Streamlit数据应用开发实战

# Streamlit数据应用开发实战

## 什么是Streamlit？

Streamlit是一个Python框架，专为数据科学家和机器学习工程师设计，可以快速构建数据应用、仪表板和AI应用。

## 安装

```bash
pip install streamlit
```

## 快速开始

```python
import streamlit as st

st.title("我的第一个Streamlit应用")
st.write("欢迎使用Streamlit!")

# 运行: streamlit run app.py
```

## 常用组件

### 文本显示

```python
st.title("标题")
st.header("二级标题")
st.subheader("三级标题")
st.markdown("**Markdown文本**")
st.code("print('hello')", language="python")
st.latex(r"E=mc^2")
```

### 输入组件

```python
name = st.text_input("姓名")
age = st.number_input("年龄", min_value=0, max_value=150)
level = st.slider("等级", 1, 100)
option = st.selectbox("选择", ["A", "B", "C"])
file = st.file_uploader("上传文件")
```

### 数据展示

```python
import pandas as pd

df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})
st.dataframe(df)  # 交互式表格
st.table(df)      # 静态表格
st.json({"key": "value"})
```

### 图表

```python
import matplotlib.pyplot as plt
import altair as alt

# Matplotlib
fig, ax = plt.subplots()
ax.plot([1, 2, 3], [1, 4, 9])
st.pyplot(fig)

# Streamlit原生图表
st.line_chart(df)
st.bar_chart(df)
st.area_chart(df)

# Altair
chart = alt.Chart(df).mark_line().encode(x="A", y="B")
st.altair_chart(chart)
```

## 布局

```python
# 列布局
col1, col2 = st.columns(2)
with col1:
    st.write("左侧内容")
with col2:
    st.write("右侧内容")

# 侧边栏
with st.sidebar:
    st.write("侧边栏内容")
    page = st.selectbox("页面", ["首页", "设置"])

# 选项卡
tab1, tab2 = st.tabs(["数据", "图表"])
with tab1:
    st.dataframe(df)
with tab2:
    st.line_chart(df)
```

## 状态管理

```python
# Session State
if "count" not in st.session_state:
    st.session_state.count = 0

if st.button("点击"):
    st.session_state.count += 1

st.write(f"点击次数: {st.session_state.count}")
```

## 缓存优化

```python
@st.cache_data
def load_data():
    return pd.read_csv("large_data.csv")

@st.cache_resource
def load_model():
    return load_heavy_model()
```

## AI聊天应用示例

```python
import streamlit as st
from openai import OpenAI

st.title("🤖 AI聊天助手")

client = OpenAI()

if "messages" not in st.session_state:
    st.session_state.messages = []

for message in st.session_state.messages:
    with st.chat_message(message["role"]):
        st.write(message["content"])

if prompt := st.chat_input("说些什么..."):
    st.session_state.messages.append({"role": "user", "content": prompt})
    with st.chat_message("user"):
        st.write(prompt)
    
    with st.chat_message("assistant"):
        response = client.chat.completions.create(
            model="gpt-3.5-turbo",
            messages=st.session_state.messages,
            stream=True
        )
        full_response = st.write_stream(response)
    
    st.session_state.messages.append({"role": "assistant", "content": full_response})
```

## 部署

Streamlit Cloud免费托管，连接GitHub即可自动部署。

## 总结

Streamlit是构建数据应用和AI Demo的绝佳选择，特别适合需要处理和展示数据的场景。
评论 (0)
