Python + Steamlit 快速开发可视化 web 页面！_streamlit编写登录界面

用Python做web图形用户界面，最先想到的是Flask、Djong等框架。然而研究这些对于初学者来讲，尤其是没有web开发基础的数据分析人员是痛苦的。

 

幸运的是，Python中也有很多第三方库来快速进行简单的web可视化，例如之前介绍的 PyWebIO

今天再介绍一个 Steamlit，可以快速利用简单的代码快速布局自己想要的web界面！

一、安装与运行

安装之前，我们需要将 Python 的版本升级到3.7或以上，同时设置好环境变量，这里默认读者都已经设置好不细讲。

在 Windows 或 macOS 中都可以使用pip进行安装

pip install streamlit

在终端输出完毕后，可以执行streamlit hello来检验，如果出现新的网页界面，则说明安装成功。

并且之后利用Streamlit写的程序，需要通过运行streamlit run {你的py文件}来实现。

二、常用命令

接下来我们来了解 Streamlit 的一些常用命令。首先引入相关库

import streamlit as st
import numpy as np
import pandas as pd
import time

构建 MLweb 的标识题目，可以利用st.title()函数创建一个标题。

st.title('我的第一个MLweb')

保存这个py文件，命名为test.py，利用我们第一部分讲解如何运行代码，在命令窗口输入streamlit run test.py。

注意，这里直接用 streamlit 是已经调好了环境变量，如果不想调的，打开 streamlit 的源程序文件，将streamlit的exe文件调用即可。

正常运行下会弹出一个 localhost网页，效果如下

输入文字

如果需要输入文字，可以用st.text_input()函数

构建MLWeb表格

机器学习里面我们必须要做的是查看数据的类型，维度等具体特征。比如我们总是用到df.head()，那么在MLweb里面怎么实现？

有几个方法：st.table()，st.dataframe()，st.write()。

其中st.write()是常见的表格函数，st.write()被称为streamlit库的瑞士军刀，图像、文本、表格都可以用它来实现，至于三者有什么区别呢？

• st.write()：交互式表格，不可修改

• st.table()：静态表格

• st.dataframe()：返回一个可以使用和修改的对象，可以向其中添加数据或替换数据.

代码如下

st.write("尝试运用dataframe弄一个表格")
df = pd.DataFrame({
    '第一列':[1,2,3,4],
    '第二列':['a','b','c','d']})
st.table(df)
st.write("尝试运用dataframe弄一个表格---write函数")
st.write(pd.DataFrame({
    'first column': [1, 2, 3, 4],
    'second column': [10, 20, 30, 40]
}))

效果如图：

利用write函数则效果如下

可视化

机器学习挖掘数据的过程中可视化同样占据了举足轻重的地位，这里我们构使用st.line_chart()函数

chart_data = pd.DataFrame(
     np.random.randn(20, 3),
     columns=['a', 'b', 'c'])
 
st.line_chart(chart_data)

效果如下：

可以看到，streamlit给了我们方便的功能：下载或查看我们构建的图片，你甚至可以查看图片的源代码！

地图

streamlit里面有一个它时常拿来当门面的图，就是旧金山的地图，你或许利用Flask在创建地图，读取坐标点，个性化地图，显示在web端这些步骤花费大量时间。

而在这里，你进需要提供你的坐标点构成的数据框，并用st.map()函数即可，这里用广东广州的坐标点(不太精准哈)来画图

代码如下：

map_data = pd.DataFrame(
    np.random.randn(1000, 2) / [50, 50] + [23.26, 113.57],  #N,W
    columns=['lat', 'lon'])
st.map(map_data)

效果图如下

实战

最后我们来实现一个简单股票查询系统。基本想法如下

输入：用户写入股票代码，起始时间，结束时间。

输出：股票交易数据表，股票ma线可视化。

首先引入包

import streamlit as st
import pandas as pd
import numpy as np
import tushare as ts

接下来设置标题与可写入文本,这里的文本是在web端输入的，用到st.text_input()函数

st.title('股票查询系统')
code = st.text_input('你的股票名称：',help = 'code：股票代码，即6位数字代码，或者指数代码（sh=上证指数 sz=深圳成指 hs300=沪深300指数 sz50=上证50 zxb=中小板 cyb=创业板）')
start_time = st.text_input('起始时间：')
stop_time = st.text_input('结束时间：')

注意：这里的日期时间默认以年-月-日格式输入，同时在股票名称旁边加入一个辅助帮助说明。

现在进行股票名称获取，我们用tushare库作为股票交易数据获取，注意需要tushare的pro接口的api才能通过股票代码获取股票公司名称

def get_name(stoke_code):
    pro=ts.pro_api()
    dat = pro.query('stock_basic', fields='symbol,name')                
    company_name = list(dat.loc[dat['symbol'] == stoke_code].name)[0] 
    return company_name

接着对股票交易数据显示，用到st.dataframe()函数来让用户更直观的看到获取的交易数据

data = ts.get_hist_data('{}'.format(code),start = '{}'.format(start_time),
                 end = '{}'.format(stop_time))
st.write('股票代码为{}的交易数据表'.format(code))
st.dataframe(data)

最后可视化ma短线长线

if code != '':
    data1 = data[['close','ma5','ma10']]
    st.line_chart(data1)
else:
    pass

MACD治标是大家常看的指标，那么我们将ma5和ma10在图标上显示，并画上收盘价，读者可以自行验证MACD的黄金或死亡交叉！最终效果见下方视频