一种更快构建和分享数据应用的方式
在几分钟内将你的数据脚本变成可分享的 Web 应用。
全部使用纯 Python。无需前端经验。
全部使用纯 Python。无需前端经验。
播放
通过以下方式了解更多
Streamlit YouTube 速成课程受到超过 90% 财富 50 强公司的信任
截至 2024-11-15
不到一分钟即可开始使用
Streamlit 是一个开源应用框架，入门非常简单。只需像安装其他 Python 库一样安装它即可
Streamlit 基于
三个简单原则
拥抱脚本编写
使用我们神奇简单的 API，用几行代码构建一个应用。然后随着你迭代保存源文件，它会自动更新。
MyApp.py
- import streamlit as st
- import pandas as pd
- st.write("""
- # My first app
- Hello *world!*
- """)
- df = pd.read_csv("my_data.csv")
- st.line_chart(df)
我的应用 • Streamlit
我的第一个应用
你好世界！
融入交互
添加组件就像声明变量一样简单。无需编写后端、定义路由、处理 HTTP 请求、连接前端、编写 HTML、CSS、JavaScript 等。
即时部署
构建强大的应用
被世界顶尖的数据科学团队使用
Neil Treat
Google X
“在编写生产级代码的同时生成可分享的成果。”
Kevin Zielnicki
Stitch Fix
“...一个分享机器学习模型和分析的好方法。”
Emmanuel Ameisen
Insight Data Science
“Streamlit 连接了实验和生产。”
Dominik Moritz
Vega-Lite
“这是机器学习和数据科学工具的下一步。”
Danny Nguyen
Yelp
“Streamlit 应用更容易构建和迭代。”
Koen Havlik
Uber
“Streamlit 让构建数据应用变得大众化。”
以及...
兼容
几乎所有！
借助Streamlit Components，甚至可以兼容更多！
构建你自己的，与社区分享，沐浴在荣耀中。
构建你自己的，与社区分享，沐浴在荣耀中。
看看开发者为何
Streamlit
我对
@streamlit 非常非常满意。我用它为一个复杂的 Web 应用构建了一个可点击的原型。结果比我能找到的其他任何东西都更快、更灵活。强烈推荐！
#python#streamlit#prototyping
@streamlit，你到底在哪里呀，我找了你一生！
如果你从事机器学习并处理数据，
@streamlit 将为你的工作注入活力。
@streamlit 是多么棒的库啊!!!!!! 如此高效、简单和灵活。
从编码到部署只用了两天（因为对我来说是新的）。
也许我应该加油，用它做更多项目。
今天试用了
@streamlit，相信我，我后悔花那些时间用 HTML 和 Javascript 为我的算法演示构建 Web 应用。
它是用 Python 创建 Web 应用并展示工作的最快、最简单的方式之一#Python#MachineLearning
过去一周我用
@streamlit 把一些高级模型和可视化带给了一个非技术团队。构建和部署非常容易，最终产品也令人印象深刻。
说实话，仔细想想，我觉得这就像 2013 年的 IPython Notebooks 一样是颠覆性的。https://twitter.com/calogica/status/1180844807259734016
我花了一天时间玩 Streamlit，它就像 Python 的 Shiny，这是我的初步评价：
非常棒。
今晚我用
@streamlit 和@plotlygraphs 组装了这个简单的 PCA 仪表盘。Streamlit 用起来太舒服了，绝对是我仪表盘需求的首选https://github.com/benjaminjack/streamlit-pca
#datascience
@streamlit 的热度是真实的，这个应用一夜之间就从零到部署！#python#DataScience https://nba-roster-turnover.herokuapp.com/
使用
@streamlit，很长时间以来，或者说有史以来第一次，我在为#DataScience 用例编写 UI/演示代码时没有小声咒骂。天哪，这甚至令人愉快！他们做对了 Jupyter Notebooks 做错的一切。
在构建端到端
#MachineLearning#webapps 中，我的时间分配是
实际逻辑和 ML 部分：20 %
前端：80%
有了@streamlit 之后，时间分配变成了
逻辑和 ML 部分：100%@streamlit 我
Streamlit 是数据科学家的福音。毫无疑问。它不仅帮助他们构建机器学习 Web 应用，还能方便地向利益相关者、客户和同事（尤其是非技术人员）分享和演示他们的模型。
我在
@streamlit 中构建这个仪表盘（数据是虚拟的）布局花了大约 1 小时。使用了默认的 Streamlit 组件。我想用 HTML/JS 的话需要 10 倍的时间。现在我可以专注于功能，而不是 div 对齐
代码：https://github.com/katanaml/sparrow/tree/main/sparrow-ui
Streamlit
这个太令人印象深刻了。以最简单的方式创建和部署数据驱动的 Web 应用。这些应用看起来很棒，易于更新，甚至可以交互。去看看吧：https://streamlit.net.cn/
本周我刚刚使用
@streamlit 构建了一个实时动画地图
本周之前我从未听说过它们，但从想法->数据->可视化 的速度令人印象深刻
每个新的
@streamlit 版本都像圣诞节一样
我刚刚发现了有史以来创造的最美妙的东西。
@streamlit 我太爱你了
没有麻烦，没有复杂，没有戏剧
就像梦想一样，直接就能用
啊……我都要哭了
机器学习变得有趣多了
Streamlit 真是天堂般的美丽，它的简单性可以在 2 秒内用 Python 创建仪表盘
说实话，我每周花在
@streamlit 上的时间是我最喜欢的。
将机器学习模型投入生产是你机器学习项目生命周期中必不可少的一部分。
在这方面，我发现 Streamlit 非常有效和实用，更不用说它有多有趣了。
我对
@streamlit 非常非常满意。我用它为一个复杂的 Web 应用构建了一个可点击的原型。结果比我能找到的其他任何东西都更快、更灵活。强烈推荐！#python#streamlit#prototyping
@streamlit，你到底在哪里呀，我找了你一生！
如果你从事机器学习并处理数据，
@streamlit 将为你的工作注入活力。
@streamlit 是多么棒的库啊
从编码到部署只用了两天（因为对我来说是新的）。
也许我应该加油，用它做更多项目。
今天试用了
@streamlit，相信我，我后悔花那些时间用 HTML 和 Javascript 为我的算法演示构建 Web 应用。
它是用 Python 创建 Web 应用并展示工作的最快、最简单的方式之一#Python#MachineLearning
过去一周我用
@streamlit 把一些高级模型和可视化带给了一个非技术团队。构建和部署非常容易，最终产品也令人印象深刻。
说实话，仔细想想，我觉得这就像 2013 年的 IPython Notebooks 一样是颠覆性的。https://twitter.com/calogica/status/1180844807259734016
我花了一天时间玩 Streamlit，它就像 Python 的 Shiny，这是我的初步评价：
非常棒。
今晚我用
@streamlit 和@plotlygraphs 组装了这个简单的 PCA 仪表盘。Streamlit 用起来太舒服了，绝对是我仪表盘需求的首选#datascience
@streamlit 的热度是真实的，这个应用一夜之间就从零到部署！#python#DataScience https://nba-roster-turnover.herokuapp.com/
使用
@streamlit，很长时间以来，或者说有史以来第一次，我在为#DataScience 用例编写 UI/演示代码时没有小声咒骂。天哪，这甚至令人愉快！他们做对了 Jupyter Notebooks 做错的一切。
在构建端到端
#MachineLearning#webapps 中，我的时间分配是
实际逻辑和 ML 部分：20 %
前端：80%
有了@streamlit 之后，时间分配变成了
逻辑和 ML 部分：100%@streamlit 我
Streamlit 是数据科学家的福音。毫无疑问。它不仅帮助他们构建机器学习 Web 应用，还能方便地向利益相关者、客户和同事（尤其是非技术人员）分享和演示他们的模型。
我在
@streamlit 中构建这个仪表盘（数据是虚拟的）布局花了大约 1 小时。使用了默认的 Streamlit 组件。我想用 HTML/JS 的话需要 10 倍的时间。现在我可以专注于功能
代码：https://github.com/katanaml/sparrow/tree/main/sparrow-ui
这个太令人印象深刻了。以最简单的方式创建和部署数据驱动的 Web 应用。这些应用看起来很棒，易于更新，甚至可以交互。去看看吧：https://streamlit.net.cn/
本周我刚刚使用
@streamlit 构建了一个实时动画地图
本周之前我从未听说过它们，但从想法->数据->可视化 的速度令人印象深刻
每个新的
@streamlit 版本都像圣诞节一样
我刚刚发现了有史以来创造的最美妙的东西。
@streamlit 我太爱你了
没有麻烦，没有复杂，没有戏剧
就像梦想一样，直接就能用
啊……我都要哭了
机器学习变得有趣多了
Streamlit 真是天堂般的美丽，它的简单性可以在 2 秒内用 Python 创建仪表盘
说实话，我每周花在
@streamlit 上的时间是我最喜欢的。
将机器学习模型投入生产是你机器学习项目生命周期中必不可少的一部分。
在这方面，我发现 Streamlit 非常有效和实用，更不用说它有多有趣了。
我对
@streamlit 非常非常满意。我用它为一个复杂的 Web 应用构建了一个可点击的原型。结果比我能找到的其他任何东西都更快、更灵活。强烈推荐！#python#streamlit#prototyping
@streamlit，你到底在哪里呀，我找了你一生！
如果你从事机器学习并处理数据，
@streamlit 将为你的工作注入活力。
@streamlit 是多么棒的库啊
从编码到部署只用了两天（因为对我来说是新的）。
也许我应该加油，用它做更多项目。
今天试用了
@streamlit，相信我，我后悔花那些时间用 HTML 和 Javascript 为我的算法演示构建 Web 应用。
它是用 Python 创建 Web 应用并展示工作的最快、最简单的方式之一#Python#MachineLearning
过去一周我用
@streamlit 把一些高级模型和可视化带给了一个非技术团队。构建和部署非常容易，最终产品也令人印象深刻。
说实话，仔细想想，我觉得这就像 2013 年的 IPython Notebooks 一样是颠覆性的。https://twitter.com/calogica/status/1180844807259734016
我花了一天时间玩 Streamlit，它就像 Python 的 Shiny，这是我的初步评价：
非常棒。
今晚我用
@streamlit 和@plotlygraphs 组装了这个简单的 PCA 仪表盘。Streamlit 用起来太舒服了，绝对是我仪表盘需求的首选#datascience
@streamlit 的热度是真实的，这个应用一夜之间就从零到部署！#python#DataScience https://nba-roster-turnover.herokuapp.com/
使用
@streamlit，很长时间以来，或者说有史以来第一次，我在为#DataScience 用例编写 UI/演示代码时没有小声咒骂。天哪，这甚至令人愉快！他们做对了 Jupyter Notebooks 做错的一切。
在构建端到端
#MachineLearning#webapps 中，我的时间分配是
实际逻辑和 ML 部分：20 %
前端：80%
有了@streamlit 之后，时间分配变成了
逻辑和 ML 部分：100%@streamlit 我
Streamlit 是数据科学家的福音。毫无疑问。它不仅帮助他们构建机器学习 Web 应用，还能方便地向利益相关者、客户和同事（尤其是非技术人员）分享和演示他们的模型。
我在
@streamlit 中构建这个仪表盘（数据是虚拟的）布局花了大约 1 小时。使用了默认的 Streamlit 组件。我想用 HTML/JS 的话需要 10 倍的时间。现在我可以专注于功能
代码：https://github.com/katanaml/sparrow/tree/main/sparrow-ui
这个太令人印象深刻了。以最简单的方式创建和部署数据驱动的 Web 应用。这些应用看起来很棒，易于更新，甚至可以交互。去看看吧：https://streamlit.net.cn/
本周我刚刚使用
@streamlit 构建了一个实时动画地图
本周之前我从未听说过它们，但从想法->数据->可视化 的速度令人印象深刻
每个新的
@streamlit 版本都像圣诞节一样
我刚刚发现了有史以来创造的最美妙的东西。
@streamlit 我太爱你了
没有麻烦，没有复杂，没有戏剧
就像梦想一样，直接就能用
啊……我都要哭了
机器学习变得有趣多了
Streamlit 真是天堂般的美丽，它的简单性可以在 2 秒内用 Python 创建仪表盘
说实话，我每周花在
@streamlit 上的时间是我最喜欢的。
将机器学习模型投入生产是你机器学习项目生命周期中必不可少的一部分。
在这方面，我发现 Streamlit 非常有效和实用，更不用说它有多有趣了。
在企业环境中部署
在 Snowflake 中试试 Streamlit。在浏览器中编写代码，使用 Git 协作，一键部署。拥有 Snowflake 的安全性和可靠性。