streamlit python web开发 交互

Streamlit是一个用于创建数据科学和机器学习Web应用的Python库。以下是一些Streamlit代码示例：

1. 基本示例¹：

import streamlit as st

# 在应用程序中打印文本
st.write("Hello, World!")

2. 创建滑块并绘制正弦函数图表¹：

import streamlit as st
import numpy as np
import matplotlib.pyplot as plt

st.title('Sine Wave Plotter')

# 获取用户输入的频率和振幅
freq = st.slider('Frequency', min_value=1, max_value=10, value=1)
amp = st.slider('Amplitude', min_value=1, max_value=5, value=1)

# 创建x值
x = np.linspace(0, 2*np.pi, 1000)

# 创建y值
y = amp * np.sin(freq * x)

# 绘制图形
fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_title('Sine Wave')
ax.set_xlabel('X')
ax.set_ylabel('Y')
st.pyplot(fig)

3. 创建Markdown文档²：

import streamlit as st

# markdown
st.markdown('Streamlit Demo')

# 设置网页标题
st.title('一个傻瓜式构建可视化 web的 Python 神器 -- streamlit')

# 展示一级标题
st.header('1. 安装')
st.text('和安装其他包一样，安装 streamlit 非常简单，一条命令即可')
code1 = 'pip3 install streamlit'
st.code(code1, language='bash')

# 展示一级标题
st.header('2. 使用')

# 展示二级标题
st.subheader('2.1 生成 Markdown 文档')

# 纯文本
st.text('导入 streamlit 后，就可以直接使用 st.markdown () 初始化')

4. 创建数据表格⁴：

import streamlit as st
import pandas as pd
import numpy as np

# 创建数据表格
df = pd.DataFrame(
    np.random.randn(20, 3),
    columns=['a', 'b', 'c']
)

st.table(df)

import streamlit as st

import pandas as pd

import numpy as np

# 创建数据表格

df = pd.DataFrame(

   np.random.randn(20, 3),

   columns=['a', 'b', 'c']

)

st.table(df)这些示例应该能帮助你开始使用Streamlit。祝你编程愉快！

源: 与必应的对话， 2023/11/27

(1) 从入门到实践：Streamlit实战 - 知乎 - 知乎专栏. https://zhuanlan.zhihu.com/p/631968745.

(2) 一个傻瓜式构建可视化 web的 Python 神器 -- streamlit - 知乎. https://zhuanlan.zhihu.com/p/448853407.

(3) python Streamlit 库示例-CSDN博客. https://blog.csdn.net/weixin_46405336/article/details/121020784.

(4) 低代码平台：Streamlit - 知乎. https://zhuanlan.zhihu.com/p/382974019.

(5) undefined. http://cw.hubwiz.com/card/c/streamlit-manual/.

(6) undefined. https://blog.csdn.net/qq_44747847/article/details/116462041?spm=1001.2101.3001.6650.5&utm_medium=distribute.pc_relevant.none-task-blog-2~default~BlogCommendFromBaidu~default-5.no_search_link&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2~default~BlogCommendFromBaidu~default-5.no_search_link.