streamlit-API

原创 已于 2023-08-30 11:43:49 修改 · 834 阅读 · 4 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#Streamlit #API

于 2023-08-30 11:39:41 首次发布
本文介绍了如何使用Streamlit进行Python应用开发，包括安装、运行脚本、数据流管理、多页功能、API集成、用户交互元素如文本和图表，以及会话状态管理、性能优化和数据库连接。

介绍

安装

pip install streamlit

在这里插入图片描述

运行

streamlit run your_script.py [-- script args]

在这里插入图片描述
在这里插入图片描述

数据流

在这里插入图片描述

多页应用程序

在这里插入图片描述
在这里插入图片描述

API

文本元素

在这里插入图片描述

最低0.47元/天 解锁文章
Python应用开发——30天学习Streamlit Python包进行APP的构建（24）：创建基本的 LLM 聊天应用程序
此星光明博客
08-02 1233
GPT 等大型语言模型的出现彻底改变了基于聊天的应用程序的开发难度。Streamlit 提供了多种聊天元素，使您能够为对话代理或聊天机器人构建图形用户界面（GUI）。利用会话状态和这些元素，您可以使用纯 Python 代码构建从基本聊天机器人到更高级的类似 ChatGPT 的体验。在本教程中，我们将首先介绍 Streamlit 的聊天元素 st.chat_message 和 st.chat_input。
搭建一个类似于ChatGPT的GUI
我的博客
11-15 517
因此，通过使用OpenAI的模型，我们可以创建一个更具对话性和交互性的系统，使得系统能够更好地理解用户的意图，并生成适当的响应。通常情况下，传统的编程逻辑可能是基于一系列的条件和规则来处理用户的输入，并给出相应的响应。在流式传输中，数据被分成较小的块，在发送方生成这些块时就立即传输给接收方，而无需等待全部数据生成完毕。OpenAI的模型可以接收用户的输入文本，并根据上下文进行推理、生成响应。流式传输（Streaming）是一种数据传输的方式，它允许在发送方生成数据的同时，接收方可以逐步接收和处理这些数据。
streamlit-time-series：使用streamlit进行时间序列分析的API
02-05
流时间序列API 这是使用streamlit分析时间序列而成的基本API。 您可以在以下位置查看托管在IBM云-Kubernetes Cluster上的部署： ://159.122.181.167:30498/ 快速运行 virtualenv venv -p python3.7 source venv/bin/activate pip install -r requirements.txt 进入src目录 streamlit run app.py 码头工人 docker build -t streamlit-ts-ml:0.1.0 -f Dockerfile . docker ru
利用streamlit开发大模型API调用对话网页应用
甜盐的博客
06-21 2779
Streamlit是一个用于构建数据应用的开源框架，其简单易用的界面使得数据科学家和开发人员能够快速创建交互式应用。而OpenAI API则提供了强大的语言模型，可以生成自然语言响应。将这两者结合起来，可以轻松创建一个与用户进行对话的应用,用于测试大模型API。
streamlit部分api函数相关介绍
be_pinnacle的博客
10-12 549
streamlit部分函数介绍
streamlit-fastapi-model-serving:使用streamlit和FastAPI服务PyTorch模型的简单Web应用示例
05-04
streamlit-fastapi-model-serving 和描述了使用Streamlit和FastAPI进行ML模型服务的简单示例。 在开发用于机器学习模型的简单API时，同时具有供其他应用程序调用的后端（带有API文档）和供用户试用该功能的前端...
NLP-streamlit-app
03-19
在NLP-streamlit-app中，开发者可能使用了这些库中的一个或多个，结合Streamlit的API来构建界面。用户可能可以上传文本文件，然后看到结果显示在可视化图表或表格中，比如情感极性的条形图、主题分布的词云，或者...
Streamlit-YOLOv5-Modle2X-yolov5
10-22
在深入探讨“Streamlit-YOLOv5-Model2X-yolov5”这一主题时，我们首先需要了解YOLOv5和Streamlit的基础概念。YOLOv5是一款流行的目标检测系统，以其高速度和高准确率著称。它是“你只看一次”（You Only Look Once）...
Streamlit API文档中文版
热门推荐
新缸中之脑
11-14 1万+
Streamlit是一个开源的Python库，利用Streamlit可以快速构建机器学习 应用的用户界面。Streamlit API中文开发文档由汇智网翻译整理，访问 地址：http://cw.hubwiz.com/card/c/streamlit-manual/。 安装Streamlit Steamlit需要Python 2.7.0 / Python 3.6.x或更高版本。 使用PIP安装St...
使用Python、Flask、Streamlit快速创建API接口服务
weixin_39915649的博客
06-09 1950
创建API，并在开发中的任何地方使用它们是非常有用的，该如何制作它们呢？🤔🤔
使用streamlit库+千问大模型开发一个交互式AI Web应用（无需前端开发经验）
m0_59163425的博客
06-05 1672
Streamlit** 是一个用于快速构建数据科学和机器学习 Web 应用的 Python 库。它允许开发者用简单的 Python 脚本创建交互式仪表盘，无需前端开发经验。官网地址：https://streamlit.io/
【跨模态实践】（四）streamlit前端框架分享
kkz2756275580的博客
11-21 2214
仅需几行代码，快速搭建可视化前端，专为数据科学家服务的前端框架stremlit来袭！
Streamlit从入门到精通：构建数据应用的利器
码上飞扬的博客
04-24 2415
Streamlit 是一个用于创建数据应用的开源 Python 库，它专为数据科学家和机器学习工程师设计，旨在简化数据可视化和交互式应用程序的构建过程。凭借其简单易用的 API，Streamlit 使得开发者能够将数据脚本快速转化为美观且可交互的 Web 应用，而不需要深入掌握前端开发技术。通过本节的学习，你已经掌握了如何使用 Streamlit 构建一个简单的交互式应用。Streamlit 的简单性和强大功能使得它成为数据科学家和开发者展示数据和模型的优秀工具。
翻译: Streamlit从入门到精通六 实战缓存Cache请求数据
AI架构师易筋
01-18 3200
是所有返回数据的函数的首选命令，无论是 DataFrames、NumPy 数组、str、int、float 还是其他可序列化类型。对于几乎所有用例来说，这都是正确的命令！让我们看一个使用 的例子。假设您的应用将优步拼车数据集（一个 50 MB 的 CSV 文件）从互联网加载到 DataFrame 中： 运行 load_data 功能需要 2 到 30 秒，具体取决于您的互联网连接。（提示：如果您的连接速度较慢，请改用此 5 MB 数据集）。如果不进行缓存，则每次加载应用或进行用户交互时都会重新运行下载。点
fastapi 和 streamlit web框架学习
weixin_42357472的博客
04-21 1558
python flask tornado fastapi sanic web框架测试：https://blog.youkuaiyun.com/dxcai/article/details/106402558 参考：https://github.com/tiangolo/fastapi pip install fastapi pip install uvicorn fastapi1.py文件 from typing import Optional from fastapi import FastAPI app = F
Streamlit-FastAPI-Model-Serving 项目使用教程
最新发布
gitblog_00561的博客
11-24 1041
``` streamlit-fastapi-model-serving/ ├── fastapi/ │ ├── app/ │ │ ├── __init__.py │ │ ├── main.py │ │ ├── models.py │ │ └── routers/ │ │ ├── __init__.py │ │ └── api.py
【Streamlit 库介绍与学习笔记】
weixin_45775136的博客
04-19 4515
streamlit库介绍
把Llama2封装为API服务并做一个互动网页
Tomonkey的专栏
02-19 1064
把Llama2封装成一个API使用
Streamlit搭建聊天机器人（一）
m0_66899341的博客
10-06 2200
【代码】Streamlit搭建聊天机器人（一）
streamlit-monaco和streamlit-code-editor比较
03-16
<think>好的，用户之前询问了Monaco Editor的命令，现在又转向比较streamlit-monaco和streamlit-code-editor这两个库。我需要先了解这两个库的区别和各自的优缺点。 首先，用户可能是在开发Streamlit应用时需要嵌入代码编辑器，所以需要选择合适的库。我需要确认这两个库的功能、易用性、依赖以及社区支持情况。 streamlit-monaco是基于Monaco Editor的，而Monaco是VS Code的编辑器，功能强大，支持语法高亮、智能提示等。而streamlit-code-editor可能是一个更轻量级的组件，可能功能较少但简单易用。 接下来，我需要比较它们的核心功能，比如是否支持代码高亮、自动补全、主题定制、多语言支持等。还要看看它们的安装和配置复杂度，是否依赖额外资源，比如streamlit-monaco可能需要加载Monaco的资源，影响加载速度。 另外，用户可能关心社区维护情况，比如GitHub的star数、最近更新时间，是否有活跃的维护者。这会影响长期使用的可靠性。 还要考虑使用场景，如果用户需要复杂的代码编辑功能，比如IDE级别的，那么streamlit-monaco更合适；如果只是简单编辑，streamlit-code-editor可能更合适。 需要检查是否有错误处理、自定义命令支持，以及与其他Streamlit组件的兼容性。比如用户之前提到的Monaco命令，可能在streamlit-monaco中更容易实现。 最后，总结两者的优缺点，给出建议，帮助用户根据具体需求选择。</think>以下是针对 `streamlit-monaco` 与 `streamlit-code-editor` 的详细对比分析： --- ### 一、核心定位对比 | **特性** | **streamlit-monaco** | **streamlit-code-editor** | |-------------------------|-----------------------------------------------|-----------------------------------------------| | **底层技术** | 基于 VS Code 的 Monaco Editor（工业级编辑器） | 基于 CodeMirror 或轻量级实现（轻量化编辑器） | | **目标场景** | 需要复杂代码编辑的 IDE 级场景 | 简单代码/文本展示与基础编辑 | | **功能复杂度** | 高（支持智能提示、语法检查等） | 低（基础高亮+编辑） | --- ### 二、功能特性对比 #### 1. **代码智能支持** - **Monaco**： - ✅ 自动补全（IntelliSense） - ✅ 语法错误检查（Linting） - ✅ 多语言支持（支持 50+ 编程语言） - ✅ 代码折叠/大纲视图 ```python # streamlit-monaco 配置智能提示 monaco_editor(..., language="python", suggest=True) ``` - **Code Editor**： - ❌ 无内置智能提示 - ⚠️ 仅基础语法高亮 #### 2. **自定义能力** - **Monaco**： - ✅ 支持自定义主题（需配置 `theme: "vs-dark"`） - ✅ 可扩展快捷键绑定 - ✅ 支持多光标编辑 ```python # 添加自定义快捷键 commands = [{"command": "editor.action.formatDocument", "keybind": "Ctrl+Shift+F"}] ``` - **Code Editor**： - ⚠️ 主题定制有限 - ❌ 无高级编辑功能 #### 3. **性能表现** | **指标** | **Monaco** | **Code Editor** | |----------------|------------|-----------------| | 初始加载速度 | 较慢（需加载 Monaco 资源） | 快（轻量级） | | 内存占用 | 高（约 5-10MB） | 低（<1MB） | --- ### 三、安装与使用成本 #### 1. **依赖关系** - **Monaco**： ```bash pip install streamlit-monaco # 需要额外加载 Monaco 的静态资源（可能影响 CDN 依赖） ``` - **Code Editor**： ```bash pip install streamlit-code-editor # 无额外依赖 ``` #### 2. **API 复杂度** - **Monaco**： ```python from streamlit_monaco import monaco_editor code = monaco_editor(value="", height=500, language="python", theme="vs-dark") ``` - **Code Editor**： ```python from streamlit_code_editor import code_editor code = code_editor("print('Hello')", language="python") ``` --- ### 四、适用场景推荐 | **场景** | **推荐选择** | **理由** | |---------------------------|----------------------|--------------------------------------------| | 在线 IDE/代码沙盒 | ✅ streamlit-monaco | 依赖智能提示和调试功能 | | 配置参数编辑 | ✅ streamlit-monaco | 需要 JSON/YAML 验证 | | 文档中的代码示例展示 | ✅ streamlit-code-editor | 轻量级且加载快 | | 用户输入简单脚本 | ⚖️ 按需选择 | 若需基础编辑选 Code Editor，复杂功能选 Monaco | --- ### 五、社区生态与维护 | **指标** | **streamlit-monaco** | **streamlit-code-editor** | |------------------------|----------------------------|---------------------------| | GitHub Stars (示例) | ~300 | ~150 | | 最近更新时间 | 2023-08-15（活跃） | 2022-11-20（低活跃） | | 官方文档完整性 | 详细（含 API 示例） | 基础说明 | --- ### 六、已知问题与规避方案 #### **Monaco 的局限性**： 1. **移动端兼容性差** *规避方案*：在移动设备上降级使用 `<textarea>` 2. **资源加载阻塞** *优化方案*：预加载 Monaco 资源包 ```python st.markdown('<script src="monaco-loader.js"></script>', unsafe_allow_html=True) ``` #### **Code Editor 的局限性**： 1. **无版本控制** *规避方案*：自行实现历史记录功能 --- ### 七、迁移成本示例 **从 Code Editor 迁移到 Monaco**： ```python # 原 Code Editor 代码 from streamlit_code_editor import code_editor code = code_editor(content, language="python") # 迁移后 Monaco 代码 from streamlit_monaco import monaco_editor code = monaco_editor(value=content, language="python", height=300) ``` --- ### 总结建议 - **选择 `streamlit-monaco` 如果**： 需要完整的代码编辑功能、智能提示、或构建开发者工具类应用 （*典型用例：在线 Python 调试器*） - **选择 `streamlit-code-editor` 如果**： 仅需轻量级代码展示、简单编辑功能 （*典型用例：展示 API 请求示例*）
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值