Streamlit 引入自定义数据集：Python Stream 实战

简介：本文将指导你如何在Streamlit应用中引入自定义数据集，并通过实例演示如何加载、处理并在UI中展示数据。

Streamlit是一个开源的Python库，用于快速创建数据应用的美丽、直观的Web界面。通过它，你可以将Python代码和数据可视化结合在一起，为数据分析、机器学习和数据科学项目创建交互式Web应用。在Streamlit应用中引入自定义数据集是一项常见任务，下面我们将逐步指导你如何完成它。

步骤1：准备数据集

首先，你需要有一个数据集。数据集可以是CSV文件、Excel文件、JSON文件、SQL数据库中的表，或者是Python中的Pandas DataFrame等。确保数据集格式正确，并且可以被Python处理。

步骤2：安装Streamlit

如果你还没有安装Streamlit，可以通过pip来安装：

pip install streamlit

步骤3：编写Python脚本

接下来，你需要编写一个Python脚本来加载你的数据集，并使用Streamlit来创建一个Web界面。下面是一个简单的例子，演示了如何加载一个CSV文件并在Streamlit应用中展示它。

import streamlit as st
import pandas as pd
# 加载数据集
data = pd.read_csv('your_dataset.csv')  # 替换为你的数据集路径
# 在Streamlit应用中展示数据
st.write('数据预览：')
st.write(data)

在这个例子中，我们首先导入streamlit和pandas库。然后，我们使用pandas的read_csv函数来加载CSV文件。最后，我们使用streamlit的write函数来在Web界面上显示数据。

步骤4：运行Streamlit应用

保存你的Python脚本，然后在命令行中运行以下命令来启动Streamlit应用：

streamlit run your_script.py  # 替换为你的脚本名

Streamlit将会启动一个本地Web服务器，并在默认的Web浏览器中打开一个窗口，显示你的应用。你应该能看到你的数据集在Streamlit界面中展示出来。

进阶应用

除了简单地展示数据，你还可以使用Streamlit来创建交互式图表、数据过滤器、侧边栏控件等。Streamlit提供了丰富的API，可以帮助你构建功能强大的数据应用。

例如，你可以使用st.chart函数来显示一个图表，或者使用st.sidebar来创建一个侧边栏，并在其中放置一些控件来过滤数据。

import streamlit as st
import pandas as pd
import plotly.express as px
# 加载数据集
data = pd.read_csv('your_dataset.csv')  # 替换为你的数据集路径
# 创建一个侧边栏
with st.sidebar:
    # 添加一个选择框来选择要显示的列
    selected_column = st.selectbox('选择要显示的列', data.columns)
# 过滤数据并显示图表
data_filtered = data[[selected_column]]
fig = px.line(data_filtered, x=data_filtered.index, y=selected_column)
st.plotly_chart(fig)

在这个进阶例子中，我们使用了plotly.express来创建一个图表，并使用Streamlit的侧边栏来添加一个选择框，让用户可以选择要显示在图表中的列。