1 基本介绍
Streamlit 是一个 Python 库，能够用于使用 Python 创建可交互的、数据驱动的网页应用
pip install streamlit # 安装
streamlit hello # 测试安装是否成功
启动命令：streamlit run your_script.py [-- script args]
快速上手：Streamlit 快速上手
常用技巧：
- 点击页面右上角配置”始终重新运行“，这样代码修改后页面会自动更新
- 针对计算量大的函数可添加
@st.cache装饰器实现结果缓存 - 通过在
pages目录中添加.py文件来实现页面的添加和多页面的管理 - 文件的名称会自动成为对应页面的
label（可用于页面间跳转） - 不同页面之间的Python模块是全局共享的（包含已设定的变量）
- 使用
components.html()和components.iframe()显示HTML或Python图表
2 高级功能
- 功能菜单（页面右上角）：重启、主题、打印、录频、清除缓存、部署应用
- 按钮行为和示例：
- 按钮适合瞬态信息与单击的进程，不适合嵌套等场景
- 按钮的状态值保存——需要借助
st.session_state来存储相关信息 - 多个按钮之间存在依赖关系时，也需要借助
st.session_state来管理每个步骤 - 联动（比如动态添加）其他小组件时，请确保使用索引来保持键的唯一性
st.session_state的存储信息会提供给当前会话的用户；st.cache_data的存储信息会提供给所有会话的用户；存储的信息需要先清除才能实现更新
- 缓存 Caching：
st.cache_data适合缓存数据或大部分Python对象（常用，在不同会话间不共享）st.cache_resource适合缓存全局资源（比如模型或数据库连接，在不同会话间共享）- 建议在应用中缓存所有的SQL查询或API结果；不同数据源的连接方法：示例
st.cache_data(ttl=3600, max_entries=1000)，缓存时效为3600 秒，最大缓存条数为1000- 参数
show_spinner可以用于设定缓存函数激活时的页面显示文本：“正在获取数据...” - 在参数名称前面加上下划线（例如，
_param1），它就不会用于（也不会影响）缓存 - 缓存机制要求参数满足哈希性，对于个别情况需要使用
hash_funcs参数单独进行哈希化 - 在处理非常大（亿级）的数据，建议使用
st.cache_resource（无序列化和反序列化操作）除此之外，缓存机制还可能存在复制、并发、迁移等场景下的注意事项
- 命令行界面：使用
streamlit --help查看常见命令 - 配置
.streamlit/config.toml是全局配置文件（优先级低）- 也可以通过
STREAMLIT_*环境变量来实现配置（优先级中） - 还可以在
streamlit run时添加相关配置（优先级高）
- 主题：默认 Streamlit Light 主题
- 数据连接：支持常见SDK，简单易用，具备私密安全性
- 数据框 Dataframe
- 基本显示功能：排序、调整大小、全屏、搜索、下载、复制
- 支持数据编辑：添加/删除、复制粘贴、批量编辑、输入验证
- 列的特殊配置：支持选择框、日期、链接、图像、基础图表等类型
- 其他：可处理大型数据集（百万级）、传输限制、服务器/浏览器内存限制
- 局限性：数据编辑仅支持部分类型；数据量大于15w时停用排序功能
- 表单 Forms：必须包含提交按钮；不支持表单的嵌套
- 会话状态：用于不同用户会话之间的变量共享
- 小组件行为：将用户的信息传递到 Python 代码中
- 预发布功能：以
experimental_为前缀的功能（可能随时更改或删除） - 使用时区：使得日期或时间信息根据用户的时区调整
- 静态文件服务：存储在
./static/文件夹，可托管和提供小型静态媒体文件 - HTTPs支持：建议使用反向代理或负载平衡来支持自托管和生产用例
- 加密管理：使用 TOML 格式在本地存储密钥（或者存储在外部）
3 第三方组件
- Pygwalker（7K ⭐）：类似于Tableau的交互式BI工具
- HiPlot（2K ⭐）：轻量级的交互式可视化工具（同上）
- WebRTC （937⭐）：目标检测相关的模型演示
- Authenticator（782⭐）：身份验证器，添加账号登录功能
- NLU （727⭐）：集成很多NLU项目的文本挖掘功能
- streamlit-pandas-profiling（256⭐）：表格数据自动化探索
- Stqdm（171⭐）：在Steamlit中实现类似tqdm的进度条功能
- streamlit-shap（56⭐）：实现针对模型的SHAP分析