标签：df st 初识 pd import streamlit csv 20201224
目录
1、streamlit是什么
Streamlit是一个开源的Python库，是 机器学习工程师专用的应用程序框架， 第一个专门针对机器学习和数据科学团队的应用开发框架 。 利用Streamlit可以快速构建机器学习应用的用户界面。
2、streamlit安装
-
安装：pip install streamlit
-
查看是否安装成功：streamlit hello
-
如果安装报错：AttributeError: module ‘google.protobuf.descriptor‘ has no attribute ‘_internal_create_key‘ 则升级protobuf即可。 pip install --upgrade protobuf
3、查看本地构建的web应用程序
-
step1:streamlit run ****.py
-
step2:浏览器中访问本地URL：localhost:8501
4、重要的插件
-
文本输入
import streamlit as st
url = st.text_input('Enter URL')
st.write('The Entered URL is', url)-
滑块
import streamlit as st
x = st.slider('x')
st.write(x, 'squared is', x * x)-
复选框
隐藏或显示/隐藏程序中的特定区域，或者设置函数的布尔参数值。st.checkbox() 需要一个参数，即插件标签。在该应用程序中，复选框会用来切换条件语句。
import streamlit as st
import pandas as pd
import numpy as np
df = pd.read_csv("sample_submission.csv")
if st.checkbox('Show dataframe'):
st.write(df)-
下拉框插件
通过st.selectbox可以在一系列选项或列表中进行选择。常见的用法是将其作为下拉项然后从名单中挑选值。
import streamlit as st
import pandas as pd
import numpy as np
df = pd.read_csv("sample_submission.csv")
option = st.selectbox('Which Club do you like best?',df['ID'].unique())
'You selected: ', option-
多选插件
也可以用下拉框内的多个值。这里讲的是使用 st.multiselect在变量选选中获取多个值作为列表。
import streamlit as st
import pandas as pd
import numpy as np
df = pd.read_csv("sample_submission.csv")
options = st.multiselect('What are your favorite clubs?', df['ID'].unique())
st.write('You selected:', options)-
缓存
在Streamlit中通过st.cache装饰器函数实现缓存功能。用Streamlit的缓存装饰器标记函数时，无论这个函数是否执行，都会检查输入的参数值（由该函数处理的）。如果Streamlit之前没有处理过这些数据，它会调用函数并将运算结果存到本地缓存中。下次再调用函数时，倘若还是这些参数，Streamlit就会完全跳过这一块的函数执行，直接用缓存器里的结果数据。
import streamlit as st
import pandas as pd
import numpy as np
import plotly_express as px
df = st.cache(pd.read_csv)("sample_submission.csv")
@st.cache
def complex_func(a,b):
complex_func(a,b)-
侧边栏
把插件移动到侧边栏内，比如像Rshiny仪表盘，只需在插件代码中添加 st.sidebar即可。
import streamlit as st
import pandas as pd
import numpy as np
import plotly_express as px
@st.cache
def complex_func(a,b):
complex_func(a,b)
df = st.cache(pd.read_csv)("sample_submission .csv")
clubs = st.sidebar.multiselect('Show Player for clubs?', df['ID'].unique())
nationalities = st.sidebar.multiselect('Show Player from Nationalities?', df['CLASS'].unique())
new_df = df[(df['ID'].isin(clubs)) & (df['CLASS'].isin(nationalities))]
st.write(new_df)
fig = px.scatter(new_df, x ='ID',y='CLASS',color='ID')
st.plotly_chart(fig)-
Markdown标记语言
在Streamlit程序中应用Markdown，最合适的就是调用Magic指令。通过该指令，用户做标记语言就会像写评论一样简单。用户也可以使用指令st.markdown。
import streamlit as st
import pandas as pd
import numpy as np
import plotly_express as px
df = st.cache(pd.read_csv)("sample_submission.csv")
clubs = st.sidebar.multiselect('Show Player for clubs?', df['ID'].unique())
nationalities = st.sidebar.multiselect('Show Player from Nationalities?', df['CLASS'].unique())
new_df = df[(df['ID'].isin(clubs)) & (df['CLASS'].isin(nationalities))]
st.write(new_df)
fig = px.scatter(new_df, x ='ID',y='CLASS',color='ID')
st.plotly_chart(fig)标签：df,st,初识,pd,import,streamlit,csv,20201224 来源： https://blog.csdn.net/weixin_38192254/article/details/111615034
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。