rust的学习笔记

电气化、自动化、数字化、智能化、智慧化

0%

用Python开发web应用——Streamlit框架解析:1 -- 上手

简介

Streamlit是一个开源Python库,其旨在为机器学习和数据科学领域简单快速地创建和分享美观的、定制化的web应用。使用Streamlit,用户仅仅几分钟即可创建和部署强大的数据应用。
截几张范例的界面图:
gallery1
g2
g3

安装

使用pip安装:

1
pip install streamlit

测试一下:

1
streamlit hello

此时浏览器会打开http://localhost:8501/,然后出现streamlit关于动画、动态绘图、地图、pandas绘图的四个demo。

核心概念

运行方式

1
streamlit run your_script.py [-- script args]

另外一种运行方式是通过Python模块运行(这对于使用IDE如pycharm有用):

1
2
3
4
5
# Running
$ python -m streamlit your_script.py

# is equivalent to:
$ streamlit run your_script.py

开启开发模式

在开发阶段,最好是开启“开发模式”,这样只要保存代码后,Streamlit就能重新运行app。这会极大地提高开发效率。
开启方式是在右上角选择“Always rerun”。

展示数据

使用“魔法”

魔法magic和st.write()可以用来展示很多数据类型,比如text、data、matplotlib图表、Altair图表。直接将这些数据传给st.write()或者magic即可,Streamlit可以自动识别。
这里魔法magic的意思是不用在代码里调用Streamlit的任何方法就可以直接展示数据,原因是当Streamlit看到在一行中只有一个变量名时,就会自动在这里加上st.write()
比如下面代码:

1
2
3
4
5
6
7
8
9
10
11
12
13
"""
# My first app
Here's our first attempt at using data to create a table:
"""

import streamlit as st
import pandas as pd
df = pd.DataFrame({
'first column': [1, 2, 3, 4],
'second column': [10, 20, 30, 40]
})

df

它跟下面的代码效果是一样的:
1
2
3
4
5
6
7
import streamlit as st
import pandas as pd

st.write(pd.DataFrame({
'first column': [1, 2, 3, 4],
'second column': [10, 20, 30, 40]
}))

展示data frame

前面说了,st.write()或magic几乎能展示所有数据,但也有其他的与具体数据相关的函数,如st.dataframe()st.table()等。
这里可能有一个问题:“为什么我不能全用st.write()呢”,原因如下:
(1)st.write()或magic能自动渲染数据,但有时你可能想用另外一种方式渲染。比如,如果你不想将dataframe数据渲染成一种可交互的表格,此时就需要使用st.table(df)将它渲染成静态表格;
(2)其他方法返回的对象可以被使用和修改,比如在上面增加数据或替换数据;
(3)对于其他方法,可以传递更多的参数来定制化行为。
比如下面的例子使用Pandas的styler来高亮化某些元素:

1
2
3
4
5
6
7
8
9
import streamlit as st
import numpy as np
import pandas as pd

dataframe = pd.DataFrame(
np.random.randn(10, 20),
columns=('col %d' % i for i in range(20)))

st.dataframe(dataframe.style.highlight_max(axis=0))

以及静态图表:
1
2
3
4
5
6
7
8
import streamlit as st
import numpy as np
import pandas as pd

dataframe = pd.DataFrame(
np.random.randn(10, 20),
columns=('col %d' % i for i in range(20)))
st.table(dataframe)

展示charts和maps

Streamlit支持很多流行的绘图库,如Matplotlib、Altair、deck.gl、plotly等等。一些demo见这里
折线图举例:

1
2
3
4
5
6
7
8
9
import streamlit as st
import numpy as np
import pandas as pd

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

st.line_chart(chart_data)

地图举例:
1
2
3
4
5
6
7
8
9
import streamlit as st
import numpy as np
import pandas as pd

map_data = pd.DataFrame(
np.random.randn(1000, 2) / [50, 50] + [37.76, -122.4],
columns=['lat', 'lon'])

st.map(map_data)

部件

当想要探索得到的数据或模型时,可以使用部件进行调节,比如滑块st.slider()、按钮st.button、下拉列表st.selectbox
使用方法也很简单,就像将这些部件视作变量。

滑块

常用来调节数值:

1
2
3
import streamlit as st
x = st.slider('x') # 👈 this is a widget
st.write(x, 'squared is', x * x)

复选框

常用来显示或关闭数据。

1
2
3
4
5
6
7
8
9
10
import streamlit as st
import numpy as np
import pandas as pd

if st.checkbox('Show dataframe'):
chart_data = pd.DataFrame(
np.random.randn(20, 3),
columns=['a', 'b', 'c'])

chart_data

下拉列表

常用来选择数据

1
2
3
4
5
6
7
8
9
10
11
12
13
import streamlit as st
import pandas as pd

df = pd.DataFrame({
'first column': [1, 2, 3, 4],
'second column': [10, 20, 30, 40]
})

option = st.selectbox(
'Which number do you like best?',
df['first column'])

'You selected: ', option

部件的key

如果对某一部件附加了一个独特的key,那么,部件的值可以通过key来获取,比如:

1
2
3
4
5
import streamlit as st
st.text_input("Your name", key="name")

# You can access the value at any point with:
st.session_state.name

有key的部件会被自动添加到Session State中,从而可以在部件间传递数据。
详情查看这里

进度条

当一个app需要运行很长时间时,可以添加进度条部件st.progress()来显示进度。进度条不能添加key。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
import streamlit as st
import time

'Starting a long computation...'

# Add a placeholder
latest_iteration = st.empty()
bar = st.progress(0)

for i in range(100):
# Update the progress bar with each iteration.
latest_iteration.text(f'Iteration {i+1}')
bar.progress(i + 1)
time.sleep(0.1)

'...and now we\'re done!'

布局

Streamlit提供了一个左侧侧边栏st.sidebar来组织上面的部件。每一个传给该侧边栏的元素都被“钉”到左边,这样用户就能专注于自己的app内容上。
比如使用st.sidebar.slider替代st.slider

1
2
3
4
5
6
7
8
9
10
11
12
13
import streamlit as st

# Add a selectbox to the sidebar:
add_selectbox = st.sidebar.selectbox(
'How would you like to be contacted?',
('Email', 'Home phone', 'Mobile phone')
)

# Add a slider to the sidebar:
add_slider = st.sidebar.slider(
'Select a range of values',
0.0, 100.0, (25.0, 75.0)
)

columns和expander

除了侧边栏,Streamlit还提供了其他控制布局的方式,如st.columns可以一列一列地排放部件,st.expander可以将大片的内容隐藏或展开。

1
2
3
4
5
6
7
8
9
10
11
12
import streamlit as st

left_column, right_column = st.columns(2)
# You can use a column just like st.sidebar:
left_column.button('Press me!')

# Or even better, call Streamlit functions inside a "with" block:
with right_column:
chosen = st.radio(
'Sorting hat',
("Gryffindor", "Ravenclaw", "Hufflepuff", "Slytherin"))
st.write(f"You are in {chosen} house!")

主题

Streamlit默认支持Light和Dark两种主题。可以通过Settings进行设置。也可以自定义主题。

缓存

当从web上加载数据、操作大型数据集以及进行大规模计算时,对状态的缓存就非常重要,Streamlit缓存使得这些情况下app仍然快速执行。
Streamlit提供了一些缓存方案,如@st.cache@st.experimental_memo@st.experimental_singleton
具体的用法可以参考这里
@st.cache为例,当指定需要使用缓存时,就用这个装饰器包装一下函数:

1
2
3
4
5
6
import streamlit as st

@st.cache # 👈 This function will be cached
def my_slow_function(arg1, arg2):
# Do something really slow in here!
return the_output

这个装饰器告诉Streamlit,当该函数被调用时,它需要检查如下东西:
(1)该函数的输入参数;
(2)在函数内用到的任意外部变量;
(3)函数体;
(4)在该函数体内用到的其他函数体。
如果是Streamlit看到是这四个部分都是第一次以这些数值及其组合顺序运行,那么它就运行函数,然后将结果存储在局部缓存中。然后,当该缓存的函数下一次被调用时,如果上述四部分都没有改变,那么Streamlit就会跳过执行,而将上一次缓存的结果返回。

运行机理

知道了上面的零碎的知识,总结一下整体的运行机理:
(1)Streamlit的apps是从上到下执行的Python脚本;
(2)每次当一个用户打开浏览器,访问你的app后,上述脚本就会重新执行;
(3)当脚本执行时,Streamlit在浏览器渲染它的输出;
(4)脚本使用Streamlit缓存来避免重复执行昂贵的运算,所以结果更新会非常快;
(5)每次当用户与部件进行交互时,脚本就会重新运行,部件的返回值也会更新为最新状态。

上手总结

以上就是最基本的Streamlit用法,总体来看,确实极大地降低了开发web app的难度,可以使用原生python语法来做这件事是太香了。