用程序。这包括自定义颜色方案、字体和其他元素。使用的是配置文件 (`config.toml`)。

Streamlit 提供自己的模板。其功能主要面向用户。然而，人们也可以生成自己的模板并使用暗色或亮色主题。这可以用来匹配其应用程序的特定要求。

文件处理

文件上传和处理在数据驱动的应用程序中很常见。Streamlit 允许用户上传文件。这是使用文件上传器控件完成的。可以对这些文件进行服务器端处理。开发人员可以控制文件格式和类型。

部署

当您对应用程序满意后，就可以部署它了。Streamlit 提供了帮助。其云平台 Streamlit Cloud 非常有用。通过它，部署变得容易。您可以将应用程序推送到 GitHub。将存储库链接到 Streamlit Cloud。部署您的应用程序所需的工作量最少。

对于喜欢其他平台的人，Streamlit 也可以提供帮助。Streamlit 应用程序可以在 Heroku 等平台上部署。它们可以迁移到 AWS 或 Google Cloud。可以使用常见的部署模式。Python Web 应用程序可以使用这些模式进行部署。

Streamlit Python 的一些用例

Streamlit 非常适合特定用途：

1. 机器学习原型设计： Streamlit 非常适合为机器学习模型创建交互式界面。它们使非技术利益相关者能够与模型进行交互。并测试输出。
2. 数据仪表板： Streamlit 可以构建实时仪表板。这些仪表板是交互式的。它们有助于可视化和分析数据。
3. 探索性数据分析 (EDA)： Streamlit 提供了一种有效的数据探索方法。它有助于可视化趋势。并获得洞察。使用 Streamlit 时无需外部工具。
4. 自动化和监控： Streamlit 非常适合创建内部工具。这些工具可以自动化任务。它们可以跟踪指标或监控 KPI。在这些应用中尤其有用。

结论

Streamlit 在各种应用中展现了其多功能性。该程序将复杂的数据和机器学习模型转换为简单的 Web 应用程序。通过这样做，它普及了数据科学的访问。并为许多行业提供了宝贵的工具。如果您想创建仪表板、自动化任务或构建交互式可视化，Streamlit 是您的理想选择。它是一个直观高效的平台。它将帮助您实现目标。