使用Streamlit和Python创建交互式仪表板
有一些库，例如Python中的Plotly，Bokeh，可让您创建仪表板。但是我发现创建一个完美的仪表盘并不容易。最后，我找到了创建仪表盘的一些简单方法，使您可以创建一个非常有效且信息丰富的仪表盘。
流光
Streamlit在机器学习和数据科学领域越来越受欢迎。这是一个非常容易的库，只需花费少量时间即可创建完美的仪表板。它还带有内置的网络服务器，可让您在Docker容器中进行部署。
设置Streamlit
首先，将Streamlit安装到我们的系统中，然后运行hello命令以验证其工作状态。我们可以使用Ctrl + c退出正在运行的应用程序。
$ pip install streamlit
$ streamlit你好
下面是命令提示符，您可以看到该应用程序运行正常。
streamlit-命令提示符
运行该应用程序时，本地主机服务器将在浏览器中自动打开。这是Streamlit应用程序开源框架的主页。
流式-欢迎屏幕
导入库
让我们导入用于绘图和显示信息的必要库。
导入streamlit为st
将熊猫作为pd导入
将numpy导入为np
导入plotly.express为px
从plotly.subplots导入make_subplots
导入plotly.graph_objects
导入matplotlib.pyplot作为plt
我们可以用不同的方式显示文本。Streamlit允许您编写标题，标题，还支持各种功能。
st.title（）-设置标题
st.text（）编写特定图形的描述
st.markdown（）将文本显示为markdown
st.latex（）在仪表板上显示数学表达式。
st.write（）有助于显示所有内容，例如绘图图，数据框，函数，模型等。
st.sidebar（）用于在边栏上显示数据。
st.dataframe（）显示数据框
st.map（）以仅一行代码显示地图等
设置Streamlit仪表板的标题和侧边栏标题
st.title（“ Covid-19印度仪表盘”）
st.markdown（“仪表板将显示Covid-19印度的情况”）
st.markdown（'冠状病毒病（COVID-19）是由新发现的冠状病毒引起的传染病。大多数感染了COVID-19病毒的人会经历轻度至中度呼吸道疾病，无需特殊治疗即可康复。为您提供COVID-19确诊，死亡，活动和恢复病例的实时影响分析）
st.sidebar.title（“可视化选择器”）
st.sidebar.markdown（“相应地选择图表/图：”）
加载数据集
在这里，我们将使用COVID-19数据集进行仪表板可视化。
DATA_URL =（'E：\ Data science Projects \ NIELIT project \ covid_19_world.csv'）
@ st.cache（persist = True）（如果您有不同的用例，数据不会经常更改，则可以简单地使用它）
def load_data（）：
    数据= pd.read_csv（DATA_URL）
    返回数据
covid_data = load_data（）
案例数据可视化
st.sidebar.checkbox（“按状态显示分析”，True，键= 1）
select = st.sidebar.selectbox（'选择一个州'，df ['州']）
＃获取在选择框中选择的状态
state_data = df [df ['state'] ==选择]
select_status = st.sidebar.radio（“ Covid-19患者的状态”，（“已确认”，
“有效”，“已恢复”，“已故”））
我们使用复选框来按状态选择分析。选择框将显示受COVID-19影响的状态列表。单选按钮，选择有效，已确认，死亡或已恢复的案例。
绘制图形
def get_total_dataframe（dataset）：
    total_dataframe = pd.DataFrame（{
    '状态'：['已确认'，'已恢复'，'死亡'，'活跃']，
    “案件数”：（dataset.iloc [0] ['confirmed']，
    dataset.iloc [0] ['recovered']，
    Dataset.iloc [0] ['deaths]]，dataset.iloc [0] ['active']）}）
    返回total_dataframe
state_total = get_total_dataframe（state_data）
如果st.sidebar.checkbox（“按状态显示分析”，True，键= 2）：
    st.markdown（“ ## **状态级别分析**”）
    st.markdown（“ ###总体确认，有效，已恢复和” +
    “％s中尚未处理的案件”％（选择）
    如果不是st.checkbox（'Hide Graph'，False，key = 1）：
        state_total_graph = px.bar（
        state_total，
        x ='状态'，
        y ='案件数'，
        标签= {'案件数'：'％s中的案件数'％（select）}，
        color ='状态'）
        st.plotly_chart（state_total_graph）
执行完此代码后，我们可以根据所需状态选择案例。方法get_total_dataframe用于获取数据集，以绘制选定状态的图。
为了绘制图形，我们使用了plotly.express库方法。最后，使用st.plotly_chart（）显示该图。
该图显示了马哈拉施特拉邦的案件。
马哈拉施特拉邦案件
显示数据框或表
我们还可以使用st.dataframe（）和st.table（）在表视图中查看数据框。
def get_table（）：
    datatable = df [[''state'，'confirmed'，'recovered'，'deaths，'active']]。sort_values（by = ['confirmed']，ascending = False）
    datatable = datatable [datatable ['state']！='未分配状态']
    返回数据表
数据表= get_table（）
st.markdown（“印度有### Covid-19个案例”）
st.markdown（“下表为您提供了与印度各州有关的Covid-19确诊，现役，康复和死者案件的实时分析。”）
st.dataframe（datatable）＃将显示数据框
st.table（datatable）＃将显示表格
印度的州立共谋案件
结论
Streamlit被认为是增长最快的机器学习和数据科学仪表板构建平台。它被认为是最好的仪表板库之一。您可以尝试使用不同的数据集来创建交互式仪表板。
题库