如何用Streamlit进行可视化数据分析

如何用Streamlit进行可视化数据分析

今天就跟大家聊聊有关如何用Streamlit进行可视化数据分析，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。

宅在家里的时间比较多，做了几个数据分析，觉得很好用，也来推广一下。

之前一直用Jupyter Notebook做数据分析和实验结果展示。

用Notebook做数据分析有个好处，就是数据load进来后，后面加cell来想分析什么就分析什么，结果可以比较友好的显示在页面上，特别是dataframe的显示和各种图表的plotting。一个好的notebook就是一个很好的数据或实验报告。

Notebook对我来说有几个地方很不不方便。

首先，在notebook上写python代码，对于IDE依赖症患者来说麻烦很大。

其次，所有的交互都得通过写python代码，比如说一个dataframe中，你想看看某行某列，或是想看看符合某个query的数据，都得写个dataframe的定位语句。如果不想看了还得删除。总结一句话，就是数据分析交互不友好。

Streamlit解决了以上两个问题。当然streamlit的出现不是为了取代notebook，原始目标是让每个data scientist能够用几个小时就可以做出一个漂亮的数据分析application。不需要懂服务器客户端架构，不需要会写页面CSS, HTML之类的。你所需要的就是python就可以了。

streamlit的API很简单，半个小时内能看完，然后看几个例子，就知道怎么用了。

介绍几个非常方便的功能:

Dataframe 的支持，你call streamlit的dataframe的api，页面上就会显示这个dataframe，但是，它不是简单的显示dataframe，而是"Display a dataframe as an interactive table.”, 比如说你可以直接在这个dataframe中做排序。

Widget。这个是最好用的功能。比如说你可以直接塞入一个下拉单，然后后面的数据分析都可以根据这个下拉单的选项来显示。这个真是太好用了，你完全不用像notebook一样写各种query。比如说一个成绩单的dataframe，加一个下拉单--科目，然后你选语文，后面就只显示语文成绩(包含各种后续图表显示)。这个功能太简单不值一提是不是，但是人家一个python语句就可以写好。

各种图表的支持。除了支持matplotlib的图表的外，自己也封装了一些常用的。

一个app的必备零部件，进度条，音频，视频，地图，placeholder等等都可以方便插入。

cache，可以cache函数的返回值，对于数据分析app来说非常有用。

那它号称的部署方便呢? 一条命令搞定。

总之，你打算用streamlit的做你的数据分析应用的时候，可以想想你想要什么，然后你会发现真的很简单很方便很美观。

看完上述内容，你们对如何用Streamlit进行可视化数据分析有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注恰卡编程网行业资讯频道，感谢大家的支持。