Bild von Editor | Chatgpt
# Einführung
Straffung ist ein Python-Framework zum Erstellen benutzerfreundlicher Webanwendungen mit minimalem Code. Es richtet sich hauptsächlich an Datenfachleute und Entwickler und wird häufig für die Datenerforschung, das Erstellen von Dashboards und die Prototyping -ML -Anwendungen verwendet. Das Framework bietet einfache APIs auf hoher Ebene, die einfach zu bedienen sind und viele integrierte Funktionen für die Entwicklung nützlicher Dashboards enthalten. Viele kennen jedoch immer noch die Grundlagen und nutzen Stromplätze nicht vollständig.
Aus diesem Grund wird in diesem Artikel fünf verschiedene Tipps untersucht, mit denen Sie in Minuten nützliche stromlitische Dashboards erstellen können.
# 1. Verwenden Sie Caching
Streamlit ist ein Framework, das unsere Skripte von Anfang an nativ ausführt, wenn wir eine Änderung der Eingabe haben. Dies bedeutet, dass die Berechnung teuer ist, wenn wir unnötigerweise Vorgänge wie Daten oder Modellbelastung wiederholen.
Durch die Verwendung von Caching werden wir die Betriebszeit und den Rechenspeicher erheblich verringern, da wir dasselbe Objekt wiederverwenden können. Beispielsweise ist die Code -Implementierung wie unten:
@st.cache_data
def load_data():
return pd.read_csv("large_dataset.csv")
@st.cache_resource
def load_model():
from sklearn.ensemble import RandomForestClassifier
return RandomForestClassifier()Der st.cache_data eignet sich am besten für Datenoperationen wie CSV -Lasten st.cache_resource eignet sich am besten für anhaltende Ressourcen wie ML -Modelle oder DB -Verbindungen.
Durch die effektive Verwendung von Caching können wir unseren Dashboard -Prozess auch bei großen Datensätzen oder Modellen schneller machen.
# 2. Batch -Eingänge
Wie bereits erwähnt, verarbeitet Streamlit das Skript von Anfang an, wenn wir eine Änderung unserer Eingabe haben. Es gibt viele Fälle, in denen wir viele Eingabe -Workflows haben, die bei jeder einzelnen Eingabe Änderungen haben.
Durch Verwendung st.typeWir können Widgets und die Vorgänge gruppieren, damit er nur aktualisiert wird, wenn der Benutzer auf eine Schaltfläche Senden klickt. Die Implementierung des Beispielcodes ist unten angezeigt:
with st.type("filters"):
min_value = st.slider("Minimal Worth", 0, 100, 10)
max_value = st.slider("Most Worth", 0, 100, 90)
submitted = st.form_submit_button("Apply")
if submitted:
st.write(f"Filtering information between {min_value} and {max_value}")Der obige Code vermeidet im Wesentlichen eine unnötige Neukomputation und gibt den Benutzern die Steuerung, wenn das Dashboard aktualisiert wird, insbesondere mit der Fähigkeit zum Eingabestand.
# 3. Persistierstaat
Es gibt auch Zeiten, in denen wir den Standing beibehalten möchten, wenn Eingabedändere wie die Zähler, Filtervariablen oder Authentifizierungsflags vorliegen. Es könnte zu viel sein, das Caching zu verwenden, weshalb wir die persistierte Zustandsmethode mit verwenden können st.session_state.
Wir können Variablen über Wiederholungen hinweg bestehen und sie sogar interaktiv mit dem aktualisieren st.session_statewas den gesamten Workflow reibungsloser und effizienter macht. Die Beispielcode -Implementierung ist unten angezeigt:
if "counter" not in st.session_state:
st.session_state.counter = 0
if st.button("Increment"):
st.session_state.counter += 1
st.write(f"Counter: {st.session_state.counter}")Der obige Code initiiert eine Variable im St.Session_State, sodass er über Wiederholungen hinweg bestehen bleibt. Es hilft uns im Grunde, einen viel besseren Workflow zu haben.
# 4. Spotlight Key Metrics Spotlight
Wenn wir ein Dashboard verwenden, ist es wichtig, zu zeigen, was am wichtigsten ist. Für viele Geschäftsanwender und nichttechnische Benutzer möchten sie die wichtigen Zahlen im Voraus sehen und Particulars nur dann unterstützen, wenn sie sich weiterentwickeln.
Durch Verwendung der st.metricWir könnten Schlüsselleistungsindikatoren (KPIs) als saubere Karten anzeigen. Die Funktion macht das Dashboard nützlich, um KPIs wie Benutzerwachstum, Umsatz, Fehlerraten und vieles mehr anzuzeigen. Die Code -Implementierung ist unten angezeigt:
st.metric("Energetic Customers", 1234, "+134")Der obige Code zeigt eine KPI -Karte für „aktive Benutzer“ mit einem positiven Delta von +134. Auf diese Weise können wir unser Dashboard mit einer einzigen Codezeile nützlich machen.
# 5. Nutzen Sie Group -Komponenten
Die Kernbibliothek von Streamlit deckt die meisten Anwendungsfälle ab, aber manchmal benötigen Sie eine fortgeschrittenere Interaktivität als verfügbar. Das ist wo Group -Komponenten Kommen
Es gibt viele nützliche Funktionen, wie z. B. bearbeitbare Tabellen (streamlit-aggrid), interaktive Karten (streamlit-folium), Chat -UIS (streamlit-chat) und viele andere. Dies bedeutet, dass Sie die Funktionalität Ihres Dashboards leicht aktualisieren können.
Besuchen Sie die Group -Komponenten, die für Ihre Arbeit nützlich sind.
# Einpacken
Streamlit ist ein Python -Framework, das für den Aufbau von Webanwendungen nützlich ist, insbesondere für Entwickler und Datenfachleute. Es ist einfach zu bedienen, aber es gibt immer noch viele Möglichkeiten, unsere Erfahrungen zu verbessern, um bessere Dashboards zu erstellen.
In diesem Artikel haben wir fünf verschiedene Möglichkeiten untersucht, um in wenigen Minuten ein nützliches stromendes Dashboard zu erstellen, von der Verwendung von Caching bis hin zu fortdauerndem Zustand bis zur Nutzung von Group -Komponenten.
Ich hoffe das hat geholfen!
Cornellius Yudha Wijaya ist ein Information Science Assistant Supervisor und Datenautor. Während er in Vollzeit bei Allianz Indonesien arbeitet, liebt er es, Python- und Datentipps über soziale Medien und das Schreiben von Medien zu teilen. Cornellius schreibt über eine Vielzahl von KI- und maschinellen Lernthemen.