st.write()适合快速预览小数据，自动渲染可排序缩放表格但无列宽拖拽等高级功能；st.dataframe()支持列宽拖拽、冻结首行等交互优化，更适合中大型数据展示。
能，而且通常5分钟内就能跑起来——前提是数据已就位、逻辑清晰，不追求生产级部署。
st.write() 和 st.dataframe() 该选哪个？
两者都用来展示表格，但行为差异直接影响用户体验和性能。
-
st.write()是“万能兜底”：传入pd.DataFrame会自动渲染成可排序、可缩放的交互表格，但不支持列宽拖拽、冻结首行等高级操作；适合快速预览或小数据（ -
st.dataframe()是“专业表格控件”：默认启用横向滚动、列宽自适应，支持use_container_width=True填满页面宽度；大数据量下更稳定，且能通过column_config配置类型（比如把某列设为日期格式或进度条） - 常见错误：用
st.write(df)展示10万行CSV，页面卡顿甚至崩溃；换成st.dataframe(df, height=400)并限制高度，体验立刻改善
滑块、下拉框这些控件状态怎么保持？
Streamlit 没有显式的状态管理对象，所有状态都靠控件函数的返回值隐式维持。
- 每次用户操作（如拖动
st.slider()），整个脚本从头重跑，控件函数返回当前值——你必须用这个返回值参与后续计算，否则逻辑就断了 - 别写
value = 50; st.slider("参数", 0, 100, value)这种静态初始化，它不会响应用户操作；正确写法是slider_value = st.slider("参数", 0, 100, 50)，然后用slider_value去过滤数据或生成图表 - 多控件联动时容易漏掉依赖：比如先选城市再选门店，如果门店下拉框没用城市选择结果做筛选，就会显示空选项或报错
ValueError: List of values for selectbox is empty
图表更新慢或不刷新？检查这三处
不是代码逻辑错，而是 Streamlit 的执行模型和缓存策略没对齐。
- 图表数据来自耗时操作（如读文件、调API、训练模型）？必须用
@st.cache_data包裹，否则每次交互都重新执行，用户拖一次滑块等3秒 - 用了
plt.show()或手动创建Figure对象？Streamlit 只识别直接返回的图表对象（如px.scatter(df)或st.line_chart(df)），plt.show()会报错或静默失败 - 图表依赖的变量在控件之前定义？比如把
filtered_df = df[df["city"]==selected_city]写在st.selectbox()前面，那它永远用初始值过滤——控件必须出现在相关计算之前
真正卡住人的地方，往往不是语法，而是“脚本从上到下重执行”这个前提被忽略了。哪怕只多写一行变量赋值，放在控件前面还是后面，结果可能完全不同。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
