Streamlit 是 Python 的一个用于创建 Web App 的框架，类似于 R 的 Shiny。其功能虽不如 R Shiny 强大，更不如专门的 Python Web 框架如 Flask、Djiango 等强大，但其使用非常直观和简单，不需要过多的 Web 知识。如果之前用过 Markdown 或 Jupyter Notebook 等，便能快速上手，创建自己的 Web App。
Streamlit 的使用场景，如：
研究开发了一个临床预测模型，使用 Streamlit 将该预测模型搭建在网站上随论文发表或供别人体检。
公司某部门人员需要批量处理 Excel 文件，因而可以写一个 python 脚本自动化处理；但部门人员并不会用 python、也未安装 python 环境，此时便可将该脚本使用 Streamlit 部署成 Web App，部门人员使用时只需点击上传 Excel 文件，然后点击下载处理完成的文件即可。
Streamlit 安装
pip install streamlit
Streamlit 自带示例 App
命令行中运行：
streamlit hello
，便可创建一个本地的 Web App，点击 URL 地址（
http://localhost:8502
）在浏览器打开。
可以看到几个 App 的 Demo，可分别点击查看：
创建自己的 App
Streamlit 写 App 就是创建一个 py 文件，而不需要分别创建前端和后端。一个示例 py 文件（example.py）如下：
import streamlit as st
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 展示文本；文本直接使用Markdown语法
st.markdown("# Streamlit示例")
st.markdown("""
- 无序列表
# 展示pandas数据框
st.dataframe(pd.DataFrame([[1, 2], [3, 4]], columns=["a", "b"]))
# 展示matplotlib绘图
arr = np.random.normal(1, 1, size=100)
plt.hist(arr, bins=20)
plt.title("matplotlib plot")
st.pyplot()
# 加入交互控件，如输入框
number = st.number_input("Insert a number", 123)
st.write("输入的数字是：", number)
将该 py 文件放在某文件夹下，cmd 中 cd 到该文件夹，输入命令
streamlit run example.py
，点击出现的 URL 后可见界面：
可以使用
streamlit run example.py --server.port 80
指定 App 在 80 端口运行
上述方式将 App 搭建在本地机上，如果想将 App 供别人访问，则需将 App 搭建在服务器如
阿里云服务器
或者部署在托管网站如
heroku
再或者使用内网穿透软件如
花生壳
。网上不少教程，可自行查阅～
Streamlit 主要用法总结
import streamlit as st
import pandas as pd
import numpy as np
import time
import matplotlib.pyplot as plt
import seaborn as sns
import plotly.figure_factory as ff
import altair as alt
from PIL import Image
import base64
文字、公式
对照输出查看显示效果
st.title("st.title")
st.header("st.header")
st.subheader("st.subheader")
st.markdown("# markdown一级标题")
st.markdown("## markdown二级标题")
st.markdown("### markdown三级标题")
# ------------------------------------
st.write("st.write")
st.markdown("markdown普通文字")
st.text("st.text")
# ------------------------------------
st.markdown("""
Markdown列表：
- hello
- world
- China
st.markdown("***markdown粗斜体***")
# ------------------------------------
st.latex("\sum_{i=1}^{n}")
# ------------------------------------
st.write(1234)
st.write("1234")
st.write("1 + 1 = ", 2)
st.write()
st.write ()
是一个泛型函数，根据传入对象不同采取不同的展示方式，比如传入
pandas.DataFrame
时，
st.write (df)
默认调用
st.dataframe ()
，传入 markdown 时，
st.write (markdown)
默认调用
st.markdown ()
；跟 R 的泛型函数非常类似。可传入的对象有:
write(data_frame) : Displays the DataFrame as a table.
write(func) : Displays information about a function.
write(module) : Displays information about the module.
write(dict) : Displays dict in an interactive widget.
write(obj) : The default is to print str(obj).
write(mpl_fig) : Displays a Matplotlib figure.
write(altair) : Displays an Altair chart.
write(keras) : Displays a Keras model.
write(graphviz) : Displays a Graphviz graph.
write(plotly_fig) : Displays a Plotly figure.
write(bokeh_fig) : Displays a Bokeh figure.
write(sympy_expr) : Prints SymPy expression using LaTeX.
write(markdown):
st.write({"a": [1, 2, 3],
"b": [2, 3, 4]})
# pandas数据框
st.write(pd.DataFrame({
"a": [1, 2, 3, 4, 5],
"b": [4, 5, 6, 7, 8]
# Markdown文字
st.write("Hello, *World!* :sunglasses:")
# 绘图对象
df = pd.DataFrame(
np.random.randn(200, 3),
columns=["a", "b", "c"]
c = alt.Chart(df).mark_circle().encode(
x="a", y="b", size="c", color="c", tooltip=["a", "b", "c"])
st.write(c)
两种表格，动态表格和静态表格
# 动态表格（表格太大时只展示一部分，可滑动表格下方滑动条查看不同部分）
# st.write默认调用st.dataframe()
df = pd.DataFrame(
np.random.randn(10, 20),
columns=('col %d' % i for i in range(20)))
st.write(df)
# 静态表格（展示表格全部内容，太大时滑动App界面下方的滑动条查看不同部分）
df = pd.DataFrame({
"a": [1, 2, 3, 4, 5],
"b": [4, 5, 6, 7, 8]
st.table(df)
pandas.DataFrame 的 style 也可正常显示
df = pd.DataFrame(
np.random.randn(10, 20),
columns=('col %d' % i for i in range(20)))
st.dataframe(df.style.highlight_max(axis=0))
<streamlit.DeltaGenerator.DeltaGenerator at 0x28b60f62048>
仅展示 Code，Code 不执行
code = """
def sum_(x):
return np.sum(x)
st.code(code, language="python")
code = """
for (i i 1:10) {
print(i)
st.code(code, language="r")
st.markdown("""
```python
print("hello")
展示 Code，同时执行 Code；需要将 code 放入 st.echo() 内
with st.echo():
for i in range(5):
st.write("hello")
# 数字输入框
number = st.number_input("Insert a number", 123)
# 单行文本输入框
word = st.text_input("Insert a word", "123")
st.write("The number is", number, "The word is", word)
# 多行文本输入框
st.text_area("Text to analyze", "I love China")
# 日期输入框
st.date_input("Insert a date")
# 时间输入框
st.time_input("Insert a time")
# 点击按钮
number = st.button("click it")
st.write("返回值:", number)
# 滑动条
x = st.slider("Square", min_value=0, max_value=80)
st.write(x, "squared is", np.power(x, 2))
# 检查框
res = st.checkbox("I agree")
st.write(res)
# 单选框
st.selectbox("Which would you like", [1, 2, 3])
# 单选按钮
st.radio("Which would you like", [1, 2, 3])
# 多选框
selector = st.multiselect("Which would you like", [1, 2, 3])
st.write(selector)
# 气球效果
st.balloons()
uploaded_file = st.file_uploader("Choose a CSV file", type="csv")
if uploaded_file is not None:
data = pd.read_csv(uploaded_file)
st.write(data)
下载：目前 Streamlit 还没有专门的下载控件，下载 pandas Dataframe 为 csv 文件可通过以下方式实现
点击 Download CSV File 便可下载文件
data = [(1, 2, 3)]
df = pd.DataFrame(data, columns=["Col1", "Col2", "Col3"])
csv = df.to_csv(index=False)
b64 = base64.b64encode(csv.encode()).decode()
href = f'<a href="data:file/csv;base64,{b64}">Download CSV File</a> (right-click and save as <some_name>.csv)'
st.markdown(href, unsafe_allow_html=True)
侧边栏控件
以上控件大部分都有对应的侧边栏形式，如上述 st.selectbox 若想放置在侧边栏，可使用 st.sidebar.selectbox
# 单选框
st.sidebar.selectbox("Which would you like", [1, 2, 3], key="1")
# 单选按钮
st.sidebar.radio("Which would you like", [1, 2, 3], key="1")
# 多选框
selector = st.sidebar.multiselect("Which would you like", [1, 2, 3], key="3")
st.write(selector)
绘图、图片、音频、视频
支持的绘图库：
streamlit 自带绘图：st.line_chart()、bar_chart() 等
matplotlib 或 seaborn：st.pyplot()
altair：st.altair_chart()
vega: st.vega_lite_chart()
plotly: st.plotly_chart()
bokeh: st.bokeh_chart()
streamlit 自带绘图
st.line_chart() 和 st.bar_chart()
st.line_chart(np.random.randn(10, 2))
chart_data = pd.DataFrame(
np.random.randn(50, 3),
columns=["a", "b", "c"]
st.bar_chart(chart_data)
matplotlib 或 seaborn 绘图
st.markdown("# matplotlib绘图")
arr = np.random.normal(1, 1, size=100)
plt.hist(arr, bins=20)
st.pyplot()
st.markdown("# seaborn绘图")
tips = sns.load_dataset("tips")
sns.set(style="darkgrid")
sns.scatterplot(x="total_bill", y="tip", hue="smoker", data=tips)
st.pyplot()
plotly 绘图
x1 = np.random.randn(200) - 2
x2 = np.random.randn(200)
x3 = np.random.randn(200) + 2
hist_data = [x1, x2, x3]
group_labels = ["Group 1", "Group 2", "Group 3"]
fig = ff.create_distplot(
hist_data, group_labels,
bin_size=[0.1, 0.25, 0.5])
st.markdown("# plotly绘图")
st.plotly_chart(fig)
# 绘制1000个点的坐标
map_data = pd.DataFrame(
np.random.randn(1000, 2) / [50, 50] + [37.76, -122.4],
columns=['lat', 'lon'])
st.map(map_data)
展示图片、音频、视频
图片：st.image ()
音频：st.audio ()
视频：st.video ()
st.error("错误显示为")
st.warning("警告显示为")
st.info("普通消息显示为")
st.success("成功消息显示为")
占位符可在后续向其中添加内容
# 添加两个占位符
slot1 = st.empty()
slot2 = st.empty()
# 占位符中插入文字
time.sleep(0.5)
slot1.markdown("# This will appear")
# 占位符中画图
time.sleep(0.5)
slot2.line_chart(np.random.randn(20, 2))
# 添加占位符
placeholder = st.empty()
# 创建进度条
bar = st.progress(0)
for i in range(100):
time.sleep(0.05)
# 不断更新占位符的内容
placeholder.text(f"Iteration {i+1}")
# 不断更新进度条
bar.progress(i + 1)
st.success("Finished")
new_rows = np.random.randn(10, 2)
status_txt.text(
"The latest number is: %s" % new_rows[-1, 1]
chart.add_rows(new_rows)
time.sleep(0.05)
对于费时间的步骤，可打包成函数，并使用缓存；第一次调用函数时，正常运行过程；第二次调用函数时，则不再重新计算，而是直接使用上一步调用函数时返回的结果。
@st.cache() # 使用缓存
def compute_long_time():
SUM = 0
for i in range(100):
SUM += i
time.sleep(0.05)
return SUM
第一次调用函数，费时较长
st.write(compute_long_time())
再次调用该函数，瞬间出结果
st.write(compute_long_time())
Magic commands
Streamlit 提供了魔法方法，对于某些内容，直接书写便会自动调用 st.write ()
"***hello world***"
# This is the document title
This is some _markdown_.
# ---------------------------------
st.write("***hello world***")
st.write("""
# This is the document title
This is some _markdown_.
# ---------------------------------
st.markdown("***hello world***")
st.markdown("""
# This is the document title
This is some _markdown_.
可以看到，以上三种书写展示结果相同，原因为第一种方式会自动调用 st.write()（魔法方法），而 st.write() 为一个泛型函数，内部传入 Markdown 时会自动调用 st.markdown()，因此三种方式归根结底都是使用了 st.markdown()
展示 df 和 x，两者效果相同
df = pd.DataFrame({"col1": [1, 2, 3]})
x = 10
"x", x
# ---------------------------------
df = pd.DataFrame({"col1": [1, 2, 3]})
st.write(df) # 默认调用st.dataframe()
x = 10
st.write("x", x)
其他可参考的资料
Streamlit 官方教程：有大量示例，非常好懂
awesome-streamlit：Streamlit 各类资源，App 示例、教程、展示某些功能如何实现等
编辑于 2020-07-27
原文链接：
