安装：pip install streamlit
查看是否安装成功：streamlit hello
如果安装报错：AttributeError: module ‘google.protobuf.descriptor‘ has no attribute ‘_internal_create_key‘ 则升级protobuf即可。 pip install --upgrade protobuf

3、查看本地构建的web应用程序

step1:streamlit run ****.py
step2:浏览器中访问本地URL：localhost:8501

4、重要的插件

文本输入


import streamlit as st
url = st.text_input('Enter URL')
st.write('The Entered URL is', url)

滑块


import streamlit as st
x = st.slider('x')
st.write(x, 'squared is', x * x)

复选框

隐藏或显示/隐藏程序中的特定区域，或者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("sample_submission.csv")
 
if st.checkbox('Show dataframe'):
 
st.write(df)

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("sample_submission.csv")
 
option = st.selectbox('Which Club do you like best?',df['ID'].unique())
 
'You selected: ', option

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("sample_submission.csv")
 
options = st.multiselect('What are your favorite clubs?', df['ID'].unique())
 
st.write('You selected:', options)

缓存

在Streamlit中通过st.cache装饰器函数实现缓存功能。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。


import streamlit as st
import pandas as pd
import numpy as np
import plotly_express as px
df = st.cache(pd.read_csv)("sample_submission.csv")
 
 
@st.cache
def complex_func(a,b):
    complex_func(a,b)

侧边栏

把插件移动到侧边栏内，比如像Rshiny仪表盘，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
 
 
@st.cache
def complex_func(a,b):
    complex_func(a,b)
 
df = st.cache(pd.read_csv)("sample_submission .csv")
 
clubs = st.sidebar.multiselect('Show Player for clubs?', df['ID'].unique())
 
nationalities = st.sidebar.multiselect('Show Player from Nationalities?', df['CLASS'].unique())
 
new_df = df[(df['ID'].isin(clubs)) & (df['CLASS'].isin(nationalities))]
 
st.write(new_df)
 
fig = px.scatter(new_df, x ='ID',y='CLASS',color='ID')
 
st.plotly_chart(fig)

Markdown标记语言

在Streamlit程序中应用Markdown，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
 
df = st.cache(pd.read_csv)("sample_submission.csv")
clubs = st.sidebar.multiselect('Show Player for clubs?', df['ID'].unique())
 
nationalities = st.sidebar.multiselect('Show Player from Nationalities?',         df['CLASS'].unique())
 
new_df = df[(df['ID'].isin(clubs)) & (df['CLASS'].isin(nationalities))]
 
st.write(new_df)
 
fig = px.scatter(new_df, x ='ID',y='CLASS',color='ID')
 
st.plotly_chart(fig)

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/我家小花儿/article/detail/175086