如何用简单的Python为数据科学家编写Web应用程序？（附代码链接）

本文主要是介绍如何用简单的Python为数据科学家编写Web应用程序？（附代码链接），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

作者：拉胡尔·阿加瓦尔(Rahul Agarwal)， Walmart 实验室的数据科学家

翻译：陈之炎校对：闫晓雨

本文约4300字，建议阅读10分钟。

本文阐述如何使用StreamLit创建支持数据科学项目的应用程序。

无需了解任何Web框架，数据科学项目也可被轻而易举地转换成出色的应用程序。

如果我们没有将一个机器学习项目充分地展示出来，那么这个项目就不算真正地被完成。

在过去，一份精心制作的可视化图表或几页PPT便足以展示一个数据科学项目，然而随着RShiny和Dash这类的仪表板工具的出现，优秀的数据科学家也需要具备相当丰富的Web框架知识。

但是学习Web框架的难度很大，笔者在HTML、CSS和Javascript中摸爬滚打，却依然对一些看似简单的操作感到困惑。

更别提如何用多种方式去实现同一件事了，这会让数据科学同胞感到更加困惑，毕竟对他们来说，Web开发只是一项次要的技能。

那么，我们注定要学Web框架吗？或者要在半夜给做开发的好友打电话道出对Web框架的蠢蠢疑惑？

StreamLit的横空出世使得利用Python来创建Web应用程序成为现实。

Python之禅：简胜于繁。Streamlight便是诠释它最好的注脚，使创建web应用程序从未如此简单。

本文讲解如何使用Streamlight创建支持数据科学项目的应用程序。

安装

安装即运行以下简单的命令：

pip install streamlit

运行以下命令查看安装是否成功：

streamlit hello

屏幕会显示：

可在浏览器中访问本地网址：localhost：8501，查看正在运行的Streamlight应用程序。开发人员也提供了一些示范。花点时间来感受一下这个工具的力量。

Streamlit Hello World

Streamlight旨在利用简单的Python来简化应用程序的开发。

让我们写一个简单的应用程序，看看它是否能够实现这一目标。

此处，从一个称为Hello World of streamlit的简单应用程序开始，只需将下面的代码粘贴到名为helloworld.py的文件中即可。

import streamlit as stx = st.slider('x')st.write(x, 'squared is', x * x)

在终端上运行：

streamlit run helloworld.py

瞧，这便使您能够在连接到本地主机浏览器localhost:8501的中看到一个简单的应用程序，利用它可以允许移动滑块并给出结果。

一个简单的滑块部件应用程序

操作相当简单，在上述应用程序中，用到了StreamLit的两个功能：

st.slider 小部件命令，实现滑动滑块以更改Web应用程序的输出的效果；
st.write 多功能命令，它居然能利用图表、数据和简单的文本写出任何东西。稍后会详述该功能。

重点提示：请记住，每次改变小部件的数值时，整个应用程序会从上到下运行。

StreamLIT小部件

小部件提供了一种控制应用程序的方法，了解小部件的最佳方法是阅读API参考文档，我将在此描述一些可能最终使用到的重点小部件。

1. 滑块

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

我们已经在上面看到了滑块st.slider 的运行效果，它可以与min_value、max_value和step一起使用，用于在一定范围内获取输入。

2. 文本输入

获取用户输入的最简单方法是URL输入或用于情感分析的文本输入，只需要一个标签来命名文本框。

import streamlit as sturl = st.text_input('Enter URL')st.write('The Entered URL is', url)

应用程序是这样呈现如下的：

一个简单的text_put小部件应用程序

提示：只需更改文件helloworld.py并刷新浏览器即可。笔者的做法是打开该文件后在文本编辑器中更改，并查看浏览器中的每步变化。

3. 复选框

复选框的一个使用案例是在应用程序中隐藏或显示/隐藏特定部分，另一个可能用途是在为函数st.checkbox()的参数中设置一个布尔值。st.checkbox()需要一个单独指令，即小部件的标签。在此应用程序中，该复选框用于切换条件语句。

import streamlit as stimport pandas as pdimport numpy as npdf = pd.read_csv("football_data.csv")if st.checkbox('Show dataframe'):    st.write(df)

一个简单的复选框小部件应用程序

4. 选择框

可使用st.selectbox从列表中进行选择，常见使用是将其用作一个从列表中选择值的简单下拉列表。

import streamlit as stimport pandas as pdimport numpy as npdf = pd.read_csv("football_data.csv")option = st.selectbox(    'Which Club do you like best?',      df['Club'].unique())'You selected: ', option

简单的下拉框/选择框小部件应用程序

5. 多选择

也可以从下拉列表中选用多个值，此处我们使用st.multiselect 来从变量选项中获取多个数值。

import streamlit as stimport pandas as pdimport numpy as npdf = pd.read_csv("football_data.csv")options = st.multiselect( 'What are your favorite clubs?',  df['Club'].unique())st.write('You selected:', options)

一个简单的多选择小部件应用程序

逐步创建简单的应用程序

上面介绍了需要理解的重要小部件。下面将一次利用多个小部件来创建简单的应用程序。

首先，尝试利用streamlit来对足球数据进行可视化。有了上面这些小部件帮助会非常简单。

 import streamlit as stimport pandas as pdimport numpy as npdf = 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 dataframenew_df = df[(df['Club'].isin(clubs)) & (df['Nationality'].isin(nationalities))]# write dataframe to screenst.write(new_df)

简单应用程序如下：

综合使用多个小部件

这看起来并不难，但似乎太简单了，能否添加一些图表呢？

Streamlit目前支持许多用于绘图的库，包括Plotly, Bokeh, Matplotlib, Altair 和 Vega charts。PlolyExpress也行得通，尽管他们没有在文档中具体说明。Streamlit还有一些内置的图表类型，如st.line_chart 和st.area_chart等都能在Streamlit中运行。

此处将使用plotly_express创建简单应用程序，代码如下。仅调用Streamlit四次，余下的便都是一些简单的python代码操作。

import streamlit as stimport pandas as pdimport numpy as npimport plotly_express as pxdf = 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 expressfig = px.scatter(new_df, x ='Overall',y='Age',color='Name')# Plot!st.plotly_chart(fig)Adding charts

添加图表

提高

本文最初提到，每次对任何小部件进行修改以后，整个应用程序将会重新运行。当创建深度学习模型或复杂机器学习模型的应用程序时，这是不可行的，为此，Streamed引入“缓存（Caching）”来解决这一问题。

1. 缓存

在一个简单的应用程序中。每当一个值发生变化时，便会一遍遍地浏览 pandas数据框。虽然它适用于小数据，但对于大数据或当必须对数据进行大量处理时将失效。下面采用streamlit中的st.cache函数来使用缓存。

import streamlit as stimport pandas as pdimport numpy as npimport plotly_express as pxdf = st.cache(pd.read_csv)("football_data.csv"

对于仅需要仅运行一次的更复杂和耗时的函数，采用：

@st.cachedef complex_func(a,b):    DO SOMETHING COMPLEX# Won't run again and again.complex_func(a,b)

当用Streamlight的缓存装饰器标记一个函数时，每逢该函数被调用时，它都会检查被调用的函数的输入参数。

如果Streamed第一次处理这些参数，它将运行函数并将结果存储在本地缓存中。

当下一次函数被调用时，如果这些参数尚未改变，StreamLit知道它可以跳过执行该函数，而只使用缓存的结果。

2. 工具条

为了有一个更清晰的外观，可能希望小部件移动到一个侧栏中，类似于Rshiny的仪表板。这也很简单，只需在小部件的代码中添加 st.sidebar 即可。

import streamlit as stimport pandas as pdimport numpy as npimport plotly_express as pxdf = 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_sizefig = px.scatter(new_df, x ='Overall',y='Age',color='Name')# Plot!st.plotly_chart(fig)Move widgets to the sidebar

将小部件移动到侧栏

3.Markdown?（一种纯文本格式的标记语言）

我喜欢在Markdown里写作，它不像HTML那么冗长，更适合于数据科学工作。那么，我们能不能在 streamlit 应用程序中使用Markdown呢？

答案是可以，有多种方法可以实现。在我看来，最好的方法就是使用Magic命令，Magic命令允许您像注释一样轻松地编写标记，也可以使用st.markdown命令。

import streamlit as stimport pandas as pdimport numpy as npimport plotly_express as px'''# Club and Nationality AppThis 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_sizefig = px.scatter(new_df, x ='Overall',y='Age',color='Name')'''### Here is a simple chart between player age and overall'''st.plotly_chart(fig)