streamlit （python构建web可视化框架）笔记

文章目录

一、安装使用streamlit二、streamlit使用1.展示和数据样式2.`dataframe()`生成交互表和`table()`方法生成静态表3.绘制折线图4.绘制地图5.一些组件`slider()滑动条 checkbox()确认框 selectbox()选择器`6.侧边栏7.布局分列8.多页 三、Steamlit可视化简单应用--冒泡排序可视化

一、安装使用streamlit

pip install streamlit

创建一个python文件 demo.py，使用命令行运行在浏览器上 streamlit run demo.py。

import streamlit as stimport numpy as npimport pandas as pdst.title("This is my first app")st.write("hello")

二、streamlit使用

官方文档 Streamlit documentation
中文文档

可参考博客1-专栏

streamlit提供了基于python的web应用程序框架，以高效灵活的方式可视化数据。主要功能

streamlit对数据可视化渲染，表格、地图、折线图等方法web页面需要的UI 组件、会话、侧边栏、多页展示的用法。缓存数据，更快的加载页面和操作。可用于数据计算、数据库查询、接口调用、运行ML模型。支持渲染 markdown字符串，展示文档。 Markdown 是一种轻量级标记语言，它允许人们使用易读易写的纯文本格式编写文档（提供了标题、段落、列表、代码、图片表格、数学公式等标记）。

1.展示和数据样式

magic方法和write()方法

import streamlit as stimport numpy as npimport pandas as pdst.title("This is my first app")# 有很多方式展示数据 (表格、数组、pandas的表格数据结构），magic方法、st.write()方法# magic方法st.write("magic方法使用")df = pd.DataFrame({    'first column': [1, 2, 3, 4],    'second column': [10, 20, 30, 40]})# pd.DataFrame( data, index, columns, dtype, copy)# data数据,index 行标签，columns列标签 默认为np.arange(n)，dtype 每一列数据类型,copy 能复制数据默认falsedf  # 每当Streamlit在自己的行中看到变量或文字值时，它都会使用st.write（）自动将其写入您的应用程序。# st.write()方法，可以自动渲染 文本、数据、Matplotlib图形、Altair图表等等。st.write("write() 方法使用")st.write(pd.DataFrame({    'first column': [1, 2, 3, 4],    'second column': [10, 20, 30, 40]}))

2.dataframe()生成交互表和table()方法生成静态表

# 其他特定功能函数 st.dataframe() st.table()st.write("dataframe()方法绘制交互式表")dataframe = np.random.randn(5, 3)st.dataframe(dataframe)dataframe = pd.DataFrame(    np.random.randn(10, 8),    columns=('col %d' % i for i in range(8)))  # 这里定义了列号st.dataframe(dataframe.style.highlight_max(axis=0))  # 高亮每列最大值# 默认的dataframe功能太少，st_aggrid 插件功能更多st.write("table()方法绘制静态表")st.table(dataframe.style.highlight_max(axis=0))

3.绘制折线图

st.write("line_chart 方法绘制折线图")chart_data = pd.DataFrame(    np.random.randn(20, 3),    columns=['a', 'b', 'c'])st.line_chart(chart_data)

4.绘制地图

st.write("map()方法绘制地图")map_data = pd.DataFrame(    np.random.randn(100, 2) / [50, 50] + [37.76, -122.4],    columns=['lat', 'lon'])# 生成100个旧金山附近符合正态分布的坐标st.map(map_data)

5.一些组件slider()滑动条 checkbox()确认框 selectbox()选择器

# 组件st.write("slider()、button()、selectbox() 方法绘制组件")x = st.slider('x')  # 👈 this is a widgetst.write(x, 'squared is', x * x)st.text_input("Your name", key="name")# 任何带键的组件会自动的加载到会话状态中st.session_state.name  # name是# 确认框st.write("checkbox() 方法绘制确定框")if st.checkbox('Show dataframe'):    chart_data = pd.DataFrame(        np.random.randn(20, 3),        columns=['a', 'b', 'c'])    chart_datadf = pd.DataFrame({    'first column': [1, 2, 3, 4],    'second column': [10, 20, 30, 40]})option = st.selectbox(    'Which number do you like best?',    df['second column'])'You selected: ', option

6.侧边栏

# 添加侧边栏组件--选择器add_selectbox = st.sidebar.selectbox(    'How would you like to be contacted?',    ('Email', 'Home phone', 'Mobile phone'))# 添加侧边栏组件滑动条add_slider = st.sidebar.slider(    'Select a range of values',    0.0, 100.0, (25.0, 75.0))

7.布局分列

st.write("多列")col1, col2, col3 = st.columns(3)  # 分三列 col1,col2,col3with col1:    st.header("A cat")    st.image("https://static.streamlit.io/examples/cat.jpg")with col2:    st.header("A dog")    st.image("https://static.streamlit.io/examples/dog.jpg")with col3:    st.header(test1.getData())    st.image("https://static.streamlit.io/examples/owl.jpg")

8.多页

定义三个python页面main_page.py，新文件夹一定取名字为pages 子文件 page2.py、page3.py

# main_page.py内容import streamlit as stst.markdown("# Main page 🎈")st.sidebar.markdown("# Main page 🎈")# page2.py内容import streamlit as stst.markdown("# Page 2 ❄️")st.sidebar.markdown("# Page 2 ❄️")# page3.py内容import streamlit as stst.markdown("# Page 3 🎉")st.sidebar.markdown("# Page 3 🎉")

三、Steamlit可视化简单应用–冒泡排序可视化

streamlit 可以专门针对机器学习和数据科学开发可视化界面。在使用时可以引用python、sklearn、pytorch、tensorflow、numpy、opencv等库，下面基于streamlit实现了冒泡排序可视化。

详细实现

本文链接：https://www.kjpai.cn/news/2024-03-26/149185.html，文章来源：网络cs，作者：往北，版权归作者所有，如需转载请注明来源和作者，否则将追究法律责任！