Streamlit是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，它是开发自定义机器学习工具的最快的方法，你可以认为它的目标是取代Flask在机器学习项目中的地位，可以帮助机器学习工程师快速开发用户交互工具。
image.png
image.png
image.png
自己感受：
streamlit 使用一年时间开发出来，对于简单的小web 项目可以考虑，可以支持markdowm 语法。
了解python后 ,写起来比较容易。感觉类似shiny R .
参考资料：
1、Hello world
Streamlit应用就是Python脚本，没有隐含的状态，你可以使用函数调用重构。只要你会写Python脚本，你就会开发Streamlit应用。例如，下面的代码在网页中输出Hello, world!：
import streamlit as st
st.write('Hello, world!')
结果如下：
image
2、使用UI组件
Streamlit将组件视为变量，在Streamlit中没有回调，每一个交互都是简单地返回，从而确保代码干净：
import streamlit as st
x = st.slider('x')
st.write(x, 'squared is', x * x)
结果如下：
image
3、数据重用和计算
如果你要下载大量数据或者运行复杂的计算该怎么实现？关键在于安全地重用数据。Streamlit引入了缓存原语可以让Steamlit应用安全、轻松的重用信息。例如，下面的代码只需要从Udacity的自动 驾驶车项目下载一次数据，从而得到一个简单、快速的应用：
import streamlit as st
import pandas as pd
# Reuse this data across runs!
read_and_cache_csv = st.cache(pd.read_csv)
BUCKET = "https://streamlit-self-driving.s3-us-west-2.amazonaws.com/"
data = read_and_cache_csv(BUCKET + "labels.csv.gz", nrows=1000)
desired_label = st.selectbox('Filter to:', ['car', 'truck'])
st.write(data[data.label == desired_label])
结果如下：
image
简而言之，Streamlit的工作方式如下：
- 对于用户的每一次交互，整个脚本从头到尾执行一遍
- Streamlit基于UI组件的状态给变量赋值
- 缓存让Streamlit可以避免重复请求数据或重复计算
或者参考下图：
image
如果上面的内容还没有说清楚，你可以直接上手尝试Streamlit！
$ streamlit hello
You can now view your Streamlit app in your browser.
Local URL: http://localhost:8501
Network URL: http://10.0.1.29:8501</pre>
这会自动打开本地的web浏览器并访问Streamlit应用：
image
4、实例：自动驾驶数据集工具
下面的Streamlit应用让你可以在整个Udacity自动驾驶车辆照片数据集中进行语义化搜索，可视化人工标注，并且可以实时运行一个YOLO目标检测器：
image
整个应用只有300行Python代码，绝大多数是机器学习代码。实际上 其中只有23个Streamlit调用。你可以尝试自己运行：
$ pip install --upgrade streamlit opencv-python
$ streamlit run https://raw.githubusercontent.com/streamlit/demo-self-driving/master/app.py
5.上手体验
- 1.将下面代码写入 streamlit_test.py中，
- 2.使用前先安装streamlit，
- 3.之后运行streamlit hello 检测是否安装成功，
- 4.再运行streamlit run streamlit_test.py 就可以打开网页看效果
cat streamlit_test.py :内容如下
import streamlit as st
#######
st.title("This is a web App") ## 显示文档标题
#######
import streamlit as st
st.write('Hello, world!')
st.write("caokai")
## 1.滑动窗口
x = st.slider('计算平方数', min_value=0, max_value=80)
st.write(x, 'squared is', x*x)
## 2.输入框
url = st.text_input('Enter URL')
st.write('The Entered URL is', url)
## 3.复选框
import pandas as pd
import numpy as np
st.write("loop csv :")
## 缓存df = st.cache(pd.read_csv)("football_data.csv")
df = st.cache(
pd.read_csv
)("https://raw.githubusercontent.com/caokai001/caokai001.github.io/master/loop.test.csv"
)
#df=st.cache(pd.read_csv)("loop.csv")
if st.checkbox('Show total dataframe'):
st.write(df)
## 4.下拉框
option_1 = st.selectbox('Which chromsome do you like select?',
df['chr'].unique())
'You selected chromsome: ', option_1
st.write(df[df["chr"] == option_1])
## 5.多选框
options_2 = st.multiselect('What are your favorite row number?',
df['Row.names'].unique())
st.write('You selected:', options_2)
########### markdowm
st.markdown("---")
st.write("\n\n\n")
st.title(" 使用markdown 写网页")
st.markdown('Streamlit is **_really_ cool**.')
## 读入在线图片方法：
#https://blog.csdn.net/gao_summer_cola/article/details/72454800
#https://blog.csdn.net/u013421629/article/details/99964481
import urllib
import requests as req
from PIL import Image
from io import BytesIO
img_src = 'http://n1image.hjfile.cn/shetuan/2017-05-17-1495016837-986-732.jpg'
response = req.get(img_src)
image = Image.open(BytesIO(response.content))
if st.checkbox('点击查看图片：'):
st.image(image,
caption='randomly select from website',
use_column_width=True)
st.markdown("---")
部分截图：
image.png
网友评论