title: 第一章：入门介绍 author: SHENG XU date: 2022-05-04 category: nlp

layout: post

streamlit 介绍

streamlit 是一个用于构建数据应用的开源 Python 库。它提供了一个简单的 API，可以让你在几行代码中构建数据应用。streamlit 会自动处理数据的加载、交互和可视化，让你可以专注于数据分析和应用的构建。

无需写html, css,js等前端代码。

poetry new streamlit
poetry add streamlit

sreamlit hello

demo.py

import streamlit as st
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

st.markdown("demo")
st.title("demo")

st.header("1、标题")
st.text("文本")
st.write("文本")
st.code("print('hello world')",language="python")

st.header("2、表格")
st.subheader("2.1、表格")


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

st.table(df)
# 高级图表：排序，高亮
st.dataframe(df.style.highlight_max(axis=0))


#监控面板
col1, col2, col3=st.columns(3)
col1.metric("指标1", 100, 200)
col2.metric("指标2", 200, 100)
col3.metric("指标3", 300, 300)

# 折线图,生成3列随机数
chart_data=pd.DataFrame(
    np.random.randn(20,3),
    columns=['a','b','c']
)
st.line_chart(chart_data)

# 柱状图
st.bar_chart(chart_data)

# 面积图
st.area_chart(chart_data)

# 交互式图表

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


# 散点图

def scatter_plot(data, color):
    fig, ax=plt.subplots()
    ax.scatter(data['lat'], data['lon'], color=color)
    ax.set_xlabel('lat')
    ax.set_ylabel('lon')
    ax.set_title('scatter plot')
    return fig

fig = scatter_plot(map_data, 'red')
st.pyplot(fig)

运行：


if __name__=='__main__'
    streamlit_runner.run(run, 'demo.py')

streamlit run demo.py

Streamlit 的一些原生图表组件，虽然做到了傻瓜式，但仅能输入数据、高度和宽度，如果你想更漂亮的图表，就像 matplotlib.pyplot、Altair、vega-lite、Plotly、Bokeh、PyDeck、Graphviz 那样，streamlit 也提供了支持

交互，表单

button：按钮
download_button：文件下载
file_uploader：文件上传
checkbox：复选框
radio：单选框
selectbox：下拉单选框
multiselect：下拉多选框
slider：滑动条
select_slider：选择条
text_input：文本输入框
text_area：文本展示框
number_input：数字输入框，支持加减按钮
date_input：日期选择框
time_input：时间选择框

color_picker：颜色选择器

import streamlit as st

@st.cache_data
def expensive_computation(a, b):
# 模拟一些很复杂的计算
return a * b

input_a = st.number_input("输入a", value=1)
input_b = st.number_input("输入b", value=1)

output = expensive_computation(input_a, input_b)
st.write("计算结果（：", output)


name = st.text_input("请输入您的名字", value="John Doe")
occupation = st.selectbox("请选择您的职业", ("学生", "教师", "工程师"))
age = st.slider("请选择您的年龄", min_value=0, max_value=100, value=30, step=1)

st.write(f"您好，{name}！您是一位{occupation}，今年{age}岁。")

多媒体组件

image：图片 st.image
audio：音频 st.audio
video：视频 st.video

状态进度条

progress：进度条，如游戏加载进度
spinner：等待提示
balloons：页面底部飘气球，表示祝贺
error：显示错误信息
warning：显示报警信息
info：显示常规信息
success：显示成功信息
exception：显示异常信息（代码错误栈）

页面，侧边栏，布局

st.sidebar：侧边栏
st.empty：空白占位
st.markdown：Markdown
st.columns：多列布局
st.expander：展开收起
st.beta_expander：展开收起

st.container：容器

color = st.sidebar.color_picker('Pick A Color', '#00f900')

多页面交互，数据传递


main.py
----pages
---------home.py
---------about.py

import streamlit as st
session_state=st.session_state
session_state['page]='Home'

sidebar_page=st.sidebar.radio('Page', ['Home', 'About'])

if page =='Home':
    st.title('Home')
elif page =='About':
    st.title('About')

st.stop st.form st.form_submit_button st.echo

缓存

st.cache

read_and_cache_csv=st.cache(pd.read_csv)
df=read_and_cache_csv("data.csv", nrows=1000)
desired_label=st.selectbox("Label", df.columns)
st.write(df[desired_label].value_counts())

streamlit 与其他库的结合

streamlit + matplotlib

steamlit + plotly

streamlit + FastAPI + mysql

streamlit 登录等功能较弱，为此可以结合fastapi框架，实现登录验证等功能。

import streamlit as st
import requests

登录验证 + firebase

每次操作互动组件时（比如输入新问题），都会触发重新运行（rerun）。rerun（重新运行）是streamlit的一个特色，指的是将应用代码从头到尾重新运行一遍。

初始化firebase：

#配置firebaseConfig
firebaseConfig = {...}
#然后进行初始化
firebase = pyrebase.initialize_app(firebaseConfig)
auth = firebase.auth()
# Database
db = firebase.database()
storage = firebase.storage()

登录按钮：

if st.session_state['logged_in']:
    st.sidebar.write(f"Hello, {st.session_state['username']}!")
    if st.sidebar.button('Logout'):
        st.session_state['logged_in'] = False
        st.session_state['username'] = ''
        st.session_state['history'] = []
        st.session_state['generated'] = [] 
        st.session_state['past'] = []  
        st.experimental_rerun()
else:
    auth_option = st.sidebar.radio("Choose an option", ['Login', 'Register'])
    email = st.sidebar.text_input("Email")
    password = st.sidebar.text_input("Password", type='password')

    if auth_option == 'Login':
        if st.sidebar.button('Login'):
            try:
                user = auth.sign_in_with_email_and_password(email, password)
                st.session_state['user'] = user
                st.session_state['logged_in'] = True
                st.session_state['username'] = email
                st.session_state['email'] = email
                st.success("Logged in successfully")
            except:
                error_message = "Invalid email or password"
                st.error(error_message)  # Display the error message
            st.experimental_rerun()

    elif auth_option == 'Register':
        if st.sidebar.button('Register'):
            try:
                user = auth.create_user_with_email_and_password(email, password)
                st.session_state['logged_in'] = True
                st.session_state['username'] = email
                st.success("Registered and logged in successfully")
                #st.experimental_rerun()
            except:
                error_message = "Failed to create account"
                st.error(error_message)  # Display the error message

if 'total_tokens_used' not in st.session_state:
    st.session_state.total_tokens_used = 0


with get_openai_callback() as cb:
                output = conversational_chat(user_input)
                token_cost = cb.total_tokens
                st.session_state.total_tokens_used += token_cost
                tokens_remaining -= token_cost

streamlit + Flask

deploy

默认部署到 https://share.streamlit.io/ ，也可以部署到自己的服务器上。

Resources per app 1 GB Private apps 1 app Public apps Unlimited

docker 部署， heroku.com

attention.md 7.5 KB History Raw