devbox
IT小白
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

Streamlit (python构建web)之基础概念(下)

作者：IT小白 | 2024-08-10 02:34:59

赞

踩

Streamlit (python构建web)之基础概念(下)

目录

1. 前言

2. 数据展示与样式

1.1 使用魔法命令¶

1.2 写入数据帧

1.3 为什么不会一直使用st.write()？

1.4 小例子

1.5 绘制图表和地图¶

1.6 绘制折线图¶

1.7 绘制地图¶

1.8 小部件¶

1.8.1 使用复选框显示/隐藏数据¶

1.8.2 使用下拉选择框进行选项选择¶

1.9 布局¶

 显示进度

 

1. 前言

        为了进一步使用streamlit进行安全开发,通过对streamlit的中文文档进行学习,通过博文对自己学习和过程中的笔记以及遇到的问题进行记录,本篇是对上篇的续篇,是完整篇

        在进行学习之前,因之前常用PyCharm进行python的编写,但是编写此类web应用的时候感觉过于繁琐与不便,因此就用vscode来做替代吧

2. 数据展示与样式

下面是文档中的一些实例,可以快速帮助我们熟悉Streamlit应用的一些基本语法和处理,当然基本上还是一写第三方库的使用,熟悉的话学起来就很简单了      

        在Streamlit应用中，有几种展示数据（如表格、数组、数据帧）的方法。下面将介绍魔法命令（magic）和st.write()，它们可以用来书写从文本到表格的任何内容。之后，我们将探讨专为数据可视化设计的方法。

1.1 使用魔法命令

        你也可以不调用任何Streamlit方法来向应用写入内容。Streamlit支持所谓的“魔法命令”，这意味着你不必使用st.write()。下面的代码段展示了这一点：

下面就是使用了pandas库,进行了创建了表格,其中按照json格式或是叫python中的字典格式也行

  1. """
  2. # 我的第一个应用
  3. 这是我们首次尝试使用数据创建表格：
  4. """
  5.  
  6. import streamlit as st # type: ignore # 
  7. import pandas as pd # type: ignore
  8. df = pd.DataFrame({
  9.   '第一列': [1, 2, 3, 4],
  10.   '第二列': [10, 20, 30, 40]
  11. })
  12.  
  13. df

        每当Streamlit看到一个变量或字面值独立成行时，它就会自动使用st.write()将内容写入你的应用。想了解更多，请参考magic命令的文档。 

1.2 写入数据帧

        除了魔法命令，st.write()是Streamlit的“瑞士军刀”。几乎任何内容都可以传递给st.write()：文本、数据、Matplotlib图形、Altair图表等等。放心，Streamlit会识别并正确渲染这些内容。

代码基本和上面一致,但是是通过st.write()进行写入到web页面的

  1. import streamlit as st
  2. import pandas as pd
  3.  
  4. st.write("这是我们首次尝试使用数据创建表格：")
  5. st.write(pd.DataFrame({
  6.     '第一列': [1, 2, 3, 4],
  7.     '第二列': [10, 20, 30, 40]
  8. }))

​

1.3 为什么不会一直使用st.write()？

有几个原因：

  1. 魔法 和 st.write() 会检查你传递的数据类型，然后决定如何最好地在应用中呈现它。有时你可能想要用另一种方式展示。例如，与其将数据框作为交互式表格绘制，你可能希望通过使用 st.table(df) 将其绘制为静态表格。
  2. 第二个原因是，其他方法返回的对象可以被使用和修改，无论是通过向其添加数据还是替换数据。
  3. 最后，如果你使用了更具体的Streamlit方法，你可以传递额外的参数来自定义它的行为。

1.4 小例子

        创建一个数据框并使用Pandas的Styler对象改变其格式。在这个例子中，使用Numpy第三方库生成随机样本，并使用st.dataframe()方法绘制一个交互式表格。

  其中 np.random.randn(10, 20) 生成了一个包含 10 行和 20 列的二维数组，数组中的数值来自标准正态分布（均值为 0，标准差为 1）。

  1. import streamlit as st # type: ignore # 
  2. import numpy as np # type: ignore # 
  3.  
  4. dataframe = np.random.randn(10, 20)
  5. st.dataframe(dataframe)

​

        让我们基于第一个例子进一步操作，使用Pandas的Styler对象来突出显示交互式表格中的某些元素。 

        其中数据的创建还是使用numpy库的方法进行创建.其中通过columns=('列%d' % i for i in range(20))设置数据框的列名为“列0”到“列19”。  看不懂的话,其中for循环使用的列表推导式,之前我有写过列表推导式的使用,感兴趣的话可以看看,然后就是使用了占位符将列表推导式,也就是每次循环的数据,在每一列进行展示.

        其中dataframe.style.highlight_max(axis=0)是Pandas的一个方法链，用于给数据框添加样式。这里highlight_max函数用于突出显示每一列中的最大值。参数axis=0指定了函数是沿着列的方向（垂直方向）查找最大值。

  1. import streamlit as st
  2. import numpy as np
  3. import pandas as pd
  4.  
  5. dataframe = pd.DataFrame(
  6.     np.random.randn(10, 20),
  7.     columns=('列%d' % i for i in range(20)))
  8.  
  9. st.dataframe(dataframe.style.highlight_max(axis=0))

​

Streamlit还提供了一个生成静态表格的方法：st.table()。

  1. import streamlit as st # type: ignore # 
  2. import numpy as np # type: ignore # 
  3. import pandas as pd # type: ignore # 
  4.  
  5. dataframe = pd.DataFrame(
  6.     np.random.randn(10, 20),
  7.     columns=('列%d' % i for i in range(20)))
  8. st.table(dataframe)

​

1.5 绘制图表和地图

        Streamlit支持多种流行的数据图表库，如Matplotlib、Altair、deck.gl等Matplotlib、Altair、deck.gl等Matplotlib、Altair、deck.gl等。

1.6 绘制折线图

        你可以使用st.line_chart()轻松地向应用中添加折线图。我们将使用Numpy生成随机样本，然后绘制图表。

  1. import streamlit as st # type: ignore # 
  2. import numpy as np # type: ignore # 
  3. import pandas as pd # type: ignore #
  4.  
  5. chart_data = pd.DataFrame(
  6.      np.random.randn(20, 3),
  7.      columns=['A', 'B', 'C'])
  8.  
  9. st.line_chart(chart_data)

                唯一要说的就是,这里是将创建的20行三列的数据转换为A,B,C三条折线了

​

1.7 绘制地图

        通过st.map()，你可以在地图上显示数据点。让我们使用Numpy生成一些样本数据，并在旧金山的地图上绘制它。

这里因为文档中给出代码出现错误,因此我做了一些修改,让其更为逼真一点,用真实数据模拟

  1. import streamlit as st
  2. import numpy as np
  3. import pandas as pd
  4.  
  5. # 使用均匀分布生成随机数，集中在旧金山附近
  6. map_data = pd.DataFrame(
  7.     np.random.uniform([-122.4, 37.76], [122.7, 37.4], [1000, 2]),  # 旧金山附近的经纬度范围
  8.     columns=['LONGITUDE', 'LATITUDE'])  # 使用Streamlit认可的列名
  9.  
  10. # 使用st.map函数展示地图
  11. st.map(map_data)

​

1.8 小部件

        当你将数据或模型调整到想要探索的状态时， 你可以添加诸如st.slider()、st.button()或st.selectbox()这样的小部件。这非常直接——将小部件视为变量处理：

                其实就是上篇中的数据流中所说的,改变输入的数据流,代码会重新运行一次

  1. import streamlit as st
  2. x = st.slider('x 的值')  # 
    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/IT小白/article/detail/956448
    推荐阅读
    相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。