Streamlit开发手册，网上最全，加速大模型应用开发！

最新推荐文章于 2025-05-01 07:15:00 发布

伟仔NJ

最新推荐文章于 2025-05-01 07:15:00 发布

阅读量1.4k

点赞数 18

CC 4.0 BY-SA版权

分类专栏： Python 文章标签： python streamlit 大模型

本文链接：https://blog.csdn.net/twypx/article/details/146069977

最近想整理下 Streamlit 的开发教程，看了网上的教程，总少一部分，所以结合自己的开发经验，做了整合和补充，提供给初学者入门。

1. 安装与配置

1.1. 安装 Streamlit

可以使用pip包管理器安装 Streamlit。在终端或命令提示符中运行以下命令：

pip install streamlit

1.2. 配置文件

在某些情况下，可能需要配置Streamlit，配置文件的位置是 ~/.streamlit/config.toml（windows系统中为：C:\Users\Administrator.streamlit）。如果没有这个文件，你可以自己创建一个。

以下是一个config.toml示例：

[server]
port = 8501
enableCORS = false 

[browser]
serverAddress = "localhost"
gatherUsageStats = false

[runner]
magicEnabled = false

**注意：**在config.toml文件中，大小写是敏感的，确保配置文件中的各个部分和参数名的大小写一致。

参数：
1、port：Streamlit应用的端口号，默认为 8501。
2、enableCORS：是否启用跨域资源共享，默认为false。如果需要开放Streamlit应用，在非本机电脑也行访问，则需要设置为true。
3、serverAddress：Streamlit服务器的地址，默认为 “localhost”。
4、gatherUsageStats参数默认是true，表示允许streamlit收集使用统计信息。一般禁用就行。
5、magicEnabled参数的默认值是true，表示启用Streamlit的魔法命令功能。即：任何时候如果Streamlit看到一个变量或常量值，它就会自动将其使用st.write写入应用。所以可能容易导致网页速度变慢、重复加载数据等等情况。

命令行查看streamlit配置信息：

streamlit config show

1.3. 运行Streamlit应用

运行streamlit演示项目：

streamlit hello

上面有 4个示例项目：
DataFrame Demo
在这里插入图片描述

Plotting Demo
在这里插入图片描述

Mapping Demo
在这里插入图片描述

Animation Demo
在这里插入图片描述

如果需要运行你自己的py文件，在终端或命令提示符中运行：

streamlit run your_app.py

在运行上述命令后，你的默认浏览器将自动跳转Streamlit应用。

2. streamlit显示数据

首先，导入streamlit包：

import streamlit as st

2.1. 显示标题

st.title()：用于创建页面的主要标题，通常是最大和最显眼的标题。它是在应用的顶部设置的，并且在整个页面中通常只使用一次，用于表示应用的主题或总体内容。
st.header()：用于创建一个相对较小的标题，比st.title()稍微小一些。可以在应用中多次使用，用于将内容分成不同的部分或主题。
st.subheader()：用于创建相对较小的标题，比st.header()还要小。可以在应用中多次使用，用于在小节内更细致地标识内容。
st.caption(): 用于创建更小的标题

总体来说，这些函数可以根据文档结构和内容的层次结构来选择使用。使用st.title()来设置整个应用的主标题，使用st.header()和st.subheader()来划分和标识各个部分或小节的标题。这样可以使应用更易于阅读和理解。

import streamlit as st
 
st.title("这是一个标题")
st.header("这是一个较小的标题")
st.subheader("这是一个相对较小的标题")
st.caption("这是一段说明文字")

在这里插入图片描述

2.2. 显示文本

st.markdown()：用于支持Markdown格式的文本，允许你使用Markdown语法来添加样式、链接、列表等元素。它提供更灵活的文本呈现选项，允许你使用Markdown标记来创建富文本内容。
st.text()：不支持Markdown语法，只显示纯文本内容。

import streamlit as st
 
st.markdown("""
## 定义
CO-STAR是六个关键要素的缩写，每个字母代表一个特定的部分：
- **Context（上下文）** ：提供任务的背景信息或环境
`当前任务是为一家科技公司撰写一篇关于人工智能发展趋势的文章`/ `需要为一场面向高中生的科普讲座准备内容`
- **Objective（目标）** ：明确任务的具体目标或期望结果
`生成一篇逻辑清晰、通俗易懂的科普文章`/ `总结出人工智能领域的三大关键趋势并解释其影响`
- **Style（风格）** ：定义语言表达的风格或语气
`正式且专业的学术风格`/ `轻松幽默、适合青少年理解的科普风格`
- **Tone（语调）** ：设定沟通的情感基调
`积极乐观，传递对未来技术的信心`/ `中立客观，避免过度夸张的技术描述`
- **Audience（受众）** ：明确内容的目标受众
`面向科技行业的从业者和决策者`/ `面向对人工智能感兴趣的普通大众或学生群体`
- **Response（响应格式）** ：规定输出的形式或结构要求
`使用Markdown格式输出，包含标题、段落和项目符号列表`/ `附带一个可视化图表示例，并用简短的语言解释数据来源`
""")

st.text("""
春花秋月何时了，往事知多少。小楼昨夜又东风，故国不堪回首月明中。
""")

在这里插入图片描述

可以看到，Markdown打印方式更灵活，而text打印方式较为单一。

2.3. 显示代码段

st.code() 调用参数如下：
body：要显示的代码字符串。
language：代码所使用的开发语言，字符串，默认值：python。如果省略的话，将没有语法高亮效果。

import streamlit as st
 
st.markdown('**以下为打印的代码：**')
 
st.code('''
def bubble_sort(arr):
    n = len(arr)
    # 遍历所有数组元素
    for i in range(n):
        # 最后 i 个元素已经排好序，不需要再比较
        for j in range(0, n-i-1):
            # 如果元素比下一个元素大，则交换它们
            if arr[j] > arr[j+1]:
                arr[j], arr[j+1] = arr[j+1], arr[j]
# 示例使用
if __name__ == "__main__":
    # 测试数据
    example_list = [64, 34, 25, 12, 22, 11, 90]
    print("原始数组:", example_list)
    # 调用冒泡排序函数
    bubble_sort(example_list)
    print("排序后的数组:", example_list)
''', language='python')

效果如下：
在这里插入图片描述

2.4. 显示公式

st.latex： 用于在页面中渲染 LaTeX 格式的数学公式，支持复杂的数学表达式和符号。这在需要展示数学内容时非常有用。
调用方式：
通过 st.latex(body) 渲染 LaTeX 公式，body 是包含公式的字符串。

import streamlit as st

# 渲染单行公式
st.latex(r"E = mc^2")

# 渲染多行复杂公式
st.latex(r"""
f(x) = \int_{-\infty}^\infty
\hat{f}(\xi)\,e^{2 \pi i \xi x}
\,d\xi
""")

# 结合 Markdown 和 LaTeX
st.markdown("以下是一个带解释的公式：")
st.latex(r"\text{概率密度函数：} P(X = k) = {n \choose k} p^k (1-p)^{n-k}")

在这里插入图片描述

2.5. 通用显示方法

st.write()： 是Streamlit中用于在应用程序中展示文本和数据的通用函数。它是一个多功能的函数，可以接受多种类型的参数，包括Markdown格式的字符串、数字、DataFrame、图表等。

import streamlit as st
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
 
# 字符串
st.write("这是一段文本。")
 
# 数字
st.write(42)
 
# 列表
st.write([1, 2, 3])
 
# 字典
st.write({
   "key": "value"})
 
# 数据框（DataFrame）
df = pd.DataFrame({
   "Column 1": [1, 2, 3], "Column 2": ["A", "B", "C"]})
st.write(df)
 
#多参数用法
st.write("这是一个字符串", 42, [1, 2, 3], {
   "key": "value"})
 
#自定义渲染
fig, ax = plt.subplots()
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax.plot(x, y)
st.write(fig)

效果如下：
在这里插入图片描述

在这里插入图片描述

2.6. 显示表格

2.6.1. st.dataframe

st.dataframe()： 以表格的形式呈现数据，支持Pandas的特有功能，如排序、过滤等，并且会自动适应数据框的大小，如果数据框太大，它会自动启用滚动条。
参数如下：
①width：UI元素的期望宽度，单位为像素，类型为Int或None，如果是None的话，Streamlit将基于页面宽度计算元素宽度。
②height：UI元素的期望高度，单位为像素，类型为Int或None。

另外，st. dataframe 还可以传入一个 Pandas Styler 对象来修改所渲染的 DataFrame 的样式，例如将每一列的最大值高亮显示：

"""
- highlight_null：空值高亮
- highlight_min：最小值高亮
- highlight_max：最大值高亮
- highlight_between：某区间内的值高亮
- highlight_quantile：暂没用过
"""
st.dataframe(df.style.highlight_max(axis=0))

2.6.2. st.table

**st.table()：**用于显示通用表格数据，不仅支持Pandas，还可以处理列表、元组等可迭代数据结构。但st.table仅用于显示数据，而不提供诸如排序和过滤等数据框专有功能。

import streamlit as st
import pandas as pd
import numpy as np
 
random_data = np.random.rand(100, 10)
df = pd.DataFrame(random_data, columns=[f'Col{
     i}' for i in range(1, 11)])
 
st.dataframe(df)
st.table(df)