Streamlit — это библиотека Python с открытым исходным кодом, которая позволяет легко создавать красивые, настраиваемые веб-приложения для машинного обучения и анализа данных. В этом посте мы расскажем, как начать использовать Streamlit для создания простого приложения для обработки данных на Python.
Что такое Стримлит?
Streamlit позволяет за считанные минуты превратить скрипты Python в веб-приложения без необходимости знания JavaScript или HTML. Некоторые ключевые особенности Streamlit включают в себя:
- 🐍 Создано для приложений с данными Python — Streamlit «из коробки» понимает структуры данных Python, такие как Pandas DataFrames и графики matplotlib. Нет необходимости конвертировать данные в JSON или изменять форму API.
- ⚡️ Сверхбыстрая итерация — приложения Streamlit автоматически перезапускаются при изменении кода. Нет необходимости перезапускать сервер или обновлять браузер.
- 🎨 Собственные строительные блоки пользовательского интерфейса. Streamlit имеет простые API-интерфейсы для общих элементов пользовательского интерфейса, таких как текст, таблицы, диаграммы, виджеты и т. д. CSS не требуется.
- 🤝 Работает с любой библиотекой Python. Используйте все ваши любимые библиотеки данных Python, такие как scikit-learn, Keras, PyTorch, SymPy и другие.
- 🎯 Возможность развертывания где угодно. Приложения Streamlit можно развертывать на любой облачной платформе или докер-контейнере. Нет необходимости настраивать сложный бэкэнд.
Создание вашего первого приложения Streamlit
Давайте создадим простое приложение для изучения некоторых данных о погоде с помощью Streamlit. Мы будем использовать образец набора погодных данных с ежедневными данными о температуре для нескольких городов.
Сначала установите Streamlit с помощью pip:
pip install streamlit
Затем создайте файл Python с именем weather_app.py и импортируйте Streamlit:
import streamlit as st import pandas as pd import numpy as np
Далее мы загрузим наши данные о погоде в формате CSV в DataFrame Pandas:
weather_df = pd.read_csv('weather_data.csv')
Теперь мы можем начать создавать приложение. Мы будем использовать компоненты Streamlit, такие как st.header, чтобы добавить текстовые заголовки, st.line_chart для диаграммы данных и st.selectbox для выбора городов:
st.header('Weather Data Explorer')
city = st.selectbox('Select a City', weather_df['city'].unique())
city_df = weather_df[weather_df['city'] == city]
st.line_chart(city_df['temperature'])
Наконец, мы запускаем приложение Streamlit из командной строки:
streamlit run weather_app.py
Вот и все! 🎉 Streamlit запустит веб-сервер, и мы сможем взаимодействовать с приложением данных о погоде из браузера. Мы можем выбрать разные города, и Streamlit перезапустит приложение, чтобы отобразить обновленные данные.
Заключение
Streamlit позволяет невероятно быстро и просто создавать красивые приложения для работы с данными на Python. Устраняя большую часть сложностей внешнего интерфейса, Streamlit позволяет вам сосредоточиться на данных и машинном обучении, одновременно легко делясь своей работой через веб-приложения. Угадайте, что вы также можете создать своего собственного чат-бота, используя всего несколько строк кода, используя Streamlit.
Чтобы узнать больше, обязательно загляните в Документацию Streamlit и Галерею приложений сообщества. Также имеется множество полезных руководств и видеороликов по созданию приложений Streamlit.
Дайте мне знать, если у вас есть еще вопросы! Я рад помочь объяснить что-либо более подробно.
👇 Чтобы узнать больше:
X (Twitter): https://twitter.com/fareedcodes
