如何使用Streamlit快速创建仪表盘？

上文有快速带大家了解streamlit,因为工作需要，这两天尝试构建了仪表盘，也就是咱们常说的Dashboard，本篇文章将教你如何使用 Streamlit 快速创建一个简单的仪表盘。

前言

Streamlit 可以帮助你轻松创建自定义的数据可视化、互动图表和表格，还能让你通过网络浏览器与他人共享你的作品。它提供了一种简单直观的方法来构建你的网络应用，无需使用 HTML、CSS 或 JavaScript。 在正式开始之前，请确保你已经正确安装了streamlit。

shell pip install streamlit

在接下来的示例中，我们将创建一个仅包含2个图表和一些用于更改这些图表的小部件的简单仪表板。我认为通过下面的例子非常适合初次接触Streamlit并且希望使用它创建仪表板的人。

创建仪表盘

首先我们先看看实现后的效果吧！

在下面，我们为您提供了仪表板的代码。

```python import streamlit as st
import pandas as pd
import pandasbokeh
from sklearn.datasets import loadwine

st.setpageconfig(layout="wide") ## Set layout wide to cover whole page.

Load Data

@st.cachedata
def loaddata():
wine = loadwine()
winedf = pd.DataFrame(wine.data, columns=wine.featurenames)
winedf["WineType"] = [wine.targetnames[t] for t in wine.target]
return winedf

winedf = loaddata()
ingredients = wine_df.drop(columns=["WineType"]).columns

avgwinedf = winedf.groupby("WineType").mean().resetindex()

Title

st.title("Wine Dataset :green[Analysis] :tea: :coffee: :chart: :barchart:")
st.markdown(
"Wine Analysis dashboard let us explore relationship between various ingredients used in creation of 3 different types of wine (*Class0, Class1, & Class2*)")

Add Widgets

st.sidebar.markdown("### Scatter Chart: Explore Relationship Between Ingredients :")

xaxis = st.sidebar.selectbox("X-Axis", ingredients, )
yaxis = st.sidebar.selectbox("Y-Axis", ingredients, index=1)
color_encode = st.sidebar.checkbox(label="Color-Encode by WineType")

st.sidebar.markdown("### Bar Chart: Average Ingredients Per Wine Type : ")

barmultiselect = st.sidebar.multiselect(label="Bar Chart Ingredients", options=ingredients,
default=["alcohol", "malicacid", "ash"])

Widgets State Change Actions & Layout Adjustments.

container = st.container()
chart1, chart2 = container.columns(2)

with chart1:
if xaxis and yaxis:
scatterfig = winedf.plotbokeh.scatter(x=xaxis, y=yaxis, category="WineType" if colorencode else None,
xlabel=xaxis.capitalize(), ylabel=yaxis.capitalize(),
title="{} vs {}".format(xaxis.capitalize(), yaxis.capitalize()),
figsize=(650, 500),
fontsizetitle=25, fontsizelabel=12, showfigure=False)
st.bokehchart(scatterfig, usecontainer_width=True)

with chart2:
if barmultiselect:
st.header("Avg Ingredients")
st.barchart(avgwinedf, x="WineType", y=barmultiselect, height=500, usecontainer_width=True)

```

代码首先使用 setpageconfig() 函数将页面布局设置为 "wide"。

接着，它使用 'sklearn.datasets' 模块中的 loadwine() 函数加载葡萄酒数据集，并将其转换为 Pandas DataFrame。然后，使用 "@st.cachedata" 装饰器缓存数据，这样可以在应用程序的后续运行中更快地加载数据。

接下来，代码创建了一个带有小部件的侧边栏，用户可以通过这些小部件选择散点图的 x 和 y 轴，以及是否通过葡萄酒类型对点进行颜色编码。它还包括一个多选小部件，用于选择在每种葡萄酒类型的平均成分值的柱状图中包含哪些成分。

仪表板的主体部分使用 streamlit.container 模块中的 columns() 函数分为两列。

在左列中，使用 pandasbokeh 模块中的 plotbokeh.scatter() 函数显示散点图，该函数生成一个交互式散点图。图表基于用户选择的 x 和 y 轴，如果选择了颜色编码，可以通过葡萄酒类型对点进行颜色编码。

右列显示了每种葡萄酒类型的平均成分值的柱状图，这是根据用户选择要包含哪些成分而生成的。

最后，代码使用 Streamlit 库中的 st.bokehchart() 和 st.barchart() 函数分别在左列和右列中显示图表。streamlit 方法 st.barchart() 使用数据可视化库 Altair 创建图表。usecontainer_width=True 参数确保图表填充其各自列中的可用空间。