Python数据分析师使用低代码Streamlit实现Web数据可视化方法——入门篇

谁能帮你不用懂得复杂的HTML、JavaScript、CSS等前端技术就能快速做出来一个炫酷的Web APP，把数据分析结果可视化呈现出来？本文推荐Python界新秀，高速发展的开源Web框架Streamlit，以及Python界较优秀交互式可视化工具Plotly。

1. Streamlit入门

1.1. 什么是Streamlit？

让python代码快速生成web app是很多AI算法工程师们的需求，2019年新兴的这个streamlit项目能帮你解决类似的问题。Python应用程序框架Streamlit，是一个开源的Python库，在github（https://github.com/streamlit/streamlit）上超过17.2千颗stars（截止2022.1.11），利用Streamlit可以快速构建机器学习应用和高级数据分析可视化的用户界面。

Streamlit官方帮助文档为https://docs.streamlit.io/。

使用简单的pip安装：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple Streamlit

在命令行窗口，输入命令启动Demo服务：

streamlit hello

本地默认端口为8501。

1.2. 画个图

写段Python代码，文件名为quickstart.py：

import streamlit as st
import pandas as pd
import numpy  as np

chart_data = pd.DataFrame(
    np.random.randn(20, 3),
    columns=['线条1', '线条2', '线条3'])

st.markdown('#### 画图')
st.line_chart(chart_data)

st.markdown('''
    #### 代码
    
        chart_data = pd.DataFrame(
            np.random.randn(20, 3),
            columns=['线条1', '线条2', '线条3'])
        
        st.line_chart(chart_data)
''')

在命令行下，并且在代码的目录下，输入命令streamlit run 代码文件名。

streamlit run quickstart.py

注：必须在命令行下运行streamlit run命令，在集成开发工具上不行。

简而言之，Streamlit的工作方式如下：

• 对于用户的每一次交互，整个脚本从头到尾执行一遍；
• Streamlit基于UI组件的状态给变量赋值；
• 缓存让Streamlit可以避免重复请求数据或重复计算；

2. 关于plotly

Plotly 是一个非常强大的开源数据可视化框架，它通过构建基于 HTML 的交互式图表来显示信息，可创建各种形式的精美图表。本文所说的 Plotly 指的是 Plotly.js 的 Python 封装，plotly本身是个生态非常复杂的绘图工具，它对很多编程语言提供接口。

安装通过 pip 进行即可。

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple plotly

Plotly Python 其对应的官网为https://plotly.com/python/，上面有一些教程和官方API接口的查询。Plotly 是绘图基础库，它可以深度定制调整绘图，但是 API 复杂学习成本较高。一般plotly开发，使用 Jupyter 本地绘图。

Plotly_exprress 则是对 Plotly 的高级封装，上手容易，它对 Plotly 的常用绘图函数进行了封装。缺点是没有 plotly 那样自由度高。

3. 在Streamlit上绘制一个Plotly图

Streamlit支持多种可视化工具，包括：Matplotlib、bokeh、Seaborn、Plotly、PyDeck等，对于Plotly可视化库，使用st.plotly_chart()接口实现。

import streamlit as st
import plotly.express as px
import pandas as pd

df = px.data.gapminder()
st.write('欢迎使用Plotly express可视化库！')

fig = px.scatter(df.query("year==2007"), x="gdpPercap", y="lifeExp",
          size="pop", color="continent",
                 hover_name="country", log_x=True, size_max=60)
# Plot the data
st.markdown("#### Bubble Charts 图例")
st.plotly_chart(fig)
st.markdown("#### 参考代码")
code = '''
        采用高度集成的plotly.express，代码比较简单:
    
            st.write('欢迎使用Plotly express可视化库！')

            fig = px.scatter(df.query("year==2007"), x="gdpPercap", y="lifeExp",
                      size="pop", color="continent",
                             hover_name="country", log_x=True, size_max=60)
                             
            st.plotly_chart(fig)                 
'''
st.markdown(code)

通过上述过程，数据分析工程师可以在不掌握前段可视化技术的情况下，就像使用Matplotlib、Seaborn一样可视化分享研究成果。

参考：

[1]. 周先森爱吃素. Plotly基础教程. CSDN博客. 2020.10
[2]. 地学小哥. 03_Streamlit试用体会.简书. 2020.02