python教程：用簡單的Python編寫Web應用程序

python如今已經成爲不少程序員關注的編程語言之一，不少程序員也都開始弄python編程，而且不少時候都會用本身的操做來選擇，而如今不論是程序員仍是少兒編程，都會有python這門課，今天就和你們分享一下。

　　安裝

　　安裝步驟跟運行指令同樣簡單：

　　pip install streamlit

　　查看是否安裝成功時只需運行：

　　streamlit hello

　　屏幕上應該顯示的是：

　　能夠在瀏覽器中訪問本地URL：localhost:8501，來查看執行中的Streamlit應用程序。開發人員那裏也有許多很棒的樣本可供嘗試。

　　Streamlit「你好，世界」

　　Streamlit旨在經過簡單的Python代碼實現簡單的程序開發。

　　那就設計一款簡單的應用程序，看看它是否真的像它說的那樣。

　　從Streamlit的名爲「hello，world」的程序入手，這個程序並不複雜。只須要複製粘貼下面這個代碼到「helloworld.py」的文件夾中便可。

　　import streamlit as st

　　x=st.slider('x')

　　st.write(x,'squared is',x*x)

　　而後到最後運行階段時：

　　streamlit run helloworld.py

　　看吧，瀏覽器鏈接到localhost:8501，就能夠看到執行中的程序，滑動鼠標就能夠獲得結果。

　　簡單的滑塊插件應用程序

 

　　操做很是簡單。在構建上圖應用程序時，用到了Streamlit的兩個特性：

　　st.slider插件——滑動改變Web應用程序的輸出內容。

　　以及通用的st.write指令。筆者對於它能從圖標、數據框和簡單的文本中編寫任何東西感到驚訝。後面會有詳細介紹。

　　敲黑板：你們要記住每次改變插件值時，整個應用程序都會由上至下運行。

　　Streamlit插件

　　插件提供了控制應用程序的方法，閱讀了解插件的最佳選擇就是API參考文檔，不過筆者這裏也會講解一些插件，它們都是用戶在操做後期會用的最主要的插件。

　　1.滑塊

　　streamlit.slider(label,min_value=None,max_value=None,value=None,step=None,format=None)

　　在上文已經目擊了st.slider的執行過程，它能夠結合min_value、max_value使用，用於進一步獲得必定範圍內的輸入內容。

　　2.文本輸入

　　獲取用戶輸入最簡單的方式是輸入URL或一些用於分析情緒的文本內容，須要的只是一個用來命名文本框的標籤。

　　import streamlit as st

　　url=st.text_input('Enter URL')

　　st.write('The Entered URL is',url)

　　看到的程序將是這樣：

　　簡單的text_input widget程序

　　貼士：能夠只改變helloworld.py文件而後刷新頁面。筆者的作法是打開該文件而後在文本編輯器中改動，再一點一點查看變更的地方。

　　3.複選框

　　複選框的一個功能就是隱藏或顯示/隱藏程序中的特定區域，另外一個用途是設置函數的布爾參數值。st.checkbox()須要一個參數，即插件標籤。在該應用程序中，複選框會用來切換條件語句。

　　import streamlit as st

　　import pandas as pd

　　import numpy as np

　　df=pd.read_csv("football_data.csv")

　　if st.checkbox('Show dataframe'):

　　st.write(df)

　　簡單的複選框插件應用程序

　　4.下拉框插件

　　經過st.selectbox能夠在一系列選項或列表中進行選擇。常見的用法是將其做爲下拉項而後從名單中挑選值。

　　import streamlit as st

　　import pandas as pd

　　import numpy as np

　　df=pd.read_csv("football_data.csv")option=st.selectbox(

　　'Which Club do you like best?',

　　df['Club'].unique())

　　'You selected:',option

　　簡單的下拉框/複選框插件程序

　　5.多選插件

　　也能夠用下拉框內的多個值。這裏講的是使用st.multiselect在變量選選中獲取多個值做爲列表。

　　import streamlit as st

　　import pandas as pd

　　import numpy as np

　　df=pd.read_csv("football_data.csv")

　　options=st.multiselect(

　　'What are your favorite clubs?',df['Club'].unique())

　　st.write('You selected:',options)

　　簡單的下拉框插件應用程序

　　一步步建立應用程序

　　重要插件瞭解的也差很少了，如今立刻要用多個插件建立應用程序。

　　從簡單的步驟入門，嘗試使用Streamlit對足球數據進行可視化。有了上面那些插件，這個步驟執行起來會容易不少。

　　import streamlit as st

　　import pandas as pd

　　import numpy as np

　　df=pd.read_csv("football_data.csv")

　　clubs=st.multiselect('Show Player for clubs?',df['Club'].unique())

　　nationalities=st.multiselect('Show Player from Nationalities?',df['Nationality'].unique())

　　#Filter dataframe

　　new_df=df[(df['Club'].isin(clubs))&(df['Nationality'].isin(nationalities))]

　　#write dataframe to screen

　　st.write(new_df)

　　簡單的應用程序會是這樣的：

　　同時使用多個插件

　　這一點也不難，但目前看起來彷佛太基礎了。是否能夠考慮加入一些圖表呢？

　　Streamlit當前支持許多用於繪圖的庫，其中就有Plotly,Bokeh,Matplotlib,Altair和Vega圖表。Plotly Express也能夠，只不過沒有詳細說明。也存在一些內嵌式圖表，至關於Streamlit「自帶」的，好比st.line_chart和st.area_chart.

　　此時會用到plotly_express，下面是設計程序會用到的代碼。該過程只會調用Streamlit四次。剩下的都是一些簡單的Python代碼操做。

　　import streamlit as st

　　import pandas as pd

　　import numpy as np

　　import plotly_express as px

　　df=pd.read_csv("football_data.csv")

　　clubs=st.multiselect('Show Player for clubs?',df['Club'].unique())

　　nationalities=st.multiselect('Show Player from Nationalities?',df['Nationality'].unique())new_df=df[(df['Club'].isin(clubs))&(df['Nationality'].isin(nationalities))]

　　st.write(new_df)

　　#create figure using plotly express

　　fig=px.scatter(new_df,x='Overall',y='Age',color='Name')

　　#Plot!

　　st.plotly_chart(fig)

　　添加圖表

　　改進

　　在本文一開始有提到插件每次發生變更時，整個應用程序就會由上至下地運行。其實並不可行，由於建立的應用程序會保留下深度學習模型或複雜的機器學習模型。接下來在講Streamlit的緩存時會向讀者闡釋這一點。

　　1.緩存

　　在這個簡單的程序裏，但凡值有所變更時，數據科學家們就會反覆瀏覽數據框。它比較適用於用戶手中的小規模數據，至於大規模或須要進行不少步處理的數據，它是不予理睬的。接下來在Streamlit中經過st.cache裝飾器函數體驗緩存的功能吧。

　　import streamlit as st

　　import pandas as pd

　　import numpy as np

　　import plotly_express as px

　　df=st.cache(pd.read_csv)("football_data.csv")

　　或者是複雜一些、時間耗費久一些的函數，只須要運行一次，此時能夠用：

　　 st.cache

　　def complex_func(a,b):

　　DO SOMETHING COMPLEX

　　#Won't run again and again.

　　complex_func(a,b)

　　用Streamlit的緩存裝飾器標記函數時，不管這個函數是否執行，都會檢查輸入的參數值（由該函數處理的）。

　　若是Streamlit以前沒有處理過這些數據，它會調用函數並將運算結果存到本地緩存中。

　　下次再調用函數時，假若仍是這些參數，Streamlit就會徹底跳過這一塊的函數執行，直接用緩存器裏的結果數據。

　　2.側邊欄

　　爲了根據我的的傾向需求使界面更加簡潔，用戶可能會想着把插件移動到側邊欄內，好比像Rshiny儀表盤。這很是簡單，只需在插件代碼中添加st.sidebar便可。

　　import streamlit as st

　　import pandas as pd

　　import numpy as np

　　import plotly_express as px

　　df=st.cache(pd.read_csv)("football_data.csv")

　　clubs=st.sidebar.multiselect('Show Player for clubs?',df['Club'].unique())

　　nationalities=st.sidebar.multiselect('Show Player from Nationalities?',df['Nationality'].unique())

　　new_df=df[(df['Club'].isin(clubs))&(df['Nationality'].isin(nationalities))]

　　st.write(new_df)

　　#Create distplot with custom bin_size

　　fig=px.scatter(new_df,x='Overall',y='Age',color='Name')

　　#Plot!

　　st.plotly_chart(fig)

　　將插件移動到側邊欄內

　　3.Markdown標記語言能夠嗎？

　　筆者特別喜歡在Markdown裏編輯文字，由於發現相比HTML，它少了那些繁瑣的操做，並且更能勝任數據科學的任務。因此讀者也能在Streamlit程序中應用Markdown嗎？

　　答案是能夠。並且是有跡可循的。在筆者看來，最合適的就是調用Magic指令。經過該指令，用戶作標記語言就會像寫評論同樣簡單。用戶也可使用指令st.markdown。

　　import streamlit as st

　　import pandas as pd

　　import numpy as np

　　import plotly_express as px'''

　　#Club and Nationality App

　　This very simple webapp allows you to select and visualize players from certain clubs and certain nationalities.

　　'''

　　df=st.cache(pd.read_csv)("football_data.csv")

　　clubs=st.sidebar.multiselect('Show Player for clubs?',df['Club'].unique())

　　nationalities=st.sidebar.multiselect('Show Player from Nationalities?',df['Nationality'].unique())new_df=df[(df['Club'].isin(clubs))&(df['Nationality'].isin(nationalities))]

　　st.write(new_df)

　　#Create distplot with custom bin_size

　　fig=px.scatter(new_df,x='Overall',y='Age',color='Name')

　　'''

　　###Here is a simple chart between player age and overall

　　'''

　　st.plotly_chart(fig)