告别前端焦虑！用 Streamlit 10 分钟把 Python 脚本变成可交互网页

最新推荐文章于 2025-10-14 15:04:02 发布

原创最新推荐文章于 2025-10-14 15:04:02 发布 · 1.2k 阅读

15 ·

CC 4.0 BY-SA版权

文章标签：

#前端 #python #交互

作为一名 Python 开发者，你是否曾遇到过这样的场景：花了 3 天写好一个图片处理脚本、数据分析工具或 AI 推理程序，想分享给同事或朋友使用，对方却一脸为难 ——“我不会装 Python 环境啊”“命令行怎么用？”。

以前，解决这个问题需要你额外学习 HTML、CSS、JavaScript，搭建 Flask/Django 后端，才能把 Python 功能包装成网页。但现在，有了Streamlit，这一切都变得简单了 —— 你只需要会写 Python，就能在 10 分钟内把脚本变成带交互界面的网页，全程无需一行前端代码。

这篇博客会从基础到实战，带你掌握 Streamlit 的核心用法，最后还会教你如何把网页部署到云端，让全世界都能访问你的工具。

一、认识 Streamlit：Python 开发者的网页神器

在开始动手前，我们先搞懂一个问题：Streamlit 到底是什么？

Streamlit 是 2019 年推出的一个 Python 库，核心定位是 “快速构建数据应用的网页框架”。它的设计理念非常简单 ——“Write once, run anywhere”：你写的 Python 代码，运行后自动变成网页，代码修改后网页还能实时刷新。

举个直观的例子：你写一行st.title("我的工具")，运行后网页上就会出现一个标题；你写st.button("点击我")，网页上就会生成一个可点击的按钮。这种 “代码即界面” 的模式，彻底消除了 Python 开发者做网页的门槛。

为什么选择 Streamlit？

对比传统的 Flask/Django 和前端框架，Streamlit 的优势非常明显：

特性	Streamlit	Flask/Django + 前端框架
开发效率	10 分钟出原型	至少几小时甚至几天
技术栈要求	仅需 Python	Python + HTML + CSS + JavaScript
交互逻辑编写	纯 Python 代码（同步执行）	需要前后端通信（异步 /ajax）
实时刷新	自动支持（修改代码即更新）	需要手动配置热重载
部署难度	一键部署到 Streamlit Cloud	需要配置服务器、Nginx 等

简单来说，如果你需要快速把 Python 功能（数据分析、AI 模型、工具脚本）变成可交互网页，Streamlit 是目前最优解。

二、环境搭建：3 步搞定 Streamlit 安装

Streamlit 的安装非常简单，无论你用 Windows、Mac 还是 Linux，都能在 5 分钟内完成。

1. 确保 Python 环境正常

首先，你需要有 Python 3.8 及以上版本（Streamlit 对 Python 版本有要求，老版本可能不兼容）。打开终端，输入以下命令检查 Python 版本：

python --version # Windows

# 或

python3 --version # Mac/Linux

如果显示Python 3.8.x或更高版本，就可以继续；如果版本过低，建议先升级 Python（推荐用 Anaconda 管理环境）。

2. 安装 Streamlit

直接用 pip 安装即可，命令如下：

pip install streamlit

如果你用 Anaconda 环境，也可以用 conda 安装：

conda install -c conda-forge streamlit

3. 验证安装成功

安装完成后，运行 Streamlit 的官方示例程序，测试是否能正常工作：

streamlit hello

执行命令后，终端会显示启动日志，同时自动打开浏览器，显示 Streamlit 的示例网页（默认地址是http://localhost:8501）。

如果浏览器能正常显示以下界面，说明安装成功：

顶部有 “Welcome to Streamlit!” 的标题

中间有几个示例应用（如 “DataFrame Demo”“Plotting Demo”）

左侧有侧边栏，右侧有交互按钮

至此，你的 Streamlit 环境已经搭建完成，接下来就可以开始写自己的网页了。

三、基础入门：用 Python 代码 “画” 网页

Streamlit 的核心思想是 “代码即界面”—— 你写的每一行 Python 代码，都会对应网页上的一个元素。我们从最简单的文本、按钮、输入框开始，逐步掌握基础组件的用法。

3.1 第一个 Streamlit 脚本：Hello World

新建一个名为first_app.py的 Python 文件，写入以下代码：

# 导入Streamlit库，约定俗成简称为st

import streamlit as st

# 1. 页面标题（一级标题）

st.title("我的第一个Streamlit网页")

# 2. 二级标题

st.subheader("这是二级标题")

# 3. 普通文本（支持Markdown格式）

st.write("这是一段普通文本，Streamlit会自动渲染它。")

st.write("你还可以用**Markdown语法**，比如加粗、斜体（*这样*）、列表：")

st.write("""

- 第一项

- 第二项

- 第三项

""")

# 4. 显示变量或计算结果

num1 = 10

num2 = 20

st.write(f"计算结果：{num1} + {num2} = {num1 + num2}")

# 5. 显示图片（本地图片或网络图片）

# 网络图片（直接传URL）

st.image("https://streamlit.io/images/brand/streamlit-logo-secondary-colormark-darktext.png",

caption="Streamlit Logo", # 图片标题

use_column_width=True) # 图片宽度适应网页列宽

# 本地图片（需要图片在当前文件夹，或写完整路径）

# st.image("local_image.jpg", caption="本地图片")

3.2 运行网页并实时刷新

在终端中，进入first_app.py所在的文件夹，执行以下命令运行网页：

streamlit run first_app.py

此时会出现以下日志：

You can now view your Streamlit app in your browser.

Local URL: http://localhost:8501

Network URL: http://192.168.1.100:8501

External URL: http://203.0.113.100:8501（如果有公网IP）

浏览器会自动打开http://localhost:8501，你会看到代码对应的网页界面。

实时刷新功能：如果你修改了first_app.py的代码（比如改标题为 “我的 Streamlit 工具”），保存后网页会自动刷新，无需重启程序。这个功能对开发非常友好，你可以边写代码边看效果。

3.3 核心交互组件：让网页 “活” 起来

单纯显示内容还不够，网页需要交互功能。Streamlit 提供了几十种交互组件，全部用 Python 代码调用，下面介绍最常用的几种。

（1）按钮（Button）：触发操作

按钮是最基础的交互组件，点击后可以执行特定代码。示例代码：

import streamlit as st

st.title("按钮交互示例")

# 创建一个按钮，按钮文字是“点击我”

if st.button("点击我，显示隐藏内容"):

# 按钮被点击时，执行以下代码

st.success("按钮被点击啦！🎉") # 绿色成功提示

st.write("这是点击按钮后显示的隐藏内容～")

else:

# 按钮未被点击时，显示的内容（可选）

st.info("点击上方按钮，查看隐藏内容") # 蓝色信息提示

（2）输入框（Text Input）：获取用户文本

输入框用于获取用户输入的字符串（如名字、邮箱、关键词等）。示例代码：

import streamlit as st

st.title("输入框示例")

# 创建输入框，参数分别是：提示文字、默认值（可选）

name = st.text_input("请输入你的名字", value="张三")

# 创建密码输入框（输入内容会隐藏）

password = st.text_input("请输入密码", type="password")

# 创建多行文本输入框（用于大段文字）

comment = st.text_area("请输入备注", height=100) # height设置输入框高度

# 当用户输入后，显示结果

if name and password:

st.write(f"你好，{name}！你的密码是：{password}（已隐藏，实际开发中不要显示密码！）")

if comment:

st.write(f"你的备注：{comment}")

（3）下拉选择框（Selectbox）：从列表选选项

如果用户需要从固定选项中选择（比如选择城市、类型、模型等），用下拉选择框更合适。示例代码：

import streamlit as st

st.title("下拉选择框示例")

# 1. 普通下拉框

city = st.selectbox(

"请选择你所在的城市", # 提示文字

["北京", "上海", "广州", "深圳", "其他"] # 选项列表

)

# 2. 带默认值的下拉框（默认选第2个选项，索引从0开始）

fruit = st.selectbox(

"请选择你喜欢的水果",

["苹果", "香蕉", "橙子", "葡萄"],

index=1 # 默认选“香蕉”

)

# 3. 多选下拉框（用st.multiselect）

hobbies = st.multiselect(

"请选择你的爱好（可多选）",

["读书", "运动", "看电影", "编程", "旅行"],

default=["编程", "旅行"] # 默认选中的选项

)

# 显示选择结果

st.write(f"你所在的城市：{city}")

st.write(f"你喜欢的水果：{fruit}")

st.write(f"你的爱好：{hobbies}")

（4）滑块（Slider）：选择数值范围

滑块用于让用户选择数值（如年龄、分数、比例等），支持整数、浮点数和日期。示例代码：

import streamlit as st

import datetime

st.title("滑块示例")

# 1. 整数滑块（最小值、最大值、默认值）

age = st.slider("请选择你的年龄", min_value=0, max_value=120, value=25)

# 2. 浮点数滑块（支持小数）

height = st.slider("请选择你的身高（米）", min_value=0.5, max_value=2.5, value=1.75, step=0.01)

# 3. 范围滑块（选择一个区间）

score_range = st.slider("请选择分数范围", min_value=0, max_value=100, value=(60, 80))

# 4. 日期滑块

date_range = st.slider(

"请选择日期范围",

min_value=datetime.date(2024, 1, 1),

max_value=datetime.date(2024, 12, 31),

value=(datetime.date(2024, 5, 1), datetime.date(2024, 5, 31))

)

# 显示选择结果

st.write(f"你的年龄：{age}岁")

st.write(f"你的身高：{height}米")

st.write(f"分数范围：{score_range[0]} - {score_range[1]}分")

st.write(f"日期范围：{date_range[0]} 到 {date_range[1]}")

（5）文件上传（File Uploader）：接收用户文件

文件上传组件非常实用，比如让用户上传图片、Excel 表格、CSV 数据等，然后用 Python 处理。示例代码：

import streamlit as st

import pandas as pd # 用于处理Excel/CSV文件

st.title("文件上传示例")

# 1. 上传Excel/CSV文件（用于数据分析）

data_file = st.file_uploader(

"上传Excel或CSV文件",

type=["xlsx", "csv"], # 支持的文件类型

accept_multiple_files=False # 是否允许上传多个文件

)

if data_file is not None:

# 根据文件类型读取数据

if data_file.name.endswith(".csv"):

df = pd.read_csv(data_file)

else: # xlsx

df = pd.read_excel(data_file)

# 显示数据基本信息

st.subheader("数据预览")

st.dataframe(df.head(10)) # 显示前10行数据（交互式表格）

st.subheader("数据统计信息")

st.write(f"数据行数：{len(df)}")

st.write(f"数据列数：{len(df.columns)}")

st.write("列名：", list(df.columns))

# 2. 上传图片文件（后续可以用PIL/OpenCV处理）

image_file = st.file_uploader(

"上传图片",

type=["jpg", "png", "jpeg"],

accept_multiple_files=False

)

if image_file is not None:

# 显示图片

st.subheader("上传的图片")

st.image(

image_file,

caption=f"图片名称：{image_file.name}，大小：{image_file.size}字节",

use_column_width=True

)

3.4 布局调整：让网页更美观

默认情况下，Streamlit 的组件是从上到下依次排列的。如果需要更灵活的布局（比如左右分栏、侧边栏），可以用 Streamlit 提供的布局功能。

（1）侧边栏（Sidebar）：把组件放在左侧

侧边栏适合放次要的交互组件（如参数设置、筛选条件），不占用主内容区域。示例代码：

import streamlit as st

st.title("侧边栏示例")

# 1. 在侧边栏添加组件（用st.sidebar.xxx）

st.sidebar.title("侧边栏设置")

# 侧边栏的下拉框

model = st.sidebar.selectbox("选择模型", ["模型A", "模型B", "模型C"])

# 侧边栏的滑块

confidence = st.sidebar.slider("置信度阈值", 0.0, 1.0, 0.5)

# 侧边栏的按钮

if st.sidebar.button("应用设置"):

st.success(f"已应用设置：模型={model}，置信度={confidence}")

# 2. 主内容区域显示结果

st.subheader("主内容区域")

st.write(f"当前选择的模型：{model}")

st.write(f"当前置信度阈值：{confidence}")

（2）分栏（Columns）：左右 / 多栏布局

如果需要在同一行显示多个组件（比如两个图片、两个按钮），可以用st.columns()创建分栏。示例代码：

import streamlit as st

st.title("分栏布局示例")

# 1. 创建2个等宽的分栏

col1, col2 = st.columns(2) # 参数2表示2个分栏，默认等宽

# 在col1中添加内容

with col1:

st.subheader("左栏")

st.image("https://picsum.photos/id/237/400/300", use_column_width=True)

st.button("左栏按钮")

# 在col2中添加内容

with col2:

st.subheader("右栏")

st.image("https://picsum.photos/id/238/400/300", use_column_width=True)

st.button("右栏按钮")

# 2. 创建不等宽的分栏（按比例分配宽度）

col3, col4, col5 = st.columns([1, 2, 1]) # 宽度比例1:2:1

with col3:

st.subheader("窄栏1")

st.write("宽度比例1")

with col4:

st.subheader("宽栏")

st.write("宽度比例2（中间栏最宽）")

with col5:

st.subheader("窄栏2")

st.write("宽度比例1")

（3）容器（Container）：分组管理组件

容器可以把多个组件分组，方便控制它们的显示 / 隐藏，或调整位置。示例代码：

import streamlit as st

st.title("容器示例")

# 创建一个容器

container = st.container()

# 向容器中添加组件

with container:

st.subheader("这是一个容器")

st.write("容器内的文本")

st.button("容器内的按钮")

# 容器外的组件

st.write("这是容器外的文本")

# 条件显示容器（比如点击按钮后显示）

st.subheader("条件显示容器")

show_container = st.button("显示隐藏的容器")

if show_container:

# 创建一个临时容器

temp_container = st.container(border=True) # border=True显示边框

with temp_container:

st.success("这是点击按钮后显示的容器")

st.write("容器内的内容可以分组管理")

四、实战案例：把 Python 图片处理脚本变成网页

学完基础组件后，我们来做一个实战案例：把一个 “图片风格转换” 的 Python 脚本，用 Streamlit 包装成可交互网页。

4.1 准备工作：现有 Python 脚本

假设我们已经有一个图片风格转换的脚本（style_transfer.py），核心功能是用预训练模型把普通图片转换成动漫风格（这里简化逻辑，用 PIL 模拟风格转换）：

# style_transfer.py

from PIL import Image, ImageFilter

def convert_to_anime_style(image: Image.Image) -> Image.Image:

"""

把普通图片转换成动漫风格（模拟实现）

:param image: 输入PIL图片

:return: 动漫风格图片

"""

# 步骤1：调整尺寸（缩小图片，模拟动漫的简洁感）

max_size = 512

image.thumbnail((max_size, max_size))

# 步骤2：边缘增强（模拟动漫的线条感）

image = image.filter(ImageFilter.EDGE_ENHANCE_MORE)

# 步骤3：颜色调整（增加饱和度，模拟动漫的鲜艳色彩）

enhancer = ImageEnhance.Color(image)

image = enhancer.enhance(1.5) # 饱和度增加50%

# 步骤4：对比度调整

enhancer = ImageEnhance.Contrast(image)

image = enhancer.enhance(1.2) # 对比度增加20%

return image

（注：实际的动漫风格转换需要用 AI 模型，这里用 PIL 模拟是为了简化案例，你可以替换成真实的模型推理代码。）

4.2 用 Streamlit 包装成网页

新建一个anime_style_app.py文件，写入以下代码，把上面的 Python 功能包装成网页：

import streamlit as st

from PIL import Image, ImageEnhance

import os

# 导入现有的图片风格转换功能

from style_transfer import convert_to_anime_style

# ---------------------- 页面配置 ----------------------

# 设置页面标题、图标和布局（必须放在所有其他Streamlit代码之前）

st.set_page_config(

page_title="动漫风格转换工具", # 网页标题（浏览器标签显示）

page_icon="🎨", # 网页图标（浏览器标签显示，支持emoji或本地图片路径）

layout="wide" # 网页布局："centered"（居中）或"wide"（宽屏）

)

# ---------------------- 页面内容 ----------------------

# 1. 标题和介绍

st.title("🎨 动漫风格转换工具")

st.markdown("""

上传一张普通图片，一键转换成动漫风格！

支持格式：JPG、PNG、JPEG

""")

# 2. 分栏布局：左栏上传图片，右栏显示结果

col_upload, col_result = st.columns(2, gap="large") # gap设置两栏之间的间距

# 3. 左栏：上传图片

with col_upload:

st.subheader("上传原图")

# 创建文件上传组件

uploaded_file = st.file_uploader(

"点击上传图片",

type=["jpg", "png", "jpeg"],

accept_multiple_files=False

)

# 显示上传的原图

if uploaded_file is not None:

# 读取上传的图片（PIL格式）

original_image = Image.open(uploaded_file)

# 显示原图

st.image(

original_image,

caption=f"原图（尺寸：{original_image.size[0]}x{original_image.size[1]}）",

use_column_width=True

)

# 保存原图到临时文件夹（可选，方便后续处理）

original_image.save("temp_original.jpg")

st.success("图片上传成功！点击下方按钮开始转换～")

# 转换按钮

convert_btn = st.button("开始转换为动漫风格", key="convert_btn")

else:

st.info("请上传一张图片")

convert_btn = False

# 4. 右栏：显示转换结果

with col_result:

st.subheader("动漫风格结果")

# 如果点击了转换按钮且有上传的图片

if convert_btn and uploaded_file is not None:

# 显示加载状态（处理耗时操作时很有用）

with st.spinner("正在转换中...请稍候"):

# 调用现有功能进行风格转换

anime_image = convert_to_anime_style(original_image)

# 显示转换后的图片

st.image(

anime_image,

caption=f"动漫风格图（尺寸：{anime_image.size[0]}x{anime_image.size[1]}）",

use_column_width=True

)

# 保存结果图片（用于下载）

anime_image.save("temp_anime.jpg")

# 提供下载按钮

with open("temp_anime.jpg", "rb") as f:

st.download_button(

label="下载动漫风格图",

data=f,

file_name=f"anime_style_{uploaded_file.name}", # 下载文件名

mime="image/jpeg" # 文件类型

)

else:

st.info("转换后的图片将显示在这里")

# 5. 底部提示

st.markdown("""

---

**注意事项**：

1. 图片越大，转换时间越长（建议图片尺寸不超过1024x1024）

2. 转换效果因原图内容而异，人像和风景效果最佳

3. 本工具仅为演示，实际效果可替换为AI模型（如AnimeGAN2）

""")

4.3 运行网页并测试

在终端中执行以下命令，运行网页：

streamlit run anime_style_app.py

浏览器打开http://localhost:8501后，你可以：

点击 “上传图片”，选择一张本地图片

点击 “开始转换为动漫风格”，等待几秒

查看转换后的动漫风格图片

点击 “下载动漫风格图”，保存结果到本地

至此，你已经成功把一个 Python 脚本变成了可交互的网页工具！如果要提升效果，只需要把convert_to_anime_style函数替换成真实的 AI 模型推理代码（如 AnimeGAN2、StyleGAN 等），网页的其他部分完全不用改。

五、进阶技巧：让你的网页更专业

5.1 缓存优化：加速耗时操作

如果你的网页中有耗时操作（如加载大型 AI 模型、处理大文件），每次刷新网页都会重新执行这些操作，导致速度很慢。Streamlit 提供了缓存装饰器@st.cache_data，可以缓存这些操作的结果，相同输入下不再重复执行。

示例：缓存 AI 模型加载

import streamlit as st

import torch

from model import Generator # 假设这是你的AI模型

# 用缓存装饰器缓存模型加载（只加载一次）

@st.cache_data(show_spinner="正在加载模型...") # show_spinner显示加载提示

def load_anime_model(model_path: str):

"""加载动漫风格转换模型"""

model = Generator()

model.load_state_dict(torch.load(model_path, map_location="cpu"))

model.eval()

return model

# 加载模型（第一次运行会加载，后续刷新网页直接用缓存的模型）

model = load_anime_model("anime_model.pt")

# 后续使用model进行推理，无需重复加载

5.2 主题定制：修改网页样式

Streamlit 默认提供了浅色和深色两种主题，你还可以自定义主题（如颜色、字体、圆角等）。

方法 1：通过网页设置临时修改

在网页的右上角，点击 “☰”（菜单）→“Settings”→“Theme”，可以选择 “Light”“Dark” 或 “Custom”（自定义），调整主色调、文本颜色、背景色等。

方法 2：通过配置文件永久修改

在项目文件夹中创建一个.streamlit文件夹，在里面新建config.toml文件，写入以下内容（示例）：

# .streamlit/config.toml

[theme]

primaryColor = "#2E86AB" # 主色调（按钮、标题等）

backgroundColor = "#F5F5F5" # 背景色

secondaryBackgroundColor = "#E8E8E8" # 次要背景色（分栏、容器）

textColor = "#262730" # 文本颜色

font = "sans serif" # 字体（"sans serif"、"serif"、"monospace"）

保存后，运行网页会自动应用这些主题设置。

5.3 错误处理：让网页更健壮

在实际使用中，用户可能会上传错误格式的文件、输入非法值，或者程序运行中出现异常。需要添加错误处理，避免网页崩溃。

示例：处理文件上传错误

import streamlit as st

from PIL import UnidentifiedImageError

st.title("错误处理示例")

uploaded_file = st.file_uploader("上传图片", type=["jpg", "png"])

if uploaded_file is not None:

try:

# 尝试读取图片（可能会抛出异常）

image = Image.open(uploaded_file)

st.image(image, use_column_width=True)

except UnidentifiedImageError:

# 处理“不是图片文件”的错误

st.error("上传的文件不是有效的图片，请重新选择！")

except Exception as e:

# 处理其他未知错误

st.error(f"处理图片时出错：{str(e)}")

六、部署上线：让全世界访问你的网页

写好网页后，如何让其他人访问？Streamlit 提供了多种部署方式，从本地共享到云端部署都支持。

6.1 本地共享（同一局域网）

如果你的同事或朋友和你在同一 WiFi 下，可以通过 “Network URL” 访问你的网页。

运行网页时，终端会显示：

Local URL: http://localhost:8501

Network URL: http://192.168.1.100:8501

把Network URL（如http://192.168.1.100:8501）发给对方，对方在浏览器中输入这个地址，就能访问你的网页。

6.2 部署到 Streamlit Cloud（免费，推荐）

Streamlit 官方提供了免费的云端部署服务 “Streamlit Community Cloud”，适合部署小型网页（每月有一定的访问额度，个人使用完全足够）。

部署步骤：

准备 GitHub 仓库

- 把你的网页代码（如anime_style_app.py）、依赖文件（requirements.txt）、模型文件（如anime_model.pt）等上传到 GitHub 仓库。

- 必须创建requirements.txt文件，列出所有依赖包及其版本（如streamlit==1.32.0、pillow==10.2.0、torch==2.2.1），否则云端无法安装依赖。

登录 Streamlit Cloud

- 访问 Streamlit Cloud，用 GitHub 账号登录。

创建新应用

- 点击右上角 “New app”→“From existing repo”。

- 选择你的 GitHub 仓库、分支（默认是main）、主文件（如anime_style_app.py）。

- 点击 “Deploy”，开始部署。

等待部署完成

- 部署过程中，会显示 “Building app”“Installing dependencies” 等日志。

- 部署成功后，会生成一个公开的网址（如https://your-username-your-repo.streamlit.app），你可以把这个网址分享给任何人。

6.3 部署到其他云端平台

如果 Streamlit Cloud 满足不了你的需求（如需要更大的存储空间、更高的访问量），还可以部署到其他云端平台，如：

Heroku：支持 Python 应用部署，免费计划适合小型项目。

AWS EC2：需要自己配置服务器，适合有一定运维经验的用户。

Google Colab：可以把 Streamlit 网页运行在 Colab 上，通过隧道工具（如ngrok）分享。

七、总结：Streamlit 能做什么？

通过这篇博客，你应该已经掌握了 Streamlit 的核心用法。最后，我们来总结一下 Streamlit 的适用场景：

适合用 Streamlit 的场景：

快速原型开发：把 Python 功能（数据分析、AI 模型、工具脚本）快速变成网页原型。

内部工具共享：给团队写数据看板、自动化工具、模型测试界面。

教学演示：展示 Python 代码的运行结果，或教别人使用你的工具。

个人项目展示：把你的 AI 项目、数据分析成果部署到云端，作为作品集。

不适合用 Streamlit 的场景：

高并发商业应用：Streamlit 是单线程的，不适合处理大量并发请求（如电商网站）。

复杂的前端交互：如果需要复杂的前端动画、实时聊天等，建议用专业前端框架（如 React、Vue）。

Streamlit 的核心价值在于 “降低门槛，提升效率”—— 它让 Python 开发者不用学习前端技术，就能专注于核心功能，快速产出可交互的网页工具。无论是个人使用、团队协作还是项目展示，Streamlit 都是一个值得尝试的神器。

现在，就去把你之前写的 Python 脚本变成网页吧！