大家好，我是龙哥！
今天要介绍这个神器，可以说是 pywebio 的 Plus + Pro + Max 版，原谅我的词穷，但它真的非常的强～
正常在学习一个新框架之前， 肯定要先调研下这个框架究竟能做些什么事吧？但对于 streamlit 来说，请你相信我，这是一个你可以无脑去学习的框架，我之所以这么说，是因为我相信终有一天，你一定能用得上它。
Streamlit 是一个用于机器学习、数据可视化的 Python 框架，它能几行代码就构建出一个精美的在线 app 应用。
它能做什么，取决于你想干什么？
streamlit 的功能强大，要学习的函数虽然多，但非常容易上手，学习成本却远比 前端+Flask 来得低得低。接下来，我会一一介绍。
# 1. 如何安装？
和安装其他包一样，安装 streamlit 非常简单，一条命令即可
➜ pip install streamlit
考虑到 streamlit 会附带安装比较多的工具依赖包，为了不污染当前的主要环境，我使用 venv 新建一个虚拟环境。
➜ python3 -m venv .
然后使用如下命令进入该虚拟环境
➜ source ./venv/bin/activate
接下来，再安装 streamlit ，命令在上边。
安装的包比较多（数了下竟然接近 92 个？），过程也会很久，需要点耐心
➜ pip list | wc -l
92
在安装过程中，可能会遇到一些问题，但也不一定，这取决于你的机器，如遇到问题请自行借助搜索引擎解决。
# 2. 入门示例
Streamlit 提供了一些入门示例，执行如下命令即可
➜ streamlit hello
执行后 streamlit 会自动打开浏览器加载一个本地页面 http://localhost:8501/
这里面有很多的 demo，你可以看一下，这些 Demo 还有对应的配套代码
这些代码直接拷贝保存，就可以在本地直接通过如下命令直接运行
➜ streamlit run st-demo.py
# 2. Markdown 文本
导入 streamlit 后，就可以直接使用 st.markdown() 初始化，调用不同的方法，就可以往文档对象中填入内容
如下我自己写的一个小 Demo，供你参考
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')
# 展示代码，有高亮效果
code2 = '''import streamlit as st
st.markdown('Streamlit Demo')'''
st.code(code2, language='python')
Streamlit 运行的方式 与普通的脚本 有所不同，应该使用 streamlit run st-demo.py
运行后就会自动打开浏览器加载这个页面，如果没有自动打开，也可以手动拷贝上图中的链接打开访问。
是不是有点那个味了？就这，还只是开胃菜～
# 3. 数据图表支持
3.1 图表组件
关于数据的展示，streamlit 由两个组件进行支持
Table 的示例
df = pd.DataFrame(
np.random.randn(10, 5),
columns=('第%d列' % (i+1) for i in range(5))
)
st.table(df)
效果如下
Datafram 的示例
df = pd.DataFrame(
np.random.randn(10, 5),
columns=('第%d列' % (i+1) for i in range(5))
)
st.dataframe(df.style.highlight_max(axis=0))
效果如下，可以看到在图示外，有个向下的小箭头，你点一下，就会进行排序
除此之外，你还能看到我对最大值进行了高亮显示，原因是我传入的参数是 df.style.highlight_max(axis=0)
其实还有 n 多种样式，比如：
这些你都可以在源代码中找到示例
3.2 监控组件
在采集到一些监控数据后，若你需要做一个监控面板， streamlit 也为你提供的 metric 组件
如下代码创建 三个指标，并且填入对应的数据
col1, col2, col3 = st.columns(3)
col1.metric("Temperature", "70 °F", "1.2 °F")
col2.metric("Wind", "9 mph", "-8%")
col3.metric("Humidity", "86%", "4%")
刷新页面，就能看到下面的效果
3.3 原生图表组件
Streamlit 原生支持多种图表：
st.line_chart：折线图
st.area_chart：面积图
st.bar_chart：柱状图
st.map：地图
下面一一展示
折线图
chart_data = pd.DataFrame(
np.random.randn(20, 3),
columns=['a', 'b', 'c'])
st.line_chart(chart_data)
面积图
chart_data = pd.DataFrame(
np.random.randn(20, 3),
columns = ['a', 'b', 'c'])
st.area_chart(chart_data)
柱状图
chart_data = pd.DataFrame(
np.random.randn(50, 3),
columns = ["a", "b", "c"])
st.bar_chart(chart_data)
地图
df = pd.DataFrame(
np.random.randn(1000, 2) / [50, 50] + [37.76, -122.4],
columns=['lat', 'lon']
)
st.map(df)
3.4 外部图表组件
Streamlit 的一些原生图表组件，虽然做到了傻瓜式，但仅能输入数据、高度和宽度，如果你想更漂亮的图表，就像 matplotlib.pyplot、Altair、vega-lite、Plotly、Bokeh、PyDeck、Graphviz 那样，streamlit 也提供了支持：
st.pyplot
st.bokeh_chart
st.altair_chart
st.altair_chart
st.vega_lite_chart
st.plotly_chart
st.pydeck_chart
st.graphviz_chart
对于这部分，熟悉的同学自行尝试了，这里不再演示。
# 4. 用户操作支持
前面 streamlit 都只是展示文本和数据，如果仅是如此，那 streamlit 也就 just so so
对于那些不会前端，并且平时有需要写一些简单的页面的人说，能写一些交互界面才是硬需求。
庆幸的是，你平时在网页上、app 上能看到的交互组件，Streamlit 几乎都能支持。。
这些内容非常多，也比较简单，一个一个举例也没必要，大家直接去看 streamlit 源码里的注释即可。
# 5. 多媒体组件
想要在页面上播放图片、音频和视频，可以使用 streamlit 的这三个组件：
# 6. 状态组件
状态组件用来向用户展示当前程序的运行状态，包括：
progress：进度条，如游戏加载进度
spinner：等待提示
balloons：页面底部飘气球，表示祝贺
error：显示错误信息
warning：显示报警信息
info：显示常规信息
success：显示成功信息
exception：显示异常信息（代码错误栈）
效果如下：
# 7. 页面布局
Streamlit 是自上而下渲染的，组件在页面上的排列顺序与代码的执行顺序一致。
一个精美的 web app ，只有上下单栏式的布局肯定是不够的。
实际上 streamlit 还提供了多种多样的布局：
st.sidebar：侧边栏
侧边栏可以做一些用户操作控件
st.columns：列容器，处在同一个 columns 内组件，按照从左至右顺序展示
st.expander：隐藏信息，点击后可展开展示详细内容，如：展示更多
st.container：包含多组件的容器
st.empty：包含单组件的容器
# 8. 流程控制系统
Streamlit 是自上而下逐步渲染出来的，若你的应用场景需要对渲染做一些控制，streamlit 也有提供对应的方法
st.stop：可以让 Streamlit 应用停止而不向下执行，如：验证码通过后，再向下运行展示后续内容。
st.form：表单，Streamlit 在某个组件有交互后就会重新执行页面程序，而有时候需要等一组组件都完成交互后再刷新（如：登录填用户名和密码），这时候就需要将这些组件添加到 form 中
st.form_submit_button：在 form 中使用，提交表单。
# 9. 缓存特性提升速度
当用户在页面上做一些操作的时候，比如输入数据，都会触发整个 streamlit 应用代码的重新执行，如果其中有读取外部数据的步骤（数 GB 的数据），那这种性能损耗是非常可怕的。
但 streamlit 提供了一个缓存装饰器，当要重新执行代码渲染页面的时候，就会先去缓存里查一下，如果代码或者数据没有发生变化，就直接调用缓存的结果即可。
使用方法也简单，在需要缓存的函数加上 @st.cache 装饰器即可。
DATE_COLUMN = 'date/time'
DATA_URL = ('https://s3-us-west-2.amazonaws.com/'
'streamlit-demo-data/uber-raw-data-sep14.csv.gz')
@st.cache
def load_data(nrows):
data = pd.read_csv(DATA_URL, nrows=nrows)
lowercase = lambda x: str(x).lower()
data.rename(lowercase, axis='columns', inplace=True)
data[DATE_COLUMN] = pd.to_datetime(data[DATE_COLUMN])
return data
# 10. 部署上线
在本地编写的 streamlit 应用，运行起来后只能在本地访问。
如果需要让别人也能访问这个应用，那你需要有一台服务器，这样才能通过公网ip进行访问
如果你需要服务器，可以点 这个链接 领个卷有优惠。
另外，还有一个选择，就是使用 Heroku （https://heroku.com）部署你的应用。
Heroku是一个支持多种编程语言的云平台即服务，你只要注册一个帐号（听说网易和 QQ 邮箱不行，我使用的 Gmail 注册的）
然后创建自己的 app
这个 App 名字好像是要全网唯一，本想取个 hello-streamlit 的，发现早有人取过了。
然后为你的应用，创建几个 Heroku 规定的文件
这些文件的编码有固定的格式，我这边编写好了一份模板下载地址 https://www.lanzout.com/ikMWkxqktgj
拿到了这份模板后，你就可以基于这份模板创建你的 git 仓库
git init
git add --all
git commit -m "init"
然后部署到 Heroku
heroku login
heroku create
git push heroku master
heroku ps:scale web=1
按照命令行输出的URL就可以访问你的应用了。
查看Heroku日志：
heroku logs --tail
要想使用自己域名，需要先通过Heroku验证。然后运行：
heroku domains:add hivecnstats.iswbm.com
使用 Heroku 唯一的缺点就是 Heroku 是需要梯子的，一般人访问不了，没条件的还是乖乖的备台服务器吧。
# 12. 总结一下
Streamlit 一个开箱即用的工具集，它可以让一个普通的个人开发者免于学习繁杂的前端知识，就可以轻松、快速的构建一个简洁、优雅的 web app 应用，这是 streamlit 最吸引人的地方。
对于从事数据分析，机器学习领域的人来说，它绝对是开发神器，但即使你不是这些领域的人，你肯定也会有搭建一个 web app 需求的时候，streamlit 正是你需要的。
