Denne bloggen vil demonstrere:
Hvordan hente data i Streamlit fra kildekode?
I Streamlit kan data hentes fra forskjellige kilder som databaser, eksterne filer, Python-skript eller kildefiler. Streamlit gjør oss også i stand til å hente applikasjonsdata eller resultater generert programmatisk i forskjellige former. For å hente data i Streamlit i datarammer eller søylediagrammer, følg demonstrasjonen nedenfor.
Trinn 1: Naviger til Project Directory
Naviger først til prosjektkatalogen gjennom ' cd
cd C:\Users\Dell\Documents\Streamlit Tutorial
Merk : Å jobbe i et virtuelt miljø anses som en god tilnærming da det isolerer Python, pip og alle andre pakker og biblioteker. For å installere og sette opp et virtuelt miljø, gå gjennom vår koblede artikkel ' Aktiver virtuelt miljø '.
Trinn 2: Opprett og aktiver virtuelt miljø
For å lage et nytt virtuelt miljø for det nåværende prosjektet, bruk ' virtualenv
For demonstrasjon har vi laget ' strømlitenv ':
Deretter aktiverer du det nyopprettede virtuelle miljøet i prosjektkatalogen ved å bruke kommandoen nedenfor:
streamlitenv\Scripts\activate
Trinn 3: Installer Streamlit
Installer deretter Streamlit Python-biblioteket ved hjelp av ' pip ” pakkeforvalter. For dette formålet, bruk kommandoen nedenfor:
Trinn 4: Lag Python-skript
Deretter oppretter du en ny fil med navnet ' Demo.py ” og angi utvidelsen som «.py» . Deretter limer du inn utdraget nedenfor i filen:
import strømbelyst som st
st.tittel ( 'Studenter resultat' )
@ st.cache_data
def load_data ( ) :
komme tilbake pd.DataFrame (
{
'Navn' : [ 'Jazzy' , 'Gifte seg' , 'Maria' , 'Jenny' ] ,
'merker' : [ 40 , 43 , femti , Fire fem ] ,
}
)
df = last_data ( )
st.dataramme ( df )
st.bar_chart ( df )
Beskrivelsen av koden ovenfor er som følger:
- Først importerer du de nødvendige bibliotekene som ' pandaer ' for å lage datarammer og ' strømbelyst ” for å hente og visualisere dataene.
- Angi tittelen for en nettside ved å bruke ' st.tittel '.
- Definer ' last_data() ”-metoden som returnerer den statiske datarammen.
- I datarammen har vi satt elevenes navn og merker.
- Kall opp 'load_data()'-metoden og lagre returverdien i ' df variabel.
- Vis nå dataene i Streamlit-representerbar form som ' Dataramme ' og ' søyle diagram '.
Trinn 5: Hent data i Streamlit
Kjør nå Python-skriptet i Streamlit ved å bruke kommandoen nedenfor:
Utdataene viser at Python-skriptet kjører på localhost-porten ' 8501 ':
For bekreftelse, naviger til ' lokal vert: 8501 ” URL i nettleseren og sjekk om data hentes i Streamlit eller ikke. Resultatet nedenfor viser at vi har hentet dataene fra kildekoden og vist dem i ' Dataramme ' og ' stolpediagram ':
Hvordan hente data i Streamlit fra en ekstern fil?
I strømbelyst kan brukere lese data fra forskjellige kilder. For å lese data fra en ekstern fil som en CSV-fil, gå gjennom den medfølgende demonstrasjonen.
Trinn 1: Lag et program for å lese data fra fil
Først lager du en enkel Python-fil med «.py» Utvidelse. For eksempel har vi laget «Demo1.py» . Deretter limer du inn utdraget nedenfor i filen:
import strømbelyst som st
st.tittel ( 'Hent data i Streamlit' )
Cars_data = pd.read_csv ( r 'C:\Users\Dell\Documents\Streamlit Tutorial\Cars.csv' )
st.write ( Biler_data )
I koden ovenfor:
- ' pandaer '-biblioteket vil bli brukt til å lese data fra filer og ' strømbelyst ” vil vise data i representativ form.
- Her, ' read_csv() ” brukes til å lese eller hente data fra den angitte banen som sendes i parentes.
- De 'skrive()' metoden brukes til å vise data på strømbelyst.
Trinn 2: Kjør Python-skriptet
Kjør nå programfilen med strømbelyst gjennom den nevnte kommandoen:
Her viser utgangen at programmet kjører på localhost-porten ' 8501 ':
Åpne nettleseren, naviger til ' lokal vert: 8501 ” URL, og sjekk om data er hentet fra en fil i Streamlit eller ikke. Utdataene viser at vi har hentet dataene fra CSV-filen i Streamlit:
Det handler om å hente data i Streamlit.
Konklusjon
For å hente data i Streamlit, installer først Streamlit-biblioteket. Etter det, importer pandaene og strømbelyste biblioteket. Bruk 'pandas' pythons bibliotek til å lese, rense eller hente dataene. Deretter kan du bruke de strømbelyste komponentene som datarammer, bar_charts og histogrammer for å vise data. Etter det, kjør Python-skriptet ved å bruke 'strømbelyst kjøring