工具|StreamLit构造Web应用前端|flask|python|大数据

功能 Streamlit 帮助机器学习工程师快速开发用户交互工具，几乎可取代 Flask 在机器学习项目中的地位。
个人感受

确实非常方便，安装python库的streamlit后，可快速入门
和学习前端相比，学习成本非常低
界面比较美观，适合用于demo和内部展示
通过简单的代码，就可以展示丰富的功能；但对于复杂的UI还没试
不需要可见的 b/s 通讯，几乎所有交互都通过操作 streamlit 句柄完成
运行需要基于streamlit框架

基本功能安装

$ pip install streamlit

运行示例

$ streamlit hello --server.port 8080

我指定了端口，否则其默认运行端口是 8501
在其左侧可以选择几种主要的demo
【工具|StreamLit构造Web应用】

文章图片

运行程序
将其中dataframe的demo写入一个文件test.py，然后运行

$ streamlit run test.py --server.port 8080

最简单的程序段示例：

import streamlit as st import numpy as np import pandas as pddataframe = pd.DataFrame( np.random.randn(10, 20), columns=('col %d' % i for i in range(20)))st.dataframe(dataframe.style.highlight_max(axis=0))

可以看到，操作几乎都基于句柄 st
对 Markdown 文本支持

import streamlit as st text = ''' # title1 ## title2 ### title3 Streamlit is **_really_ cool**. ''' st.markdown(text)

文章图片
看起来也还不错，可以考虑 Obsidian+github+streamlit 建立自己的笔记网站，其优势在于支持强大的图表功能，且使用简单，不需要学习众多前端工具。
云功能（Streamlit Cloud）部署到服务器：把 stream could 与 github 连接，运行其上的 python 代码或者展示其上笔记。
注册帐号
因为网络问题，建议使用github帐号登录streamlit。
发布应用

打开：https://share.streamlit.io/
点New App按钮
选：Paste GitHub URL
然后将自己github中的代码地址复制到框内
点Deploy后，即可在网页中看到运行后的代码效果

管理应用
在已创建的 app 右测点Setting，在 Who can view this app 中选：This app is visible to anyone with the link，程序即可被所有用户访问。
参考官网
streamlit开发手册
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）