Streamlit：数据应用的快速建造者
markdown
复制
Streamlit：数据应用的快速建造者
大家好，我是猿小哥！今天咱们来聊一聊一个超级炫酷的Python库——Streamlit。它就像是数据应用开发界的“乐高积木”，让我们能轻松快速地搭建出漂亮实用的Web应用。无论你是数据分析师、机器学习工程师，还是Python爱好者，Streamlit都能让你的创意快速变成现实。准备好了吗？让我们开始这段有趣的Streamlit之旅吧！
## Streamlit是什么？
Streamlit是一个开源的Python库，专门用于创建数据科学和机器学习的Web应用。它的口号是“在几小时内将数据脚本转变为可共享的Web应用”。听起来是不是很厉害？没错，它就是这么强大！
使用Streamlit，你只需要懂Python，不需要了解HTML、CSS或JavaScript，就能创建出漂亮的交互式Web应用。这对我们这些专注于数据和算法的小伙伴来说，简直是福音啊！
## 为什么选择Streamlit？
1. **简单易学**：如果你会Python，那么你就已经会用Streamlit了。
2. **快速开发**：几行代码就能创建一个应用，效率超高。
3. **实时更新**：修改代码后，应用会自动刷新，开发体验超棒。
4. **丰富的组件**：从简单的文本到复杂的图表，Streamlit都能轻松搞定。
## 开始我们的Streamlit之旅
我们需要安装Streamlit。打开你的终端，输入以下命令：
```bash
pip install streamlit
安装完成后，让我们创建一个简单的应用来体验一下Streamlit的魔力吧！
第一个Streamlit应用
创建一个名为first_app.py的文件，输入以下代码：import streamlit as st
st.title(“我的第一个Streamlit应用”)
st.write(“大家好，我是猿小哥！”)
name = st.text_input(“请输入你的名字”)
if name：
st.write(f“你好，{name}！欢迎来到Streamlit的世界！”)
age = st.slider(“你的年龄是？”， 1， 100， 25)
st.write(f“哇，{age}岁正是学习Python的好年纪！”)
保存文件后，在终端中运行：streamlit run first_app.py
哇！是不是很神奇？只需要几行代码，我们就创建了一个带有标题、文本输入和滑动条的交互式Web应用。
数据可视化
Streamlit对数据可视化的支持也非常强大。让我们来试试用Streamlit展示一些数据图表：import streamlit as st import pandas as pd import numpy as np import matplotlib.pyplot as plt
st.title(“数据可视化示例”)
# 生成示例数据
data = pd.DataFrame({
'x'： range(100)，
'y'： np.random.randn(100).cumsum()
})
# 显示数据表格
st.write(“数据表格：”)
st.dataframe(data)
# 绘制折线图
st.write(“折线图：”)
fig， ax = plt.subplots()
ax.plot(data['x']， data['y'])
st.pyplot(fig)
# 绘制交互式图表
st.write(“交互式图表：”)
st.line_chart(data)
看到了吗？只需要几行代码，我们就能创建出包含数据表格和各种图表的应用。Streamlit自动处理了所有的HTML和JavaScript细节，让我们能专注于数据本身。
1.
小贴士
Streamlit应用是从上到下执行的，所以要注意代码的顺序。
使用
st.cache装饰器可以缓存耗时的操作，提高应用性能。Streamlit提供了很多内置的主题，可以使用
st.set_page_config()来设置。
2.
练习题
试试看能不能在我们的应用中添加一个按钮，当点击按钮时，生成一个随机数并显示出来？
提示：你可能需要用到st.button()和random模块。
3.
总结
今天我们了解了Streamlit这个强大的工具，它让创建数据应用变得如此简单和有趣。我们学习了如何安装Streamlit，创建第一个应用，以及如何进行简单的数据可视化。这只是Streamlit功能的冰山一角，它还有更多强大的特性等待你去探索！
小伙伴们，今天的Python学习之旅就到这里啦！记得动手敲代码，有问题随时在评论区问猿小哥哦。祝大家学习愉快，Python学习节节高！
复制markdown
复制
Streamlit进阶：打造你的数据科学应用
嗨，小伙伴们！猿小哥又来啦！上次我们初步认识了Streamlit这个神奇的工具，今天我们要更深入地探索一下，看看如何用它来打造一个真正实用的数据科学应用。准备好你的智慧帽，我们开始新的冒险吧！
## 回顾与前进
还记得我们上次创建的简单应用吗？那只是Streamlit的冰山一角。今天，我们要挑战更复杂的任务：创建一个股票数据分析应用。通过这个项目，你将学会如何：
1. 获取实时数据
2. 进行数据处理
3. 创建交互式图表
4. 添加用户输入控件
听起来很酷，对吧？那就让我们开始吧！
## 股票数据分析应用
我们需要安装一些额外的库：
```bash
pip install streamlit yfinance plotly
现在，让我们创建我们的应用。新建一个文件，命名为stock_analysis.py：import streamlit as st import yfinance as yf import plotly.graph_objects as go from datetime import date， timedelta
st.title('股票数据分析应用')
# 用户输入
symbol = st.text_input('输入股票代码（例如：AAPL）'， 'AAPL')
start_date = st.date_input('开始日期'， date.today() - timedelta(days=365))
end_date = st.date_input('结束日期'， date.today())
# 获取股票数据
@st.cache_data
def load_data(symbol， start， end)：
return yf.download(symbol， start， end)
data = load_data(symbol， start_date， end_date)
if data.empty：
st.warning('没有找到数据，请检查股票代码是否正确。')
else：
# 显示原始数据
st.subheader('原始数据')
st.write(data.tail())
# 绘制股票价格图
st.subheader('股票价格走势')
fig = go.Figure()
fig.add_trace(go.Scatter(x=data.index， y=data['Close']， name='收盘价'))
fig.add_trace(go.Scatter(x=data.index， y=data['Open']， name='开盘价'))
fig.layout.update(title_text='股票价格走势图'， xaxis_rangeslider_visible=True)
st.plotly_chart(fig)
# 计算并显示一些基本统计数据
st.subheader('基本统计数据')
st.write(f“平均收盘价： {data['Close'].mean()：.2f}”)
st.write(f“最高价： {data['High'].max()：.2f}”)
st.write(f“最低价： {data['Low'].min()：.2f}”)
st.write(f“交易量中位数： {data['Volume'].median()：.0f}”)
# 添加一个简单的移动平均线
ma_days = st.slider('选择移动平均线的天数'， 5， 100， 20)
data['MA'] = data['Close'].rolling(window=ma_days).mean()
st.subheader(f'{ma_days}天移动平均线')
fig = go.Figure()
fig.add_trace(go.Scatter(x=data.index， y=data['Close']， name='收盘价'))
fig.add_trace(go.Scatter(x=data.index， y=data['MA']， name=f'{ma_days}天移动平均线'))
fig.layout.update(title_text='股票价格与移动平均线'， xaxis_rangeslider_visible=True)
st.plotly_chart(fig)
哇！这看起来代码不少，但别担心，让猿小哥来给你解释一下：
我们首先导入了必要的库，包括Streamlit、yfinance（用于获取股票数据）和plotly（用于绘制交互式图表）。
我们创建了用户输入控件，让用户可以选择股票代码和日期范围。
使用
@st.cache_data装饰器可以缓存数据加载的结果，提高应用性能。我们使用plotly创建了交互式的股票价格走势图。
我们还添加了一个滑动条，让用户可以自定义移动平均线的天数。
现在，让我们运行这个应用：streamlit run stock_analysis.py
看到了吗？我们创建了一个功能丰富的股票分析应用！用户可以输入任何股票代码，选择日期范围，查看股票走势，还能调整移动平均线。这就是Streamlit的魔力！
4.
小贴士
使用
@st.cache_data可以大大提高应用的响应速度，特别是在处理大量数据时。Plotly是一个强大的交互式图表库，它与Streamlit配合得很好。多尝试不同类型的图表！
善用Streamlit的各种输入控件（如
st.slider()、st.selectbox()等），让你的应用更加交互。
5.
练习题
能不能给我们的应用添加一个新功能：计算并显示股票的日收益率？
提示：日收益率可以用(今天的收盘价 - 昨天的收盘价) / 昨天的收盘价来计算。
6.
总结
今天，我们迈出了成为数据应用开发大师的重要一步！我们学会了如何使用Streamlit创建一个实用的股票数据分析应用。这个应用涵盖了数据获取、处理、可视化和用户交互等多个方面。
记住，这只是Streamlit能力的一小部分。你还可以用它来创建机器学习模型的交互界面、数据探索工具、甚至是复杂的仪表板。Streamlit的世界等着你去探索！
小伙伴们，今天的Python学习之旅就到这里啦！记得动手敲代码，有问题随时在评论区问猿小哥哦。祝大家学习愉快，Python学习节节高！