Den här bloggen kommer att visa:
Hur hämtar jag data i Streamlit från källkoden?
I Streamlit kan data hämtas från olika källor såsom databaser, externa filer, Python-skript eller källfiler. Streamlit gör det också möjligt för oss att hämta applikationsdata eller resultat som genereras programmatiskt i olika former. För att hämta data i Streamlit i dataramar eller stapeldiagram, följ nedanstående demonstration.
Steg 1: Navigera till projektkatalogen
Navigera först till projektkatalogen genom ' cd
CD C:\Users\Dell\Documents\Streamlit Tutorial
Notera : Att arbeta i en virtuell miljö anses vara ett bra tillvägagångssätt eftersom det isolerar Python, pip och alla andra paket och bibliotek. För att installera och ställa in en virtuell miljö, gå igenom vår länkade artikel ' Aktivera virtuell miljö ”.
Steg 2: Skapa och aktivera virtuell miljö
För att skapa en ny virtuell miljö för det aktuella projektet, använd ' virtualenv
För demonstration har vi skapat ' streamlitenv ”:
Aktivera sedan den nyskapade virtuella miljön i projektkatalogen med kommandot nedan:
streamlitenv\Scripts\activate 
Steg 3: Installera Streamlit
Installera sedan Streamlit Python-biblioteket med hjälp av ' pip ” pakethanterare. För detta ändamål, använd följande kommando:
Steg 4: Skapa Python-skript
Skapa sedan en ny fil med namnet ' Demo.py ” och ställ in dess förlängning som '.py' . Efter det, klistra in nedanstående utdrag i filen:
import strömbelyst som st
st.titel ( 'Studentresultat' )
@ st.cache_data
def load_data ( ) :
lämna tillbaka pd.DataFrame (
{
'Namn' : [ 'Jazzig' , 'Gifta sig' , 'Maria' , 'Jenny' ] ,
'Märken' : [ 40 , 43 , femtio , Fyra fem ] ,
}
)
df = ladda_data ( )
st.dataframe ( df )
st.bar_chart ( df )
Beskrivningen av ovanstående kod är följande:
- Importera först de nödvändiga biblioteken som ' pandor ' för att skapa dataramar och ' strömbelyst ” för att hämta och visualisera data.
- Ställ in titeln för en webbsida med ' st.titel ”.
- Definiera ' ladda data() ” metod som returnerar den statiska dataramen.
- I dataramen har vi satt elevernas namn och märken.
- Anropa metoden 'load_data()' och spara dess returvärde i ' df ” variabel.
- Visa nu data i Streamlit representativ form som ' dataram ' och ' stapeldiagram ”.
Steg 5: Hämta data i Streamlit
Kör nu Python-skriptet i Streamlit med kommandot nedan:
Utdata visar att Python-skriptet körs på localhost-porten ' 8501 ”:
För verifiering, navigera till ' lokal värd: 8501 ” URL i webbläsaren och kontrollera om data hämtas i Streamlit eller inte. Resultatet nedan visar att vi framgångsrikt har hämtat data från källkoden och visat den i ' dataram ' och ' stapeldiagram ”:
Hur man hämtar data i Streamlit från en extern fil?
I streamlit kan användare läsa data från olika källor. För att läsa data från en extern fil som en CSV-fil, gå igenom den medföljande demonstrationen.
Steg 1: Skapa ett program för att läsa data från fil
Skapa först en enkel Python-fil med '.py' förlängning. Vi har till exempel skapat 'Demo1.py' . Efter det, klistra in nedanstående utdrag i filen:
import strömbelyst som st
st.titel ( 'Hämta data i Streamlit' )
Bilar_data = pd.read_csv ( r 'C:\Users\Dell\Documents\Streamlit Tutorial\Cars.csv' )
st.write ( Bilar_data )
I ovanstående kod:
- ' pandor ”-bibliotek kommer att användas för att läsa data från filer och ” strömbelyst ” kommer att visa data i representativ form.
- Här, ' read_csv() ” används för att läsa eller hämta data från den angivna sökvägen som skickas inom dess parentes.
- De 'skriva()' metod används för att visa data på streamlit.
Steg 2: Kör Python-skriptet
Kör nu programfilen med streamlit genom det nämnda kommandot:
Här visar utdata att programmet körs på localhost-porten ' 8501 ”:
Öppna webbläsaren, navigera till ' lokal värd: 8501 ” URL, och kontrollera om data hämtas från en fil i Streamlit eller inte. Utdata visar att vi framgångsrikt har hämtat data från CSV-filen i Streamlit:
Det handlar om att hämta data i Streamlit.
Slutsats
För att hämta data i Streamlit, installera först Streamlit-biblioteket. Efter det, importera pandorna och strömbelysta biblioteket. Använd 'pandas' pythons bibliotek för att läsa, rensa eller hämta data. Använd sedan de strömbelysta komponenterna som dataramar, stapeldiagram och histogram för att visa data. Efter det, kör Python-skriptet med hjälp av 'strömbelyst körning