[PYTHON] streamlit explication traduction japonaise

La traduction japonaise suivante. https://docs.streamlit.io/en/latest/main_concepts.html

Créer une application

Méthode d'exécution

streamlit run your_script.py [-- script args]

Dès que vous exécutez le script comme ci-dessus, le serveur Streamlit local démarre et l'application s'ouvre dans un nouvel onglet de votre navigateur Web par défaut. L'application est votre canevas, où vous dessinez des graphiques, du texte, des widgets, des tableaux et plus encore.

Ce que vous dessinez dans l'application dépend de vous. Par exemple, st.text écrit du texte brut dans l'application et st.line_chart dessine un graphique de ligne de pliage. Consultez la documentation de l'API pour toutes les commandes disponibles.

Flux de développement

Enregistrez le fichier source chaque fois que vous mettez à jour l'application. Une fois enregistré, Streamlit détectera s'il y a des changements et vous demandera si vous souhaitez réexécuter l'application. Si vous sélectionnez "Toujours réexécuter" en haut à droite de l'écran, l'application sera mise à jour automatiquement chaque fois que vous modifiez le code source.

Flux de données

L'architecture de Streamlit vous permet d'écrire des applications de la même manière que vous écrivez des scripts Python simples. Chaque fois que quelque chose doit être mis à jour à l'écran, Streamlit réexécute l'intégralité du script Python de haut en bas.

Cela peut se produire dans deux situations.

--Lorsque vous modifiez le code source de l'application. --Lorsque l'utilisateur utilise un widget dans l'application.

Affichage et style des données

Il existe plusieurs façons d'afficher des données (tables, tableaux, blocs de données) dans l'application Streamlit. Tout d'abord, je vous ai présenté magic et st.write (), qui peuvent écrire n'importe quoi, du texte aux tableaux. Jetons maintenant un œil aux méthodes conçues pour visualiser les données.

Pourquoi ne pas toujours utiliser st.write ()? Il existe plusieurs raisons.

Magic et st.write () inspectent le type de données transmises et déterminent comment l'application les rend au mieux. Vous voudrez peut-être dessiner d'une manière différente. Par exemple, au lieu de dessiner un bloc de données sous forme de tableau interactif, vous pouvez utiliser st.table (df) pour le dessiner sous forme de tableau statique.

La deuxième raison est que d'autres méthodes renvoient des objets que vous pouvez utiliser ou modifier en ajoutant ou en remplaçant des données.

Enfin, si vous utilisez la méthode Streamlit plus spécialisée, vous pouvez transmettre des arguments supplémentaires pour personnaliser le comportement.

Par exemple, créons un bloc de données et formatez-le avec un objet Pandas Styler. Cet exemple utilise Numpy pour générer un échantillon aléatoire et la méthode st.dataframe () pour dessiner un tableau interactif.

Recommended Posts

streamlit explication traduction japonaise
Streamlit tutorial traduction japonaise
Traduction japonaise sosreport
traduction japonaise man systemd
man systemd.service traduction japonaise
man nftables traduction japonaise
Dockerfile Reference traduction japonaise
docker-compose --aide à la traduction en japonais
docker help traduction en japonais
docker build --aider la traduction en japonais
Traduction japonaise du manuel sysstat
Traduction japonaise du manuel Linux
docker run --aider la traduction en japonais
Docker mysql Quick Reference traduction japonaise
Traduction japonaise du manuel e2fsprogs
Tutoriel Biopython et traduction japonaise de Cookbook (4.1)
Tutoriel Biopython et traduction japonaise de Cookbook (4.5)
Tutoriel Biopython et traduction japonaise du livre de recettes (4.8)
Tutoriel Biopython et traduction japonaise du livre de recettes (4.7)
Traduction japonaise du manuel man-db
Traduction japonaise appropriée de pytorch tensor_tutorial
Tutoriel Biopython et traduction japonaise du livre de recettes (4.9)
Tutoriel Biopython et traduction japonaise du livre de recettes (4.6)
Traduction japonaise du manuel util-linux
Tutoriel Biopython et traduction japonaise du livre de recettes (4.2)
Tutoriel Biopython et traduction japonaise de Cookbook
Traduction japonaise du manuel iproute2
Traduction japonaise de documents Apache Spark - Soumission d'applications
Traduction japonaise de documents Apache Spark - Démarrage rapide
[Google App Engine] Objets utilisateur (traduction en japonais)
Mise en route: 30 secondes de traduction en japonais Keras
Tutoriel Biopython et traduction japonaise du livre de recettes (Chapitre 1, 2)
Traduction japonaise: PEP 20 - Le Zen de Python