معرفی فریم‌ورک Streamlit [بخش‌اول]

مقدمه

در یک مجموعه مقاله قصد داریم در مورد فریم‌ورک Streamlit صحبت کرده و با قابلیت‌های مختلف آن آشنا شویم. نشان دهیم که چطور با کمترین زحمت بهترین داشبوردها را طراحی کنیم. داشبوردهایی که به شدت تعاملی بوده و کاربر از کار با آن لذت می‌برد. البته برای ایجاد چنین داشبوردهایی نیازی به دانش فنی بالا نبوده و آسان و سریع و تنها با چند خط کد وب اپلیکیشن‌های فوق‌العاده تولید خواهیم کرد.در قسمت اول به معرفی Streamlit پرداخته و از قابلیت‌های آن خواهیم گفت. سپس ابزارک‌های مختلف آن را معرفی کرده و نحوه نصب Streamlit را آموزش می‌دهیم.
معمولاً ارائه و گزارش نتایج آزمایش‌های علم داده / یادگیری ماشین می‌تواند کار سختی باشد. درحالی‌که درگذشته، یک ارائه پاورپوینت یا یک فایل LaTex برای نمایش پروژتان کافی بود ولی با محبوبیتی که امروزه وبسایت‌ها دارند، بهتر است که پروژه خود را در بستر یک سایت نمایش دهید.
این همان جایی است که Streamlit وارد عمل می‌شود. Streamlit یک فریم‌ورک متن‌باز پایتون است که این امکان را برایتان فراهم می‌کند تا وبسایت‌های زیبا و تعاملی برای پروژه‌های یادگیری ماشین و علم داده را بدون نیاز به داشتن مهارت‌های طراحی وب، بسازید.
با Streamlit به‌راحتی و تنها با اضافه‌کردن تعدادی تابع، یک وب‌سایت ایجاد کنید و پروژه یادگیری ماشین خود را در قالب یک وب اپلیکیشن ارائه دهید. از قابلیت‌های Streamlit پویایی آن است به صورتی که با تغییر داده‌ها نمودارها و گزارش‌ها به‌روزرسانی می‌شوند.
در حال حاضر Streamlit قابلیت نمایش متون، داده ها و کد و همچنین بسیاری از ویجت (ابزارک)های تعاملی را فراهم می کند. همچنین به راحتی می توان از بسیاری از کتابخانه های رسم نمودار مثل Matplotlib ، Vega-Lite و Plotly در وب اپلیکیشن ها استفاده کرد.
در این مقاله، می‌خواهم اصول اولیه اینکه چگونه از Streamlit برای ساخت داشبوردهای زیبای پایتونی استفاده کنید را آموزش دهم.
در شکل زیر مثالی از نمایش بصری داده نشان داده شده است.

نحوه نصب  Streamlit

نخست در مورد نحوه نصب این ابزار را توضیح می‌دهم. Streamlit را می‌توان با استفاده از PIP نصب کرد:

Pip install streamlit

پس از نصب Streamlit می‌توانید با اجرای برنامه hello world آزمایش کنید که همه چیز به‌درستی کار می‌کند:

Streamlit hello

این کار یک وبسایت بر روی localhost:8501 برایتان باز می‌کند که در آن می‌توانید تعدادی دمو که با ابزار Streamlit ایجاد شده را ببینید.

شروع به کار

اکنون ‌که مطمئن شدیم همه چیز به‌درستی کار می‌کند، کار با Streamlit را آغاز می‌کنیم.
نخست، نیاز داریم تا Streamlit را به کمک Import به پروژه اضافه کنیم:

Import streamlit as st

می‌توانید فایل‌های مربوط به Streamlit  را با نوشتن دستور زیر اجرا کنید:

streamlit run first_app.py

این کار یک برگه جدید (Tab) در مرورگر باز می‌کند و کد فعلی‌تان را به شما نمایش می‌دهد. این برگه در مرورگر به طور اتوماتیک پس از هر تغییر به‌روز خواهد شد.

نحوه نمایش متن

Streamlit برای اضافه‌ کردن متن، چندین روش از جمله st.text، st.markdown و st.title دارد.

Add a title#
st.title('My first app')
Add some text#
st.text('Streamlit is great')

به همین راحتی، برنامه‌تان اکنون یک عنوان و یک جمله را نمایش می‌دهد.

نمایش دیتا فریم‌های Pandas

در Streamlit یک دیتا فریم Pandas را می‌توان با استفاده از st.dataframe نمایش داد.

import pandas as pd
st.dataframe(pd.DataFrame})
    'first column': [1, 2, 3, 4],
    'second column': [10, 20, 30, 40]
}))

در شکل زیر  یک فریم داده (Data-Frame) نمایش داده شده است.
علاوه بر روش قبلی برای نمایش Dataframe، Streamlit تابع Write را نیز در اختیارمان قرار می‌دهد که به طور اتوماتیک تشخیص می‌دهد چه چیزی به آن پاس داده شده است و باتوجه‌به نوع آن، داده را نمایش می‌دهد.

st.write(pandas.DataFrame})
    'first column': [1, 2, 3, 4],
    'second column': [10, 20, 30, 40]
}))

رسم یک نمودار خطی (Line Chart)

Streamlit تعدادی از کتابخانه‌های معروف نمایش بصری داده از جمله Matplotlib، VegaLite، deck.gl و Plotly  که برای ساختن برخی نمودارها از آن استفاده خواهیم کرد، را پشتیبانی می‌کند.
برای ساختن یک نمودار خطی با تعدادی داده تصادفی، کد زیر قابل‌استفاده است:

import numpy as np
(chart_data = pd.DataFrame
   np.random.randn(20, 3),
  columns=['a', 'b', 'c'])
st.line_chart(chart_data)

در این مقاله به معرفی Streamlit پرداخته و از قابلیت‌های آن گفتیم. سپس ابزارک‌های مختلف آن را معرفی کرده و نحوه نصب و راه‌اندازی Streamlit را آموزش دادیم. سپس نحوه نمایش متون و دیتا فریم و نمودار خطی را بررسی کردیم. در مقاله بعدی به سراغ موارد بعدی مثل ترسیم نقشه و سایر ابزارک‌های Streamlit می‌رویم.