Streamlit制作交互式可视化网页应用

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 ————————————————

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)

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。