Die folgende japanische Übersetzung. https://docs.streamlit.io/en/latest/main_concepts.html
streamlit run your_script.py [-- script args]
Sobald Sie das Skript wie oben ausführen, wird der lokale Streamlit-Server gestartet und die App in einem neuen Tab in Ihrem Standard-Webbrowser geöffnet. Die App ist Ihre Leinwand, auf der Sie Diagramme, Text, Widgets, Tabellen und mehr zeichnen.
Was Sie in der App zeichnen, liegt bei Ihnen. Zum Beispiel schreibt st.text Rohtext in die App und st.line_chart zeichnet ein Faltliniendiagramm. In der API-Dokumentation finden Sie alle verfügbaren Befehle.
Speichern Sie die Quelldatei jedes Mal, wenn Sie die App aktualisieren. Nach dem Speichern erkennt Streamlit, ob Änderungen vorgenommen wurden, und fragt, ob Sie die App erneut ausführen möchten. Wenn Sie oben rechts auf dem Bildschirm "Immer neu ausführen" auswählen, wird die App bei jeder Änderung des Quellcodes automatisch aktualisiert.
Mit der Architektur von Streamlit können Sie Apps genauso schreiben wie einfache Python-Skripte. Immer wenn etwas auf dem Bildschirm aktualisiert werden muss, führt Streamlit das gesamte Python-Skript von oben nach unten erneut aus.
Dies kann in zwei Situationen geschehen.
--Wenn Sie den Quellcode der App ändern.
Es gibt verschiedene Möglichkeiten, Daten (Tabellen, Arrays, Datenrahmen) in der Streamlit-App anzuzeigen. Zuerst habe ich Ihnen Magic und st.write () vorgestellt, die alles von Text bis zu Tabellen schreiben können. Schauen wir uns nun die Methoden zur Visualisierung der Daten an.
Warum nicht immer st.write () verwenden? Es gibt verschiedene Gründe.
Magic und st.write () überprüfen die Art der übergebenen Daten und bestimmen, wie die App sie am besten wiedergibt. Möglicherweise möchten Sie auf andere Weise zeichnen. Anstatt beispielsweise einen Datenrahmen als interaktive Tabelle zu zeichnen, möchten Sie möglicherweise st.table (df) verwenden, um ihn als statische Tabelle zu zeichnen.
Der zweite Grund ist, dass andere Methoden Objekte zurückgeben, die Sie durch Hinzufügen oder Ersetzen von Daten verwenden oder ändern können.
Wenn Sie die speziellere Streamlit-Methode verwenden, können Sie zusätzliche Argumente übergeben, um das Verhalten anzupassen.
Erstellen Sie beispielsweise einen Datenrahmen und formatieren Sie ihn mit einem Pandas Styler-Objekt. In diesem Beispiel wird Numpy verwendet, um eine Zufallsstichprobe zu generieren, und die Methode st.dataframe () wird verwendet, um eine interaktive Tabelle zu zeichnen.
Recommended Posts