共同建设网站心得,南昌网站建设南昌吊车出租,谷歌seo2022,网站上放的动画视频是怎么做的一、介绍
Streamlit 是一个用于创建数据应用程序的 Python 库#xff0c;它致力于简化从数据脚本到可部署应用程序的整个过程。通过 Streamlit#xff0c;你可以使用熟悉的 Python 语言创建交互式的、美观的数据应用#xff0c;而无需深入了解前端开发。
二、优势和特点 简…一、介绍
Streamlit 是一个用于创建数据应用程序的 Python 库它致力于简化从数据脚本到可部署应用程序的整个过程。通过 Streamlit你可以使用熟悉的 Python 语言创建交互式的、美观的数据应用而无需深入了解前端开发。
二、优势和特点 简单易用 Streamlit 的设计理念是简单易用。你只需要几行代码就能创建一个交互式应用无需专业的前端知识。 即时反馈 Streamlit 提供即时预览功能你可以在编辑代码时实时查看应用的变化使迭代开发更加高效。 自动化部署 Streamlit 应用可以轻松部署到云上例如使用 Streamlit Sharing、Heroku、AWS、或其他托管服务。 丰富的组件 Streamlit 提供了许多内置的组件如按钮、滑块、文本框等以及用于绘制图表的简化接口。 兼容性 Streamlit 兼容常见的 Python 数据科学库如 Pandas、Matplotlib、Plotly、Altair 等使得数据分析和可视化更加方便。 自定义主题 Streamlit 支持自定义主题使得你可以为你的应用选择合适的颜色和样式。 互动性 Streamlit 提供了简单的方式来实现用户输入的处理使得你可以创建具有响应性的应用。
三、简单演示
3.1 创建py文件
Streamlit需要在命令行页面运行后在本地浏览器进行查看所以相关的代码需要在一个.py文件中进行编写
比如我们创建一个简单的可视化页面创建一个 “数据可视化.py”文件
3.2 导入相关的包
我们做一个最简单的演示所以只用最简单的数据进行展示
import streamlit as st
import numpy as np
import matplotlib.pyplot as pltstreamlit包需要pip install streamlit下载
3.3 生成数据
我们用numpy随机生成一组数字实际工作中只需要将数据进行替换
x np.arange(1, 11) # 生成1到10的数字
3.4 画图
# 画折线图
plt.plot(x, x**2, labely x^2)# 添加标签和标题
plt.xlabel(X轴)
plt.ylabel(Y轴)
plt.title(折线图示例)
plt.legend()3.5在 Streamlit 中展示折线图
st.pyplot()3.6 本地启动
启动终端进入到 数据可视化.py文件目录下运行
streamlit run 数据可视化.py进入8501端口本地地址便可以查看相应的内容。
3.7 实时修改
streamlit还有一个比较好地方就是支持实时修改我们在代码修改完内容后只需要在页面Rerun一下或者按一下R键就可以实现刷新不需要重新运行程序
比如我们把title改一下
plt.title(折线图2014-01-05)修改后
四、进阶
做一个动态的折线图如下
4.1 开头展示
展示内容一般直接使用st.write()将需要展示的内容写在括号里面 或者使用st.markdown()可以写入markdown的格式进行展示
st.write(用Streamlit演示了绘图和动画的结合。我们在一个大约5秒钟的循环中生成一串随机数。)4.2 设计完成度
progress_bar st.progress(0)
status_text st.empty()完成度由两部分组成
长条图形完成状态/完成比
st.progress(0)初始长度设为0 st.empty()初始展示内容为空
设计思想是一步一步的展示
4.3 辅助设计
# 生成示例数据
data {Index: [],Value: []}
df pd.DataFrame(data[Value])# 创建折线图
chart st.line_chart(df)设计一个空的DataFrame做好数据格式的设计 折线图我们使用st.line_chart进行创建
4.4 动态展示
循环生成数据动态展示
# 模拟逐步添加新行
for i in range(101):new_data {Index: i,Value: np.random.randn()}new_row pd.DataFrame([new_data])#新数据生成status_text.text(%i%% Complete % i)#进度更新progress_bar.progress(i)#进度条更新# 添加新行到折线图chart.add_rows(new_row[Value])#折线图增加数据# 模拟延迟time.sleep(0.1)这样就生成了一个动态展示的效果。
之所以做这样的效果是因为我们在进行深度学习训练时想要实时查看loss和准确度的变化下篇文章将会展示如何使用streamlit进行深度学习展示。
对于一个深度学习或者机器学习工程师不建议系统学习streamlit用到什么功能搜索下就可以了系统学习费时还不一定学到有用的东西。
