今天要介紹這個神器，可以說是 pywebio 的 Plus + Pro + Max 版，原諒我的詞窮，但它真的非常的強。
正常在學習一個新框架之前， 肯定要先調研下這個框架究竟能做些什么事吧？

但對于 streamlit 來說，請你相信我，這是一個你可以無腦去學習的框架，我之所以這么說，是因為我相信終有一天，你一定能用得上它。

Streamlit 是一個用于機器學習、數據可視化的 Python 框架，它能幾行代碼就構建出一個精美的在線 app 應用。

它能做什么，取決于你想干什么？

streamlit 的功能強大，要學習的函數雖然多，但非常容易上手，學習成本卻遠比 前端+Flask 來得低得低。接下來，我會一一介紹。

# 1. 如何安裝？

和安裝其他包一樣，安裝 streamlit 非常簡單，一條命令即可

? pip install streamlit

考慮到 streamlit 會附帶安裝比較多的工具依賴包，為了不污染當前的主要環境，我使用 venv 新建一個虛擬環境。

? python3 -m venv .

然后使用如下命令進入該虛擬環境

? source ./venv/bin/activate

接下來，再安裝 streamlit ，命令在上邊。

安裝的包比較多（數了下竟然接近 92 個？），過程也會很久，需要點耐心

? pip list | wc -l
      92

在安裝過程中，可能會遇到一些問題，但也不一定，這取決于你的機器，如遇到問題請自行借助搜索引擎解決。

# 2. 入門示例

Streamlit 提供了一些入門示例，執行如下命令即可

? streamlit hello

執行后 streamlit 會自動打開瀏覽器加載一個本地頁面 http://localhost:8501/

這里面有很多的 demo，你可以看一下，這些 Demo 還有對應的配套代碼

這些代碼直接拷貝保存，就可以在本地直接通過如下命令直接運行

? streamlit run st-demo.py

# 2. Markdown 文本

導入 streamlit 后，就可以直接使用 st.markdown() 初始化，調用不同的方法，就可以往文檔對象中填入內容

• st.title()：文章大標題
• st.header()：一級標題
• st.subheader()：二級標題
• st.text()：文本
• st.code()：代碼，同時可設置代碼的語言，顯示的時候會高亮
• st.latex()：latex 公式
• st.caption()：小字體文本

如下我自己寫的一個小 Demo，供你參考

import streamlit as st

# markdown
st.markdown('Streamlit Demo')

# 設置網頁標題
st.title('一個傻瓜式構建可視化 web的 Python 神器 -- streamlit')

# 展示一級標題
st.header('1. 安裝')

st.text('和安裝其他包一樣，安裝 streamlit 非常簡單，一條命令即可')
code1 = '''pip3 install streamlit'''
st.code(code1, language='bash')


# 展示一級標題
st.header('2. 使用')

# 展示二級標題
st.subheader('2.1 生成 Markdown 文檔')

# 純文本
st.text('導入 streamlit 后，就可以直接使用 st.markdown() 初始化')

# 展示代碼，有高亮效果
code2 = '''import streamlit as st
st.markdown('Streamlit Demo')'''
st.code(code2, language='python')

Streamlit 運行的方式 與普通的腳本 有所不同，應該使用 streamlit run st-demo.py

運行后就會自動打開瀏覽器加載這個頁面，如果沒有自動打開，也可以手動拷貝上圖中的鏈接打開訪問。

是不是有點那個味了？就這，還只是開胃菜～

# 3. 數據圖表支持

3.1 圖表組件

關于數據的展示，streamlit 由兩個組件進行支持

• table：普通的表格，用于靜態數據的展示
• dataframe：高級的表格，可以進行數據的操作，比如排序

Table 的示例

df = pd.DataFrame(
    np.random.randn(10, 5),
    columns=('第%d列' % (i+1) for i in range(5))
)

st.table(df)

效果如下

Datafram 的示例

df = pd.DataFrame(
    np.random.randn(10, 5),
    columns=('第%d列' % (i+1) for i in range(5))
)

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

效果如下，可以看到在圖示外，有個向下的小箭頭，你點一下，就會進行排序

除此之外，你還能看到我對最大值進行了高亮顯示，原因是我傳入的參數是 df.style.highlight_max(axis=0)

其實還有 n 多種樣式，比如：

• highlight_null：空值高亮
• highlight_min：最小值高亮
• highlight_max：最大值高亮
• highlight_between：某區間內的值高亮
• highlight_quantile：暫沒用過

這些你都可以在源代碼中找到示例

3.2 監控組件

在采集到一些監控數據后，若你需要做一個監控面板， streamlit 也為你提供的 metric 組件

如下代碼創建 三個指標，并且填入對應的數據

col1, col2, col3 = st.columns(3)
col1.metric("Temperature", "70 °F", "1.2 °F")
col2.metric("Wind", "9 mph", "-8%")
col3.metric("Humidity", "86%", "4%")

刷新頁面，就能看到下面的效果

3.3 原生圖表組件

Streamlit 原生支持多種圖表：

• st.line_chart：折線圖
• st.area_chart：面積圖
• st.bar_chart：柱狀圖
• st.map：地圖

下面一一展示

折線圖

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

st.line_chart(chart_data)

面積圖

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

st.area_chart(chart_data)

柱狀圖

chart_data = pd.DataFrame(
    np.random.randn(50, 3),
    columns = ["a", "b", "c"])
st.bar_chart(chart_data)

地圖

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

3.4 外部圖表組件

Streamlit 的一些原生圖表組件，雖然做到了傻瓜式，但僅能輸入數據、高度和寬度，如果你想更漂亮的圖表，就像 matplotlib.pyplot、Altair、vega-lite、Plotly、Bokeh、PyDeck、Graphviz 那樣，streamlit 也提供了支持：

• st.pyplot
• st.bokeh_chart
• st.altair_chart
• st.altair_chart
• st.vega_lite_chart
• st.plotly_chart
• st.pydeck_chart
• st.graphviz_chart

對于這部分，熟悉的同學自行嘗試了，這里不再演示。

# 4. 用戶操作支持

前面 streamlit 都只是展示文本和數據，如果僅是如此，那 streamlit 也就 just so so

對于那些不會前端，并且平時有需要寫一些簡單的頁面的人說，能寫一些交互界面才是硬需求。

慶幸的是，你平時在網頁上、app 上能看到的交互組件，Streamlit 幾乎都能支持。。

• button：按鈕
• download_button：文件下載
• file_uploader：文件上傳
• checkbox：復選框
• radio：單選框
• selectbox：下拉單選框
• multiselect：下拉多選框
• slider：滑動條
• select_slider：選擇條
• text_input：文本輸入框
• text_area：文本展示框
• number_input：數字輸入框，支持加減按鈕
• date_input：日期選擇框
• time_input：時間選擇框
• color_picker：顏色選擇器

這些內容非常多，也比較簡單，一個一個舉例也沒必要，大家直接去看 streamlit 源碼里的注釋即可。

# 5. 多媒體組件

想要在頁面上播放圖片、音頻和視頻，可以使用 streamlit 的這三個組件：

• st.image
• st.audio
• st.video

# 6. 狀態組件

狀態組件用來向用戶展示當前程序的運行狀態，包括：

• progress：進度條，如游戲加載進度
• spinner：等待提示
• balloons：頁面底部飄氣球，表示祝賀
• error：顯示錯誤信息
• warning：顯示報警信息
• info：顯示常規信息
• success：顯示成功信息
• exception：顯示異常信息（代碼錯誤棧）

效果如下：

img

# 7. 頁面布局

Streamlit 是自上而下渲染的，組件在頁面上的排列順序與代碼的執行順序一致。

一個精美的 web app ，只有上下單欄式的布局肯定是不夠的。

實際上 streamlit 還提供了多種多樣的布局：

st.sidebar：側邊欄

側邊欄可以做一些用戶操作控件

st.columns：列容器，處在同一個 columns 內組件，按照從左至右順序展示

st.expander：隱藏信息，點擊后可展開展示詳細內容，如：展示更多

st.container：包含多組件的容器

st.empty：包含單組件的容器

# 8. 流程控制系統

Streamlit 是自上而下逐步渲染出來的，若你的應用場景需要對渲染做一些控制，streamlit 也有提供對應的方法

• st.stop：可以讓 Streamlit 應用停止而不向下執行，如：驗證碼通過后，再向下運行展示后續內容。
• st.form：表單，Streamlit 在某個組件有交互后就會重新執行頁面程序，而有時候需要等一組組件都完成交互后再刷新（如：登錄填用戶名和密碼），這時候就需要將這些組件添加到 form 中
• st.form_submit_button：在 form 中使用，提交表單。

# 9. 緩存特性提升速度

當用戶在頁面上做一些操作的時候，比如輸入數據，都會觸發整個 streamlit 應用代碼的重新執行，如果其中有讀取外部數據的步驟（數 GB 的數據），那這種性能損耗是非常可怕的。

但 streamlit 提供了一個緩存裝飾器，當要重新執行代碼渲染頁面的時候，就會先去緩存里查一下，如果代碼或者數據沒有發生變化，就直接調用緩存的結果即可。

使用方法也簡單，在需要緩存的函數加上 @st.cache 裝飾器即可。

DATE_COLUMN = 'date/time'
DATA_URL = ('https://s3-us-west-2.amazonaws.com/'
            'streamlit-demo-data/uber-raw-data-sep14.csv.gz')

@st.cache
def load_data(nrows):
    data = pd.read_csv(DATA_URL, nrows=nrows)
    lowercase = lambda x: str(x).lower()
    data.rename(lowercase, axis='columns', inplace=True)
    data[DATE_COLUMN] = pd.to_datetime(data[DATE_COLUMN])
    return data

# 10. 部署上線

在本地編寫的 streamlit 應用，運行起來后只能在本地訪問。

如果需要讓別人也能訪問這個應用，那你需要有一臺服務器，這樣才能通過公網ip進行訪問

如果你需要服務器，可以點 這個鏈接 領個卷有優惠。

另外，還有一個選擇，就是使用 Heroku （https://heroku.com）部署你的應用。

Heroku是一個支持多種編程語言的云平臺即服務，你只要注冊一個帳號（聽說網易和 QQ 郵箱不行，我使用的 Gmail 注冊的）

然后創建自己的 app

這個 App 名字好像是要全網唯一，本想取個 hello-streamlit 的，發現早有人取過了。

然后為你的應用，創建幾個 Heroku 規定的文件

• requirements.txt：依賴包文件
• setup.sh：安裝腳本，主要是創建文件夾，寫入配置文件
• Procfile：啟動腳本，告訴 Heroku 如何安裝并啟動應用

這些文件的編碼有固定的格式，我這邊編寫好了一份模板下載地址 https://www.lanzout.com/ikMWkxqktgj

拿到了這份模板后，你就可以基于這份模板創建你的 git 倉庫

git init
git add --all
git commit -m "init"

然后部署到 Heroku

heroku login
heroku create
git push heroku master
heroku ps:scale web=1

按照命令行輸出的URL就可以訪問你的應用了。

查看Heroku日志：

heroku logs --tail

要想使用自己域名，需要先通過Heroku驗證。然后運行：

heroku domains:add hivecnstats.iswbm.com

使用 Heroku 唯一的缺點就是 Heroku 是需要梯子的，一般人訪問不了，沒條件的還是乖乖的備臺服務器吧。

# 12. 總結一下

Streamlit 一個開箱即用的工具集，它可以讓一個普通的個人開發者免于學習繁雜的前端知識，就可以輕松、快速的構建一個簡潔、優雅的 web app 應用，這是 streamlit 最吸引人的地方。

對于從事數據分析，機器學習領域的人來說，它絕對是開發神器，但即使你不是這些領域的人，你肯定也會有搭建一個 web app 需求的時候，streamlit 正是你需要的。

這篇文章從前天晚上開始寫，一直到今天才完成，雖然花的時候比較長，但 streamlit 它值得。