一、介绍
Streamlit 是一个开源 Python 框架，供数据科学家和 AI/ML 工程师使用几行代码交付动态数据应用程序。在几分钟内构建和部署功能强大的数据应用程序。（具体使用教程可查看官方文档：Streamlit documentation）
1 1. 简化开发流程 2 无代码界面：Streamlit允许开发人员使用简单的Python代码即可创建复杂的Web应用程序，无需编写HTML、CSS或JavaScript。 3 快速开发：通过减少样板代码的使用，Streamlit使得创建数据驱动的应用变得前所未有的简单。 4 5 2. 高度交互性 6 实时交互：Streamlit应用程序能够响应用户的输入并立即更新，提供无缝的用户体验。 7 丰富的控件：Streamlit提供了一系列内置的控件，如按钮、选择框、滑块等，使得用户可以与应用进行互动。 8 9 3. 数据可视化 10 支持多种数据可视化库：Streamlit直接支持多种数据可视化库，如Matplotlib、Plotly和Altair，允许在应用中无缝集成丰富的图表和视觉化元素。 11 动态展示数据：用户可以在Streamlit应用中简单地可视化数据并实时呈现在应用中。 12 13 4. 易于部署 14 简单的部署流程：使用一个简单的命令即可将Streamlit应用程序部署到Heroku、AWS等云平台，使团队和客户能够轻松访问。 15 16 5. 可扩展性 17 处理大型数据集和复杂逻辑：Streamlit应用程序可以轻松扩展以处理大型数据集和复杂逻辑。 18 尽管Streamlit具有上述优势，但它也存在一些局限性，如有限的自定义能力、对于处理大量数据或复杂逻辑的应用程序可能会出现性能问题，以及在移动设备上的支持有限等。
二、安装
1 pip install streamlit
检测是否安装成功
三、运行脚本测验
1 # 导入Streamlit库 2 import streamlit as st 3 4 # 添加标题 5 st.title('我的第一个Streamlit应用') 6 7 # 添加文本 8 st.write('这是一个简单的Streamlit应用示例。') 9 10 # 添加滑块 11 age = st.slider('你的年龄是多少？', 0, 100, 25) 12 st.write(f'你的年龄是: {age}') 13 14 # 添加按钮 15 if st.button('点击我'): 16 st.write('按钮被点击了！')
=========================================================================
==========================================================================
==========================================================================
下面我们就学习一些简单功能吧！！！！！！！！
1 Streamlit 提供了一系列常用组件，用于构建交互式应用程序。以下是常见的 Streamlit 组件： 2 3 st.write(): 用于在应用程序中显示文本、数据框架、图表等内容。 4 5 st.title(): 添加应用程序的标题。 6 7 st.header() 和 st.subheader(): 添加标题和子标题。 8 9 st.text(): 显示纯文本。 10 11 st.markdown(): 使用 Markdown 语法添加格式化文本。 12 13 st.image(): 显示图像。 14 15 st.pyplot(): 显示 Matplotlib 图表。 16 17 st.altair_chart(): 显示 Altair 图表。 18 19 st.dataframe(): 显示数据框。 20 21 st.table(): 显示表格。 22 23 st.selectbox(): 显示下拉框，用户可以从选项中进行选择。 24 25 st.multiselect(): 显示多选框，用户可以从选项中进行多选。 26 27 st.slider(): 显示滑块，用户可以调整数值。 28 29 st.text_input(): 显示文本输入框，用户可以输入文本。 30 31 st.number_input(): 显示数字输入框，用户可以输入数字。 32 33 st.text_area(): 显示多行文本输入框。 34 35 st.checkbox(): 显示复选框，用户可以勾选或取消勾选。 36 37 st.radio(): 显示单选按钮，用户可以从选项中进行单选。 38 39 st.button(): 显示按钮，用户可以点击执行相关操作。 40 41 st.file_uploader(): 显示文件上传器，用户可以上传文件。 42 43 st.date_input() 和 st.time_input(): 显示日期和时间输入框。 44 45 st.color_picker(): 显示颜色选择器，用户可以选择颜色。 46 47 st.spinner(): 显示加载状态的旋转器。 48 ————————————————
折线面积图：area_chart
柱状图：bar_chart
柱形面积图：pyplot
散点图：altair_chart
三维柱状图：pydeck_chart
二维散点地图：map
错误：error
警告：warning
通知：info
成功：success
异常：exception
四、添加交互组件__text_input__selectbox__file_uploader
4.1数据处理与展示
1 import streamlit as st 2 import pandas as pd 3 import numpy as np 4 5 # 创建一个简单的数据框 6 df = pd.DataFrame({ 7 '第一列': np.random.randn(10), 8 '第二列': np.random.rand(10) 9 }) 10 ''' 11 这部分创建了一个pandas的DataFrame对象，命名为df。 12 其中包含两列数据，'第一列'是通过np.random.randn(10)生成的 10 个服从标准正态分布的随机数； 13 '第二列'是通过np.random.rand(10)生成的 10 个在 [0,1) 区间均匀分布的随机数 14 ''' 15 16 # 在Streamlit应用中展示数据框 17 st.write("这是一个数据框的示例：") 18 st.write(df) 19 20 # 创建一个折线图 21 st.line_chart(df)
4.2行列布局：columns
4.3标签界面：tabs
标签界面有点类似于Android里面的Fragment，相当于做了一个局部的界面切换
4.4展示代码块：code
4.5下载按钮：download_button
这个是一个特殊按钮，用户点击之后可以下载文件。
下载DataFrame为CSV文件：
1 import streamlit as st 2 3 @st.cache 4 def convert_df(df): 5 # IMPORTANT: Cache the conversion to prevent computation on every rerun 6 return df.to_csv().encode('utf-8') 7 8 csv = convert_df(my_large_df) 9 10 st.download_button( 11 label="Download data as CSV", 12 data=csv, 13 file_name='large_df.csv', 14 mime='text/csv', 15 )
4.6布局和容器：Layouts and containers
侧边栏：sidebar
4.7状态元素：Status elements
进度条：progress
1 import streamlit as st 2 import time 3 4 progress_text = "Operation in progress. Please wait." 5 my_bar = st.progress(0, text=progress_text) 6 7 for percent_complete in range(100): 8 time.sleep(0.1) 9 my_bar.progress(percent_complete + 1, text=progress_text)
4.8加载圈：spinner
1 import time 2 import streamlit as st 3 4 with st.spinner('Wait for it...'): 5 time.sleep(5) 6 st.success('Done!')
！！！！！！！！！！！！！！！！！！！
！！！！！！！！！！！！！！！！！！！！！
我们看个有意思的动态图吧，没有任何代码意义，只是觉得它好玩，但是我老是截不到图，你们可以自己试试哦
气球：balloon
1 import streamlit as st 2 3 st.balloons()
4.9控制流：Control flow
停止运行：stop
代码运行到st.stop的时候停止，类似于debug中的断点。 可以适用于判断用户输入的场景：
4.10表单：form
这里的表单自带一个提交按钮，其它按钮不能添加到表单内部。
1 import streamlit as st 2 3 with st.form("my_form"): 4 st.write("Inside the form") 5 slider_val = st.slider("Form slider") 6 checkbox_val = st.checkbox("Form checkbox") 7 8 # Every form must have a submit button. 9 submitted = st.form_submit_button("Submit") 10 if submitted: 11 st.write("slider", slider_val, "checkbox", checkbox_val) 12 13 st.write("Outside the form")
五、高级组件
在 Streamlit 中，除了 st.cache 之外，还有一些其他的缓存相关组件，如 st.cache_data 和 st.cache_resource，它们分别用于缓存数据和资源，以下是它们的介绍：
1 st.cache_data: 2 3 st.cache_data 用于缓存数据，通常用于将数据加载到内存中，并在应用程序的多个部分之间共享。这对于那些频繁访问的数据，例如配置文件、数据集等非常有用。 4 使用方法与 st.cache 类似，我们可以将需要缓存的数据加载函数与 @st.cache_data 装饰器一起使用。 5 与 st.cache 不同，st.cache_data 并不会保存函数的输入参数，它只会缓存函数的输出结果。因此，如果数据的加载方式不依赖于函数的输入参数，则可以使用 st.cache_data 来缓存数据。 6 7 8 st.cache_resource: 9 10 st.cache_resource 用于缓存外部资源，例如文件、图像、音频等，通常用于减少重复的网络请求或文件读取操作。 11 我们可以使用 @st.cache_resource 装饰器来缓存资源加载函数，这样在多次访问同一资源时，Streamlit 将会从缓存中加载，而不是重新加载资源。 12 与 st.cache 和 st.cache_data 类似，st.cache_resource 也可以接受参数，用于根据不同的参数值缓存不同的资源。 13 这些缓存组件提供了不同的功能，可以根据具体的需求选择合适的缓存方式。通过合理地使用缓存，可以显著提高 Streamlit 应用程序的性能和响应速度，同时减少资源消耗。
