将数据分析通过Python和Streamlit_Web应用程序化

思维导图

是什么

Streamlit 是一款可以在 Python 上使用的 Web 应用创建工具。Python 是目前最受欢迎的编程语言之一，由于其直观的操作性和适用于广泛领域的特点，也受到初学者的喜爱。特别是在人工智能 (AI) 和数据科学等主要开发工具方面，近年来非常受欢迎。

https://streamlit.io/

Docker部署

在Dockerfile中：

FROM python:3.9WORKDIR /optRUN pip install --upgrade pipRUN pip install numpy==1.21.0 \    pandas==1.3.0 \    Scikit-learn==0.24.2 \    plotly==5.1.0 \    matplotlib==3.4.2 \    seaborn==0.11.1 \    streamlit==0.84.1WORKDIR /work

运行

$ docker run -D 8888:8888 ~/sample/:/work (IMAGE D) bash

基本功能介绍

https://docs.streamlit.io/en/stable/

st.table()

是用来显示pandas数据框（DataFrame）结构数据的表格。静态意味着只能显示内容。

st.dataframe()

可以动态显示数据

dataframe 示例

np.power()函数对Y的值进行平方操作

line_chart折线图

st.line_chart(data=df)st.line_chart(data=df, width=5, heigth=5)

area_chart填充折线图

以填充颜色的折线图形式

bar_chart柱状图

st.bar_chart(data=df)可以简单地绘制柱状图

st.pyplot

使用 matplotiib 库的 pyplot 模块创建的实例

散点图

由于matplotlib非常强大，因此使用st.pyplotO可以做到几乎所有的事情。

交互功能

selectbox

multiselect

st.columns

将屏幕垂直分割为多个部分，并在每个部分中设置显示面板的函数。

radio

number_input

st.sidebar.element name

除了常规的主面板之外，使用侧边栏可以实现丰富的设计。为了在侧边栏中设置面板，我们使用st.sidebar模块。

示例

多元回归分析是一种假设目标变量和解释变量之间存在线性关系的分析方法。当解释变量只有一个时称为简单回归分析，而当有多个变量时称为多元回归分析。我们将使用scikit-learn来实现多元回归分析。scikit-learn是一种可供Python使用的外部库，用于机器学习和统计分析。

scikit-learn是一种可供Python使用的外部库，用于机器学习和统计分析。它常常具有许多功能，从简单的深度学习到完整的机器学习和统计分析，许多人使用该库。

用matplotliib。使用绘画时，请勿使用seabom，只使用它来美化图表布局。只需写下以下1行，seabom的设置就完成了。

https://github.com/caron14/streamlit_LinearRegression

sns.set()

docker run -it -p 8888:8888 -v ./:/work (IMAGE ID) bash

docker run -it -p 8888:8888 -v /Users/yeedomliu/Documents/website/streamlit_LinearRegression:/work 9992cf186b93 bash

markdown