大家好,又见面了,我是你们的朋友全栈君。
python现在已经成为很多程序员关注的编程语言之一,很多程序员也都开始弄python编程,并且很多时候都会用自己的操作来选择,而现在不管是程序员还是少儿编程,都会有python这门课,今天就和大家分享一下。
安装
安装步骤跟运行指令一样简单:
pip install streamlit
查看是否安装成功时只需运行:
streamlit hello
屏幕上应该显示的是:
可以在浏览器中访问本地URL:localhost:8501,来查看执行中的Streamlit应用程序。开发人员那里也有许多很棒的样本可供尝试。
Streamlit“你好,世界”
Streamlit旨在通过简单的Python代码实现简单的程序开发。
那就设计一款简单的应用程序,看看它是否真的像它说的那样。
从Streamlit的名为“hello,world”的程序入手,这个程序并不复杂。只需要复制粘贴下面这个代码到“helloworld.py”的文件夹中即可。
import streamlit as st
x=st.slider(‘x’)
st.write(x,’squared is’,x*x)
然后到最后运行阶段时:
streamlit run helloworld.py
看吧,浏览器连接到localhost:8501,就可以看到执行中的程序,滑动鼠标就可以得到结果。
简单的滑块插件应用程序
操作非常简单。在构建上图应用程序时,用到了Streamlit的两个特性:
st.slider插件——滑动改变Web应用程序的输出内容。
以及通用的st.write指令。笔者对于它能从图标、数据框和简单的文本中编写任何东西感到惊讶。后面会有详细介绍。
敲黑板:大家要记住每次改变插件值时,整个应用程序都会由上至下运行。
Streamlit插件
插件提供了控制应用程序的方法,阅读了解插件的最佳选择就是API参考文档,不过笔者这里也会讲解一些插件,它们都是用户在操作后期会用的最主要的插件。
1.滑块
streamlit.slider(label,min_value=None,max_value=None,value=None,step=None,format=None)
在上文已经目睹了st.slider的执行过程,它可以结合min_value、max_value使用,用于进一步得到一定范围内的输入内容。
2.文本输入
获取用户输入最简单的方式是输入URL或一些用于分析情绪的文本内容,需要的只是一个用来命名文本框的标签。
import streamlit as st
url=st.text_input(‘Enter URL’)
st.write(‘The Entered URL is’,url)
看到的程序将是这样:
简单的text_input widget程序
贴士:可以只改变helloworld.py文件然后刷新页面。笔者的做法是打开该文件然后在文本编辑器中改动,再一点一点查看变动的地方。
3.复选框
复选框的一个功能就是隐藏或显示/隐藏程序中的特定区域,另一个用途是设置函数的布尔参数值。st.checkbox()需要一个参数,即插件标签。在该应用程序中,复选框会用来切换条件语句。
import streamlit as st
import pandas as pd
import numpy as np
df=pd.read_csv(“football_data.csv”)
if st.checkbox(‘Show dataframe’):
st.write(df)
简单的复选框插件应用程序
4.下拉框插件
通过st.selectbox可以在一系列选项或列表中进行选择。常见的用法是将其作为下拉项然后从名单中挑选值。
import streamlit as st
import pandas as pd
import numpy as np
df=pd.read_csv(“football_data.csv”)option=st.selectbox(
’Which Club do you like best?’,
df[‘Club’].unique())
’You selected:’,option
简单的下拉框/复选框插件程序
5.多选插件
也可以用下拉框内的多个值。这里讲的是使用st.multiselect在变量选选中获取多个值作为列表。
import streamlit as st
import pandas as pd
import numpy as np
df=pd.read_csv(“football_data.csv”)
options=st.multiselect(
’What are your favorite clubs?’,df[‘Club’].unique())
st.write(‘You selected:’,options)
简单的下拉框插件应用程序
一步步创建应用程序
重要插件了解的也差不多了,现在马上要用多个插件创建应用程序。
从简单的步骤入门,尝试使用Streamlit对足球数据进行可视化。有了上面那些插件,这个步骤执行起来会容易很多。
import streamlit as st
import pandas as pd
import numpy as np
df=pd.read_csv(“football_data.csv”)
clubs=st.multiselect(‘Show Player for clubs?’,df[‘Club’].unique())
nationalities=st.multiselect(‘Show Player from Nationalities?’,df[‘Nationality’].unique())
#Filter dataframe
new_df=df[(df[‘Club’].isin(clubs))&(df[‘Nationality’].isin(nationalities))]
#write dataframe to screen
st.write(new_df)
简单的应用程序会是这样的:
同时使用多个插件
这一点也不难,但目前看起来似乎太基础了。是否可以考虑加入一些图表呢?
Streamlit当前支持许多用于绘图的库,其中就有Plotly,Bokeh,Matplotlib,Altair和Vega图表。Plotly Express也可以,只不过没有详细说明。也存在一些内嵌式图表,相当于Streamlit“自带”的,比如st.line_chart和st.area_chart.
此时会用到plotly_express,下面是设计程序会用到的代码。该过程只会调用Streamlit四次。剩下的都是一些简单的Python代码操作。
import streamlit as st
import pandas as pd
import numpy as np
import plotly_express as px
df=pd.read_csv(“football_data.csv”)
clubs=st.multiselect(‘Show Player for clubs?’,df[‘Club’].unique())
nationalities=st.multiselect(‘Show Player from Nationalities?’,df[‘Nationality’].unique())new_df=df[(df[‘Club’].isin(clubs))&(df[‘Nationality’].isin(nationalities))]
st.write(new_df)
#create figure using plotly express
fig=px.scatter(new_df,x=’Overall’,y=’Age’,color=’Name’)
#Plot!
st.plotly_chart(fig)
添加图表
改进
在本文一开始有提到插件每次发生变动时,整个应用程序就会由上至下地运行。其实并不可行,因为创建的应用程序会保留下深度学习模型或复杂的机器学习模型。接下来在讲Streamlit的缓存时会向读者阐释这一点。
1.缓存
在这个简单的程序里,但凡值有所变动时,数据科学家们就会反复浏览数据框。它比较适用于用户手中的小规模数据,至于大规模或需要进行很多步处理的数据,它是不予理睬的。接下来在Streamlit中通过st.cache装饰器函数体验缓存的功能吧。
import streamlit as st
import pandas as pd
import numpy as np
import plotly_express as px
df=st.cache(pd.read_csv)(“football_data.csv”)
或者是复杂一些、时间耗费久一些的函数,只需要运行一次,此时可以用:
st.cache
def complex_func(a,b):
DO SOMETHING COMPLEX
#Won’t run again and again.
complex_func(a,b)
用Streamlit的缓存装饰器标记函数时,无论这个函数是否执行,都会检查输入的参数值(由该函数处理的)。
如果Streamlit之前没有处理过这些数据,它会调用函数并将运算结果存到本地缓存中。
下次再调用函数时,倘若还是这些参数,Streamlit就会完全跳过这一块的函数执行,直接用缓存器里的结果数据。
2.侧边栏
为了根据个人的倾向需求使界面更加简洁,用户可能会想着把插件移动到侧边栏内,比如像Rshiny仪表盘。这非常简单,只需在插件代码中添加st.sidebar即可。
import streamlit as st
import pandas as pd
import numpy as np
import plotly_express as px
df=st.cache(pd.read_csv)(“football_data.csv”)
clubs=st.sidebar.multiselect(‘Show Player for clubs?’,df[‘Club’].unique())
nationalities=st.sidebar.multiselect(‘Show Player from Nationalities?’,df[‘Nationality’].unique())
new_df=df[(df[‘Club’].isin(clubs))&(df[‘Nationality’].isin(nationalities))]
st.write(new_df)
#Create distplot with custom bin_size
fig=px.scatter(new_df,x=’Overall’,y=’Age’,color=’Name’)
#Plot!
st.plotly_chart(fig)
将插件移动到侧边栏内
3.Markdown标记语言可以吗?
笔者特别喜欢在Markdown里编辑文字,因为发现相比HTML,它少了那些繁琐的操作,而且更能胜任数据科学的任务。所以读者也能在Streamlit程序中应用Markdown吗?
答案是可以。而且是有迹可循的。在笔者看来,最合适的就是调用Magic指令。通过该指令,用户做标记语言就会像写评论一样简单。用户也可以使用指令st.markdown。
import streamlit as st
import pandas as pd
import numpy as np
import plotly_express as px”’
#Club and Nationality App
This very simple webapp allows you to select and visualize players from certain clubs and certain nationalities.
”’
df=st.cache(pd.read_csv)(“football_data.csv”)
clubs=st.sidebar.multiselect(‘Show Player for clubs?’,df[‘Club’].unique())
nationalities=st.sidebar.multiselect(‘Show Player from Nationalities?’,df[‘Nationality’].unique())new_df=df[(df[‘Club’].isin(clubs))&(df[‘Nationality’].isin(nationalities))]
st.write(new_df)
#Create distplot with custom bin_size
fig=px.scatter(new_df,x=’Overall’,y=’Age’,color=’Name’)
”’
###Here is a simple chart between player age and overall
”’
st.plotly_chart(fig)
发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/156092.html原文链接:https://javaforall.cn
【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛
【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...