无需了解任何Web框架即可轻松地将您的数据科学项目转换为出色的应用程序

如果我们没有很好的方法来展示机器学习项目，那么它永远不会真正完成。

过去，经过精心制作的可视化效果图或小型PPT足以展示数据科学项目，而随着RShiny和Dash等仪表板工具的出现，优秀的数据科学家需要对Web有一定的了解相处的框架。

Web框架很难学习。我仍然对所有的HTML，CSS和Javascript以及所有的点击和试用感到困惑，因为它们看起来很简单。

更不用说做同一件事的许多方法，这使我们对数据开发人员感到困惑，而Web开发是他们的第二技能。

那么，我们注定要学习网络框架吗？还是在半夜打电话给我们的开发人员朋友，以解决愚蠢的疑问？

这是StreamLit出现的地方，它兑现了仅使用Python创建Web应用程序的承诺。

Python之禅：简单胜于复杂，Streamlit使创建应用变得非常简单。

安装

安装就像运行命令一样简单：

pip install streamlit

要查看我们的安装是否成功，我们可以运行：

streamlit hello

这应该显示一个屏幕，显示：

您可以转到本地URL：localhost:8501在浏览器中，查看Streamlit应用程序的运行情况。开发人员提供了一些不错的演示，您可以使用它们。在返回之前，请花点时间并感觉一下工具的功能。

Streamlit Hello World

Streamlit旨在使用简单的Python简化应用程序开发。

因此，让我们编写一个简单的应用程序，看看它是否能够兑现承诺。

在这里，我从一个简单的应用程序开始，我们将其称为streamlit的Hello World。只需将下面给出的代码粘贴到一个名为helloworld.py

import streamlit as stx = st.slider('x')st.write(x, 'squared is', x * x)

并且，在终端上运行：

streamlit run helloworld.py

瞧，您应该能够在浏览器中看到一个运行中的简单应用，该应用localhost:8501可让您移动滑块并给出结果。

一个简单的滑块小部件应用

这很容易。在上面的应用程序中，我们使用了Streamlit的两个功能：

st.slider我们可以滑动以更改Web应用程序输出的小部件。以及通用st.write命令。我惊讶于它如何能够从图表，数据框和简单文本中编写任何内容。稍后对此进行更多讨论。

重要提示：请记住，每次更改窗口小部件的值时，整个应用程序都会从​​上到下运行。

Streamlit Widgets（小部件）

小部件为我们提供了一种控制应用程序的方式。了解这些小部件的最佳位置是API参考文档本身，但我将介绍一些最终可能会用到的最突出的小部件。

1.滑块

streamlit.slider(label, min_value=None, max_value=None, value=None, step=None, format=None)

我们已经st.slider在上面看到了实际操作。它可以与min_value，max_value和step一起使用，以获取一定范围内的输入。

2.文字输入

获取用户输入的最简单方法是一些URL输入或一些用于情感分析的文本输入。它只需要一个标签来命名文本框。

import streamlit as sturl = st.text_input('Enter URL')st.write('The Entered URL is', url)

该应用的外观如下：

一个简单的text_input小部件应用

提示：您可以更改文件helloworld.py并刷新浏览器。我的工作方式是打开并更改helloworld.py高级文字，并在浏览器中并排查看更改。

3.复选框

复选框的一个用例是隐藏或显示/隐藏应用程序中的特定部分。另一个可能是在函数的参数中设置布尔值。st.checkbox()接受一个参数，即小部件标签。在此应用程序中，该复选框用于切换条件语句。

import streamlit as stimport pandas as pdimport numpy as npdf = pd.read_csv("football_data.csv")if st.checkbox('Show dataframe'): st.write(df)

一个简单的复选框小部件应用

4.选择框

我们可以st.selectbox用来从系列或列表中进行选择。通常，用例是将其用作从列表中选择值的简单下拉列表。

import streamlit as stimport pandas as pdimport numpy as npdf = pd.read_csv("football_data.csv")option = st.selectbox( 'Which Club do you like best?', df['Club'].unique())'You selected: ', option

一个简单的下拉/选择框小部件应用

5.多重选择

我们还可以从下拉列表中使用多个值。在这里我们st.multiselect用来获取多个值作为变量列表options

import streamlit as stimport pandas as pdimport numpy as npdf = pd.read_csv("football_data.csv")options = st.multiselect( 'What are your favorite clubs?', df['Club'].unique())st.write('You selected:', options)

一个简单的多选小部件应用

逐步创建我们的简单应用

对于理解重要的小部件来说，就这么多。现在，我们将一次使用多个小部件创建一个简单的应用程序。

首先，我们将尝试使用streamlit可视化我们的足球数据。在上述小部件的帮助下，执行此操作非常简单。

import streamlit as stimport pandas as pdimport numpy as npdf = pd.read_csv("football_data.csv")clubs = st.multiselect('Show Player for clubs?', df['Club'].unique())nationalities = st.multiselect('Show Player from Nationalities?', df['Nationality'].unique())# Filter dataframenew_df = df[(df['Club'].isin(clubs)) & (df['Nationality'].isin(nationalities))]# write dataframe to screenst.write(new_df)

我们的简单应用程序如下所示：

结合使用多个小部件

那很简单。但是现在看来，这很基本。我们可以添加一些图表吗？

Streamlit当前支持许多绘图库。包括Plotly，Bokeh，Matplotlib，Altair和Vega图表。Plotly Express也可以使用，尽管他们没有在文档中指定。它还具有一些Streamlit原生的内置图表类型，例如st.line_chart和st.area_chart。

我们将在plotly_express这里工作。这是我们简单应用程序的代码。我们只使用了四个调用来简化。其余都是简单的python。

import streamlit as stimport pandas as pdimport numpy as npimport plotly_express as pxdf = pd.read_csv("football_data.csv")clubs = st.multiselect('Show Player for clubs?', df['Club'].unique())nationalities = st.multiselect('Show Player from Nationalities?', df['Nationality'].unique())new_df = df[(df['Club'].isin(clubs)) & (df['Nationality'].isin(nationalities))]st.write(new_df)# create figure using plotly expressfig = px.scatter(new_df, x ='Overall',y='Age',color='Name')# Plot!st.plotly_chart(fig)

添加图表

改进措施

首先，我们说过每次更改任何小部件时，整个应用程序都会从​​头到尾运行。当我们创建将用于深度学习模型或复杂机器学习模型的应用程序时，这是不可行的。Streamlit通过介绍Caching在这方面介绍了我们。

1.缓存

在我们简单的应用程序中。每当值更改时，我们就会一次又一次读取pandas数据框。虽然它适用于我们拥有的小数据，但不适用于大数据或当我们必须对数据进行大量处理时。让我们使用st.cache装饰器功能在以下流式处理中使用缓存。

import streamlit as stimport pandas as pdimport numpy as npimport plotly_express as pxdf = st.cache(pd.read_csv)("football_data.csv")

或者，对于仅需运行一次的更复杂且耗时的功能，请使用：

@st.cachedef complex_func(a,b): DO SOMETHING COMPLEX# Won't run again and again.complex_func(a,b)

当我们用Streamlit的缓存装饰器标记一个函数时，只要调用该函数，streamlit就会检查您调用该函数所使用的输入参数。

如果这是Streamlit第一次看到这些参数，它将运行该函数并将结果存储在本地缓存中。

下次调用该函数时，如果这些参数没有更改，则Streamlit知道它可以完全跳过执行该函数。它仅使用缓存中的结果。

2.侧边栏

为了根据您的偏好提供更整洁的外观，您可能希望将小部件移动到侧栏，例如Rshiny仪表板。这很简单。只需添加st.sidebar您的小部件的代码。

import streamlit as stimport pandas as pdimport numpy as npimport plotly_express as pxdf = st.cache(pd.read_csv)("football_data.csv")clubs = st.sidebar.multiselect('Show Player for clubs?', df['Club'].unique())nationalities = st.sidebar.multiselect('Show Player from Nationalities?', df['Nationality'].unique())new_df = df[(df['Club'].isin(clubs)) & (df['Nationality'].isin(nationalities))]st.write(new_df)# Create distplot with custom bin_sizefig = px.scatter(new_df, x ='Overall',y='Age',color='Name')# Plot!st.plotly_chart(fig)

将小部件移到侧边栏

3.Markdown?

我喜欢用Markdown写作。我发现它不如HTML冗长，更适合数据科学工作。那么，我们可以在流线型应用程序中使用Markdown吗？

我们可以。有两种方法可以做到这一点。我认为，最好的方法是使用Magic命令。魔术命令使您可以像注释一样轻松地编写markdown。您也可以使用以下命令st.markdown

import streamlit as stimport pandas as pdimport numpy as npimport plotly_express as px'''# Club and Nationality AppThis very simple webapp allows you to select and visualize players from certain clubs and certain nationalities.'''df = st.cache(pd.read_csv)("football_data.csv")clubs = st.sidebar.multiselect('Show Player for clubs?', df['Club'].unique())nationalities = st.sidebar.multiselect('Show Player from Nationalities?', df['Nationality'].unique())new_df = df[(df['Club'].isin(clubs)) & (df['Nationality'].isin(nationalities))]st.write(new_df)# Create distplot with custom bin_sizefig = px.scatter(new_df, x ='Overall',y='Age',color='Name')'''### Here is a simple chart between player age and overall'''st.plotly_chart(fig)

我们的最终应用演示

结论

Streamlit使创建应用程序的整个过程大众化，我再也推荐不了它。

在本文中，我们创建了一个简单的Web应用程序。但是可能性是无限的。在这里举个例子是流线型网站的GAN面孔。它只是通过使用小部件和缓存的相同指导思想来工作。

我喜欢开发人员使用的默认颜色和样式，并且发现它比使用Dash更加舒适，而Dash直到现在我都在演示中使用。您还可以在流式应用程序中包含音频和视频。

最重要的是，Streamlit是一个免费的开放源代码，而不是一个开箱即用的专有Web应用程序。

过去，如果演示或演示文稿有任何更改，我必须与开发人员朋友联系。现在这样做相对来说是微不足道的。

从现在开始，我打算在我的工作流程中更多地使用它，考虑到它所提供的功能而无需所有的辛苦工作，我想您也应该这样做。

我不知道它是否可以在生产环境中很好地运行，但是对于小型概念验证项目和演示来说，这是一个福音。从现在开始，我打算在我的工作流程中更多地使用它，考虑到它所提供的功能而无需所有的辛苦工作，我想您也应该这样做。

如果希望获得这篇文章的完整代码，可以私信我！