Streamlit:快速构建可视化网页(数据科学必备)

很多算法工程师在完成数据分析、模型训练或者项目总结的时候,往往只能通过ppt汇报,添加数据图表、截图模型实验结果等。如果想提供一个前端演示demo,通常可以搭建flask服务,但是flask需要学习很多前端知识,如css、html等,这又是一个深之又深的坑。那有没有什么工具能够跳过这些模块,直接提供一个可用的前端页面呢?答案是肯定的,今天给大家推荐一个轻量化、简单好用、快速上手的streamlit。

1 streamlit

1.1 什么是streamlit?

streamlit 是2019年开源的python库,在GitHub上已经超过了17k的stars了。AI算法工程师利用streamlit可以快速构建机器学习应用和高级数据分析可视化的用户界面。更多内容和介绍可以参考streamlit的官方帮助文档

1.2 快速上手

pip安装

pip install streamlit

安装好以后,执行如下命令,可以运行内置演示界面hello

streamlit hello

如果你想停止运行,可以随时在命令行里使用Ctrl+C终止应用。

然后可以创建自己的python脚本app.py

import streamlit as st
st.title("Streamlit Demo")
st.write("Hello Word!")

在python脚本的目录下,在终端中启动服务。

streamlit run app.py

执行后会在8501端口启动服务,如果启动成功则显示如下URL。

启动截图

本地浏览器打开该URL,则为刚刚创建的前端页面

前端页面

1.3复杂功能

1.3.1支持markdown语法

可以把平时写markdown的习惯保留下来,用到前端页面排版上去。

st.markdown("""
## 代码片段
import streamlit as st
import pandas as pd
import numpy as np
data = pd.DataFrame(np.random.randn(20,3), columns=['line1', 'line2', 'line3'])
st.line_chart(data)
""")

前端输出结果:

markdown示例

1.3.2 数据展示

import streamlit as st
import pandas as pd
import numpy as np
data = pd.DataFrame(np.random.randn(20,3), columns=['line1', 'line2', 'line3'])
st.write(data.head(10))

前端输出结果:

表格示例图

1.3.3 自带画图

import streamlit as st
import pandas as pd
import numpy as np
data = pd.DataFrame(np.random.randn(20,3), columns=['line1', 'line2', 'line3'])
st.line_chart(data)

前端输出结果:

画图示例

streamlit支持的所有图类型如下:

  • 折线图 line_chart
  • 条形图 bar_chart
  • 面积图 area_chart

1.3.4 Matplotlib

matplotlib大家应该不陌生,这是python常用的画图工具。streamlit也支持该画图结果的展示。

import streamlit as st
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
data = pd.DataFrame(np.random.randn(20,3), columns=['line1', 'line2', 'line3'])

st.title("matplotlib")
st.subheader("histogram")
fig_mp, ax_mpl = plt.subplots()
ax_mp = plt.hist(data)
plt.xlabel("x")
plt.ylabel("y")
st.pyplot(fig_mp)

前端输出结果:

matplotlib示意图

1.3.5 Plotly

import streamlit as st
import numpy as np
import pandas as pd
data = pd.DataFrame(np.random.randn(20,3), columns=['line1', 'line2', 'line3'])
import plotly.express as px

st.title("plotly")
st.subheader("histogram")
fig = px.histogram(data)
st.plotly_chart(fig)

前端输出结果:

plotly示意图

2 总结

本文主要介绍了一种适合AI工程师们开箱即用的开源前端展示工具——streamlit。介绍了streamlit的安装、运行和几种图表。

3 参考文献

posted @   larkwins  阅读(348)  评论(0编辑  收藏  举报
相关博文:
阅读排行:
· DeepSeek “源神”启动!「GitHub 热点速览」
· 我与微信审核的“相爱相杀”看个人小程序副业
· 微软正式发布.NET 10 Preview 1:开启下一代开发框架新篇章
· C# 集成 DeepSeek 模型实现 AI 私有化(本地部署与 API 调用教程)
· spring官宣接入deepseek,真的太香了~
点击右上角即可分享
微信分享提示