Créer un tableau de bord avec Streamlit

Présentation
Dans ce document, nous explorerons comment créer un tableau de bord interactif à l'aide de Streamlit, un outil open source pour créer des applications Web en Python. Streamlit simplifie le processus de développement en vous permettant de créer des interfaces Web avec seulement quelques lignes de code.

Exigences

Pour suivre cet exemple, vous devrez avoir installé Python et les bibliothèques suivantes :

• streaméclairé
• pandas
• numpy
• altaïr

Vous pouvez les installer en utilisant pip :

pip install streamlit pandas numpy altair

Structure du code

Le code est divisé en plusieurs sections :

1. Importations de bibliothèque : nous importons les bibliothèques nécessaires pour générer des exemples de données et créer des visualisations.
2. Génération d'échantillons de données : nous créons un Pandas DataFrame avec des données aléatoires à utiliser dans nos visualisations.
3. Configuration du tableau de bord : nous définissons le titre du tableau de bord à l'aide de st.title().
4. Création de visualisations :
   • Nous affichons un graphique linéaire en utilisant st.line_chart().
   • Nous créons un nuage de points interactif à l'aide d'Altair et l'affichons avec st.altair_chart().

Explication du code

Importations de bibliothèque :

streamlit as st : Nous importons la bibliothèque Streamlit et la renommez st pour une utilisation plus facile.
pandas as pd : Nous importons Pandas et le renommez pd.
numpy as np : nous importons NumPy et le renommez en np.
altair as alt : Nous importons Altair et le renommeons alt.

Génération d'échantillons de données :

Nous créons un Pandas DataFrame appelé data avec deux colonnes : 'x' et 'y'.
La colonne 'x' contient des valeurs entières de 0 à 99 en utilisant np.arange().
La colonne 'y' contient des valeurs aléatoires entre 0 et 1 en utilisant np.random.rand().

Configuration du tableau de bord :

Nous définissons le titre du tableau de bord en utilisant st.title() et en passant le titre comme argument.

Création de visualisations :

Nous affichons un graphique linéaire en utilisant st.line_chart() et en passant les données DataFrame comme argument.
Nous créons un nuage de points interactif à l'aide d'Altair :

alt.Chart(data) : Nous créons un objet graphique à partir du DataFrame de données.
.mark_circle() : Nous précisons que nous souhaitons utiliser des cercles comme marques.
.encode(x='x', y='y', tooltip=['x', 'y']) : Nous attribuons respectivement les colonnes 'x' et 'y' aux axes x et y, et spécifions que nous voulons afficher les colonnes « x » et « y » sous forme d'info-bulles.
.interactive() : rend le graphique interactif, permettant à l'utilisateur de zoomer et de faire un panoramique.

Nous affichons le graphique Altair en utilisant st.altair_chart() et passons l'objet graphique comme argument. Nous spécifions également use_container_width=True pour que le graphique occupe toute la largeur du conteneur.

Déploiement sur Streamlit Cloud

Pour déployer cette application Streamlit, vous pouvez utiliser Streamlit Cloud :

1. Téléchargez votre code dans un référentiel GitHub.
2. Connectez-vous à Streamlit Cloud.
3. Connectez votre référentiel GitHub.
4. Déployez votre application en quelques clics.

Streamlit Cloud gère l'intégralité du processus de déploiement, ce qui facilite grandement le partage de vos applications avec le monde.

Résultats

URL du référentiel : [](https://github.com/FabianChavezLinares/Research-Group-Activity.git)

URL de la page : https://research-group-activity-bi-2024-ii.streamlit.app

Conclusion

Dans ce document, nous avons appris à créer un tableau de bord interactif à l'aide de Streamlit. Nous avons généré des exemples de données, créé des visualisations à l'aide de Streamlit et Altair et expliqué chaque section du code. Enfin, nous avons mentionné comment déployer l'application sur Streamlit Cloud pour la partager avec d'autres utilisateurs.

Streamlit simplifie considérablement le processus de création d'applications Web interactives en Python, ce qui en fait un outil précieux pour les scientifiques et les développeurs de données qui souhaitent partager leurs visualisations et analyses de manière simple et rapide.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!