提供了编程的基础技术教程

zl程序教程

您现在的位置是：首页 >  Python

当前栏目

python︱写markdown一样写网页，代码快速生成web工具：streamlit 数据探索案例（六）

Python 工具 数据 代码
2023-04-18 14:07:19 时间

系列参考： python︱写markdown一样写网页，代码快速生成web工具：streamlit介绍（一） python︱写markdown一样写网页，代码快速生成web工具：streamlit 重要组件介绍（二） python︱写markdown一样写网页，代码快速生成web工具：streamlit 展示组件（三） python︱写markdown一样写网页，代码快速生成web工具：streamlit lay-out布局（四） python︱写markdown一样写网页，代码快速生成web工具：streamlit 缓存（五） python︱写markdown一样写网页，代码快速生成web工具：streamlit 数据探索案例（六） streamlit + opencv/YOLOv3 快速构建自己的图像目标检测demo网页（七）

github代码链接，求star： mattzheng/streamlit_demo

文章目录

本案例来看一个专门做数据展示的案例1，uber数据集的展示。

1 数据探索性app - Create a data explorer app

在本教程中，您将使用Streamlit的核心功能来创建一个交互式应用程序; 探索纽约市打车软件优步的公共接送数据集。 完成后，您将知道如何获取和缓存数据、绘制图表、在地图上绘制信息，并使用交互式小部件(如滑块)来过滤结果。

2 加载数据

现在你有了一款应用程序，接下来你需要做的就是获取纽约市取车和落车的优步数据集。

streamlit好处就在于cache只加载最初一次即可,其他的时候都会保存到缓存之中.

只要执行： load_data(10000) 后续的text都需要等他加载完才会出现。

DATE_COLUMN = 'date/time'
# DATA_URL = ('https://s3-us-west-2.amazonaws.com/'
#             'streamlit-demo-data/uber-raw-data-sep14.csv.gz')

DATA_URL = 'uber-raw-data-sep14.csv'

@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

data_load_state = st.text('Loading data...')
data = load_data(10000)

这里源码中是直接从s3上面下载，所以比较慢，可以直接加载本地的。

3 复选框 - 是否显示数据

  • subheader 添加副标题,Raw data
  • 写出dataframe的data
if st.checkbox('Show raw data'):
    st.subheader('Raw data')
    st.write(data)

4 画柱状图

st.subheader('Number of pickups by hour')
hist_values = np.histogram(data[DATE_COLUMN].dt.hour, bins=24, range=(0,24))[0]
st.bar_chart(hist_values)

5 展示特定数据 + 画地图

这里也还是可以使用其他栏目，比如下拉框

option = st.selectbox(
    'Which number do you like best?',
      [1,2,3,4,5])

主要的数据格式为:

data/time | lat | lon | base

其中,这里的base,B02512,指的是不同的国家地区的编码？

# Some number in the range 0-23
hour_to_filter = st.slider('hour', 0, 23, 17)
filtered_data = data[data[DATE_COLUMN].dt.hour == hour_to_filter]

st.subheader('Map of all pickups at %s:00' % hour_to_filter)
st.map(filtered_data)



dataframe = pd.DataFrame(
    np.random.randn(10, 20),
    columns=('col %d' % i for i in range(20)))

'''
dataframe 显示方式一：sr.write
'''
st.write(dataframe)

'''
dataframe 显示方式二：直接键入最终结果dataframe
'''
dataframe

'''
dataframe 显示方式三：st.dataframe
'''
st.dataframe(dataframe.style.highlight_max(axis=0))

'''
dataframe 显示方式四：st.table 
最丑的一种方式，会变成无页面约束的宽表
'''
dataframe = pd.DataFrame(
    np.random.randn(10, 20),
    columns=('col %d' % i for i in range(20)))
st.table(dataframe)

这边有几种dataframe的展示方式：

相关文章