Streamlit库的相关函数用法汇总

Streamlit库的相关函数用法汇总

streamlit.file_uploader

在这里插入图片描述

streamlit.file_uploader(label, type=None, accept_multiple_files=False, key=None)

参数详解:

label:文件上传器的标签,显示在上传按钮的旁边。
type:可选的文件类型,用于限制用户可以上传的文件类型。它可以是一个字符串或者字符串列表,例如type="image/*"表示只允许上传图片文件,type=[".csv", ".txt"]表示只允许上传CSV和文本文件。
accept_multiple_files:一个布尔值,指示是否允许用户上传多个文件。默认为False。
key:用于Streamlit的响应性重建的关键字。如果您在一个应用中有多个文件上传器,您可能需要为它们指定唯一的键以确保正确的响应性行为。

用法举例:

import streamlit as st

# 创建文件上传器,允许上传单个文件,限制为CSV文件
uploaded_file = st.file_uploader("上传CSV文件", type=["csv"])

# 如果用户上传了文件
if uploaded_file is not None:
    # 读取上传的CSV文件
    df = pd.read_csv(uploaded_file)
    # 在Streamlit中显示DataFrame
    st.write(df)

在上述示例中,我们创建了一个文件上传器,允许用户上传单个CSV文件。如果用户上传了文件,我们使用pd.read_csv函数读取上传的CSV文件,并使用st.write函数在Streamlit应用程序中显示DataFrame。

当需要上传多个文件时,代码如下所示:↓↓↓

uploaded_content_file = st.file_uploader("上传待合成内容图像",accept_multiple_files=True , type="jpg",on_change=temp)
# 如果用户上传了图片
if uploaded_content_file is not None:      
    # 遍历每个上传的文件对象
    for uploaded_file in uploaded_content_file:
        # 获取图片内容
        image_data = uploaded_file.read()
        # 在Streamlit中显示图片
        st.image(image_data, caption='Uploaded Image.', use_column_width=True)

streamlit.image

在这里插入图片描述

streamlit.image(image, caption=None, width=None, use_column_width=False, clamp=False, channels='RGB', format='JPEG')

参数详解:

image:要显示的图像。可以是图像的URL、本地文件路径、图像数据的字节流或者Numpy数组。
caption:图像的标题,显示在图像下方。
width:图像的宽度,可以是像素值或者百分比。
use_column_width:如果设置为True,图像的宽度将自动调整为当前列的宽度。
clamp:如果设置为True,当图像宽度大于屏幕宽度时,图像将被剪切以适应屏幕。
channels:图像的颜色通道,默认为RGB。
format:图像的格式,默认为JPEG。

用法举例:

import streamlit as st

# 显示本地图片
image_path = "example.jpg"
st.image(image_path, caption="Example Image", use_column_width=True)

# 显示远程图片
image_url = "https://example.com/example.jpg"
st.image(image_url, caption="Remote Image", use_column_width=True)

  • 5
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
`streamlit` 是一个 Python ,它可以帮助你快速构建数据可视化应用程序。使用 `streamlit`,你可以通过简单的 Python 代码创建交互式应用程序,而无需了解任何前端开发知识。 `streamlit` 的主要特点包括: - 以 Python 为基础,代码简单易懂,易于上手。 - 自带数据可视化组件,如表格、图表、地图等,可以直接调用。 - 可以与主流的 Python 数据科学(如 Pandas、NumPy、Scikit-learn 等)完美集成,方便进行数据处理和机器学习任务。 - 支持实时应用程序,可以通过自动重载功能实时更新应用程序,方便开发调试。 下面是一个简单的 `streamlit` 示例,它可以绘制一个简单的折线图: ```python import streamlit as st import pandas as pd import matplotlib.pyplot as plt # 加载数据 data = pd.read_csv("data.csv") # 绘制折线图 fig, ax = plt.subplots() ax.plot(data["x"], data["y"]) ax.set_xlabel("x") ax.set_ylabel("y") st.pyplot(fig) ``` 在这个示例中,我们首先通过 Pandas 加载了一个数据集,然后使用 Matplotlib 绘制了一个折线图。最后,我们使用 `st.pyplot` 函数将图表显示在 `streamlit` 应用程序中。 除了自带的组件外,`streamlit` 还支持自定义组件。你可以使用 `streamlit` 中的 `@st.cache` 装饰器来缓存计算结果,以提高应用程序的性能。`streamlit` 还支持多个用户之间的协作开发,并支持在云端部署应用程序。 总之,`streamlit` 是一个非常方便的 Python ,可以帮助你快速构建数据可视化应用程序。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值