Streamlit 基础入门

Streamlit 简介

Streamlit 是一个开源 Python 框架，用于快速构建和分享数据应用。

特点

无需前端知识，纯 Python 编写
自动实时更新
丰富的组件库
易于部署和分享

适用场景

数据可视化
机器学习模型演示
数据分析工具
自动化报告

安装和配置

安装

# 使用 pip 安装
pip install streamlit

# 验证安装
streamlit --version

# 运行示例应用
streamlit hello

创建第一个应用

# 创建 Python 文件
echo 'import streamlit as st\nst.write("Hello, Streamlit!")' > app.py

# 运行应用
streamlit run app.py

# 在浏览器中打开
# http://localhost:8501

基础组件

文本显示

import streamlit as st

# 标题
st.title("我的应用标题")
st.header("二级标题")
st.subheader("三级标题")

# 文本
st.text("普通文本")
st.markdown("**Markdown** 文本")
st.write("智能文本，支持多种数据类型")

# 代码
st.code("""
import streamlit as st
st.write("Hello")
""", language='python')

# Latex 公式
st.latex(r"e^{i\pi} + 1 = 0")

数据展示

import pandas as pd
import numpy as np

# DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})
st.dataframe(df)

# 静态表格
st.table(df)

# 静态数据
st.json({"name": "John", "age": 30})

# 指标
st.metric("Total", "100", "+10%")
st.metric("Average", "50", "-5%")

图表

import streamlit as st
import matplotlib.pyplot as plt
import numpy as np

# 折线图
x = np.linspace(0, 10, 100)
y = np.sin(x)
st.line_chart(y)

# 面积图
st.area_chart(y)

# 柱状图
st.bar_chart(y)

# Matplotlib 图表
fig, ax = plt.subplots()
ax.plot(x, y)
st.pyplot(fig)

输入组件

基本输入

import streamlit as st

# 文本输入
name = st.text_input("输入你的名字")
st.write(f"你好, {name}!")

# 文本区域
text = st.text_area("输入多行文本")
st.write(text)

# 数字输入
age = st.number_input("输入年龄", min_value=0, max_value=120)
st.write(f"年龄: {age}")

# 日期输入
date = st.date_input("选择日期")
st.write(date)

# 时间输入
time = st.time_input("选择时间")
st.write(time)

选择组件

# 下拉选择
option = st.selectbox(
    "选择你喜欢的语言",
    ["Python", "JavaScript", "Java"]
)
st.write(f"你选择了: {option}")

# 多选
languages = st.multiselect(
    "选择你掌握的语言",
    ["Python", "JavaScript", "Java", "Go"]
)
st.write(languages)

# 单选框
color = st.radio(
    "选择颜色",
    ("红色", "绿色", "蓝色")
)
st.write(f"你选择了: {color}")

# 复选框
agree = st.checkbox("我同意条款")
if agree:
    st.write("感谢同意!")

滑块和按钮

# 滑块
value = st.slider("选择数值", 0, 100, 50)
st.write(f"数值: {value}")

# 范围滑块
range_values = st.slider("选择范围", 0, 100, (25, 75))
st.write(f"范围: {range_values}")

# 按钮
if st.button("点击我"):
    st.write("按钮被点击了!")

# 下载按钮
st.download_button(
    label="下载文件",
    data="文件内容",
    file_name="example.txt",
    mime="text/plain"
)

文件操作

文件上传

import streamlit as st

# 上传单个文件
uploaded_file = st.file_uploader("上传文件", type=['csv', 'txt'])
if uploaded_file is not None:
    # 读取文件
    if uploaded_file.type == "text/csv":
        df = pd.read_csv(uploaded_file)
        st.dataframe(df)
    else:
        text = uploaded_file.getvalue().decode("utf-8")
        st.text(text)

# 上传多个文件
files = st.file_uploader("上传多个文件", accept_multiple_files=True)
for file in files:
    st.write(f"文件名: {file.name}")

下载文件

import streamlit as st
import pandas as pd

df = pd.DataFrame({"A": [1, 2], "B": [3, 4]})

# 下载 CSV
csv = df.to_csv(index=False).encode('utf-8')
st.download_button(
    label="下载 CSV",
    data=csv,
    file_name='data.csv',
    mime='text/csv'
)

布局

侧边栏

import streamlit as st

# 添加侧边栏
st.sidebar.title("侧边栏")
st.sidebar.write("这里是侧边栏内容")

# 侧边栏输入
option = st.sidebar.selectbox("选择页面", ["主页", "关于", "联系"])
st.sidebar.write(f"当前页面: {option}")

# 根据选择显示内容
if option == "主页":
    st.title("欢迎来到主页")
elif option == "关于":
    st.title("关于我们")
elif option == "联系":
    st.title("联系我们")

分栏

import streamlit as st

# 创建两列
col1, col2 = st.columns(2)

with col1:
    st.header("第一列")
    st.write("这里是第一列的内容")

with col2:
    st.header("第二列")
    st.write("这里是第二列的内容")

# 创建不等宽列
col1, col2, col3 = st.columns([3, 1, 1])

标签页

import streamlit as st

tab1, tab2, tab3 = st.tabs(["数据", "图表", "设置"])

with tab1:
    st.title("数据")
    st.write("这里是数据内容")

with tab2:
    st.title("图表")
    st.write("这里是图表内容")

with tab3:
    st.title("设置")
    st.write("这里是设置内容")

进阶功能

缓存

import streamlit as st
import pandas as pd
import time

@st.cache_data
def load_data():
    time.sleep(2)  # 模拟耗时操作
    return pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})

data = load_data()
st.dataframe(data)

@st.cache_resource
def load_model():
    # 加载机器学习模型
    return model

model = load_model()

会话状态

import streamlit as st

# 初始化会话状态
if "counter" not in st.session_state:
    st.session_state.counter = 0

# 使用会话状态
if st.button("增加计数"):
    st.session_state.counter += 1

st.write(f"计数: {st.session_state.counter}")

# 保存表单状态
if "form_key" not in st.session_state:
    st.session_state.form_key = ""

form = st.form("my_form")
input_text = form.text_input("输入文本")
submitted = form.form_submit_button("提交")
if submitted:
    st.session_state.form_key = input_text
    st.write(f"已保存: {st.session_state.form_key}")

进度条

import streamlit as st
import time

# 进度条
progress_bar = st.progress(0)
for i in range(100):
    progress_bar.progress(i + 1)
    time.sleep(0.01)

# 文本进度
status_text = st.empty()
for i in range(100):
    status_text.text(f"进度: {i}%")
    time.sleep(0.1)

# 旋转器
with st.spinner("正在处理..."):
    time.sleep(2)
st.success("完成!")

简单应用示例

数据分析仪表板

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

st.title("数据分析仪表板")

# 加载示例数据
@st.cache_data
def load_data():
    return pd.DataFrame({
        '产品': ['A', 'B', 'C', 'D'],
        '销售': [100, 150, 120, 180],
        '成本': [80, 120, 100, 150]
    })

df = load_data()

# 显示数据
st.subheader("原始数据")
st.dataframe(df)

# 计算利润
df['利润'] = df['销售'] - df['成本']
st.subheader("利润分析")
st.dataframe(df)

# 图表
st.subheader("销售图表")
st.bar_chart(df.set_index('产品')['销售'])

# 统计
st.subheader("统计信息")
st.metric("总销售额", df['销售'].sum())
st.metric("总利润", df['利润'].sum())

机器学习演示

import streamlit as st
from sklearn.datasets import load_iris
from sklearn.ensemble import RandomForestClassifier

st.title("鸢尾花分类器")

# 加载数据
iris = load_iris()
X, y = iris.data, iris.target

# 侧边栏
st.sidebar.title("参数设置")
n_estimators = st.sidebar.slider("树的数量", 10, 100, 50)
max_depth = st.sidebar.slider("最大深度", 1, 10, 5)

# 训练模型
@st.cache_resource
def train_model(n_estimators, max_depth):
    model = RandomForestClassifier(
        n_estimators=n_estimators,
        max_depth=max_depth
    )
    model.fit(X, y)
    return model

model = train_model(n_estimators, max_depth)

# 预测界面
st.subheader("预测新样本")
sepal_length = st.number_input("花萼长度", 4.0, 8.0, 5.1)
sepal_width = st.number_input("花萼宽度", 2.0, 4.5, 3.5)
petal_length = st.number_input("花瓣长度", 1.0, 7.0, 1.4)
petal_width = st.number_input("花瓣宽度", 0.1, 2.5, 0.2)

# 预测
if st.button("预测"):
    prediction = model.predict([[
        sepal_length, sepal_width, petal_length, petal_width
    ]])[0]
    species = iris.target_names[prediction]
    st.success(f"预测结果: {species}")

部署

本地部署

# 运行应用
streamlit run app.py

# 指定端口
streamlit run app.py --server.port 8080

# 允许外部访问
streamlit run app.py --server.address 0.0.0.0

Streamlit Cloud 部署

# 1. 将代码推送到 GitHub
git init
git add .
git commit -m "Initial commit"
git branch -M main
git remote add origin https://github.com/yourusername/yourapp.git
git push -u origin main

# 2. 访问 Streamlit Cloud
# https://share.streamlit.io

# 3. 连接 GitHub 仓库并部署

Docker 部署

# Dockerfile
FROM python:3.9-slim

WORKDIR /app

COPY requirements.txt .
RUN pip install -r requirements.txt

COPY . .

EXPOSE 8501

CMD ["streamlit", "run", "app.py", "--server.address=0.0.0.0"]

# 构建镜像
docker build -t streamlit-app .

# 运行容器
docker run -p 8501:8501 streamlit-app

最佳实践

1. 代码组织

# main.py
import streamlit as st
from modules import data_loader, visualization

st.title("我的应用")
data = data_loader.load()
visualization.display(data)

2. 性能优化

# 使用缓存
@st.cache_data
def expensive_function():
    # 耗时操作
    pass

# 减少重新渲染
st.form("my_form")

3. 用户体验

# 添加说明
st.info("请按照步骤操作")

# 处理错误
try:
    # 你的代码
except Exception as e:
    st.error(f"发生错误: {e}")

常用组件速查

组件	用途
`st.title()`	主标题
`st.header()`	二级标题
`st.write()`	智能文本
`st.dataframe()`	数据表格
`st.line_chart()`	折线图
`st.text_input()`	文本输入
`st.selectbox()`	下拉选择
`st.button()`	按钮
`st.sidebar()`	侧边栏
`st.columns()`	分栏
`st.tabs()`	标签页
`st.cache_data()`	数据缓存
`st.session_state`	会话状态

总结

Streamlit 是构建数据应用的强大工具，主要优势：

简单快速: 纯 Python，无需前端知识
实时更新: 代码修改立即生效
丰富组件: 满足各种需求
易于部署: 一键部署到云端

开始使用 Streamlit，快速构建你的数据应用！

分享

Streamlit 简介

特点

适用场景

安装和配置

安装

创建第一个应用

基础组件

文本显示

数据展示

图表

输入组件

基本输入

选择组件

滑块和按钮

文件操作

文件上传

下载文件

布局

侧边栏

分栏

标签页

进阶功能

缓存

会话状态

进度条

简单应用示例

数据分析仪表板

机器学习演示

部署

本地部署

Streamlit Cloud 部署

Docker 部署

最佳实践

1. 代码组织

2. 性能优化

3. 用户体验

常用组件速查

总结

评论