作者 | AJ Gordon

责编 | Carol

头图 | CSDN 付费下载于视觉中国

出品 | CSDN云计算（ID：CSDNcloud）

本文主要介绍如何利用Python的Streamlit库和Heroku云平台来做一个交互式数据分析Web应用。开发环境如下：

Windows10系统

Anaconda3（python3.7.4）

Git（2.26.0.windows.1）

Heroku账号

梯子（Heroku需科学上网才可访问）

Streamlit

根据Streamlit官方文档介绍，它是一个开放源代码的Python库，可以轻松地为机器学习和数据科学构建漂亮的自定义web应用程序。也就是说，即使你对web开发并不熟悉，但只要利用它，就可以很容易搭建出一个Web。

通过“pip install streamlit”进行安装，再执行“streamlit hello”。若安装成功，默认浏览器会自动打开或输入“localhost:8501”，会弹出如下图界面。

图1 安装成功界面Streamlit用于数据可视化的话，主要模块有：Cache，Interactive widgets，Charts。

1) CacheStreamlit遵循由上至下的运行顺序，所以每次代码中有进行任何更改，都会重新开始运行一遍，会十分耗时。@st.cache会对封装起来的函数进行缓存，避免二次加载。如果函数中的代码发生变动，cache会重新加载一遍并缓存起来。假如将代码还原到上一次版本，由于先前的数据已经缓存起来了，所以不会进行二次加载。

import streamlit as st

import time

st.write("Loading....")

start_time = time.clock

@st.cache

def expensive_computation(a, b):

time.sleep(5)

return a ** b

a = 2

b = 21

res = expensive_computation(a, b)

st.write("Result:", res)

end_time = time.clock

st.write("耗时：%0.1f 秒" % (end_time-start_time))

图2 Cache

2) Interactive widgetsStreamlit提供多种组件，如滑块，选择框和按钮等交互组件。利用组件可以灵活地展示数据，这一点类似很多BI工具提供的功能。

import streamlit as st

import pandas as pd

import time

# 按钮

st.subheader("按钮")

if st.button('Say hello'):

st.write('Why hello there')

# 复选框

st.subheader("复选框")

agree = st.checkbox('I agree')

if agree:

st.write('Great!')

# 单选框

st.subheader("单选框")

genre = st.radio(

"What's your favorite movie genre",

('Comedy', 'Drama', 'Documentary'))

if genre == 'Comedy':

st.write('You selected comedy.')

else:

st.write("You didn't select comedy.")

# 选择框

st.subheader("选择框")

option = st.selectbox(

'How would you like to be contacted?',

('Email', 'Home phone', 'Mobile phone'))

st.write('You selected:', option)

# 多选框

st.subheader("多选框")

options = st.multiselect(

'What are your favorite colors',

('Green', 'Yellow', 'Red', 'Blue'),'Yellow')

st.write('You selected:', options)

# 滑块

st.subheader("滑块")

age = st.slider('How old are you?', 0, 130, 25)

st.write("I'm ", age, 'years old')

# 数值输入框

st.subheader("数值输入框")

number = st.number_input('Insert a number')

st.write('The current number is ', number)

# 加载数据

uploaded_file = st.file_uploader("Choose a CSV file", type="csv")

if uploaded_file is not None:

data = pd.read_csv(uploaded_file)

st.write(data)

# 进度条

my_bar = st.progress(0)

for percent_complete in range(100):

time.sleep(0.1)

my_bar.progress(percent_complete + 1)

图3 Interactive widgets

3) ChartsStreamlit图库底层基于Matplotlib库搭建，一些常见的图表如折线图，条形图，关系图等，都可以直接传递数据生成图表。此外还增加了deck.gl，可以用于绘制3D地图。

import streamlit as st

import pandas as pd

import numpy as np

# 折线图

st.subheader("折线图")

chart_data = pd.DataFrame(

np.random.randn(20, 3),

columns=['a', 'b', 'c'])

st.line_chart(chart_data)

# 面积图

st.subheader("面积图")

chart_data = pd.DataFrame(

np.random.randn(20, 3),

columns=['a', 'b', 'c'])

st.area_chart(chart_data)

# 条形图

st.subheader("条形图")

chart_data = pd.DataFrame(

np.random.randn(50, 3),

columns=["a", "b", "c"])

st.bar_chart(chart_data)

# 3D图

st.subheader("3D图")

df = pd.DataFrame(

np.random.randn(1000, 2) / [50, 50] + [37.76, -122.4],

columns=['lat', 'lon'])

st.deck_gl_chart(

viewport={

'latitude': 37.76,

'longitude': -122.4,

'zoom': 11,

'pitch': 50,

layers=[{

'type': 'HexagonLayer',

'data': df,

'radius': 200,

'elevationScale': 4,

'elevationRange': [0, 1000],

'pickable': True,

'extruded': True,

'type': 'ScatterplotLayer',

'data': df,

# 关系图

st.subheader("关系图")

st.graphviz_chart('''

digraph {

run -> intr

intr -> runbl

runbl -> run

run -> kernel

kernel -> zombie

kernel -> sleep

kernel -> runmem

sleep -> swap

swap -> runswap

runswap -> new

runswap -> runmem

new -> runmem

sleep -> runmem

# 地图

st.subheader("地图")

df = pd.DataFrame(

np.random.randn(1000, 2) / [50, 50] + [37.76, -122.4],

columns=['lat', 'lon'])

st.map(df)

图4 Charts

Heroku

Heroku是一个支持多种编程语言的云平台，如Java，Node.js和Python等等。注册账号需要自备梯子，并且需使用gmail邮箱注册。用户每月可享受1000小时免费时长，以及512M内存，若应用超过30分钟没访问会自动休眠，重新访问即可唤醒。然后，需要下载Heroku CLI命令行工具，下载以后可以使用命令行直接部署。

图5 Heroku支持的语言

图6 Heroku CLI下载页面

应用部署实例

首先，新建一个文件“Streamlit_Demo.py”。

import streamlit as stimport pandas as pdimport numpy as npst.title('Uber pickups in NYC')DATE_COLUMN = 'date/time'DATA_URL = ('必备的，缺一不可。

1) Procfile

#代码的执行语句web: sh setup.sh && streamlit run Streamlit_Demo.py2) requirements.txt

# 代码所需的库及其版本streamlit==0.56.0pandas==0.25.1numpy==1.16.53) setup.sh

# 配置

mkdir -p ~/.streamlit/

echo "\

[server]\n\

headless = true\n\

port = $PORT\n\

enableCORS = false\n\

\n\

" > ~/.streamlit/config.toml

最后，配置文件和代码准备好后，可以保存在本机demo路径下。再按照以下步骤进行部署：

1) 进入项目路径，先登录heroku，输入“heroku login”后按下空格键，默认浏览器会自动打开，输入heroku账号和密码后关闭即可。

cd demo

heroku login

2) 创建一个新应用，输入”heroku create xx”，heroku规定应用名称开头结尾只能是小写字母，并且全名只能包含小写字母，数字和破折号。也可以只输入”heroku create”，会自动命名一个应用。

heroku create streamlit-demo-01

# 或者

# heroku create

3) 初始化git代码库，并远程操控heroku。

git initheroku git:remote –a streamlit-demo-01git add .git commit -m "Initialize Project"# 若git出现"git Please tell me who you are."，运行以下两条命令，再重新执行commit:# git config user.name "heroku用户名"# git config user.email "heroku注册邮箱"4) 上传代码到heroku代码库。

git push heroku master5) 执行”heroku open”打开部署好的应用，若打开后出现” Application error”，需要自行排查是否缺失文件或文件内容有误，笔者一开始因为缺少”setup.sh”文件导致部署失败。另外，笔者直接从github clone后也会报错，所以是在本机新建文件和文件夹的，项目上传至。

heroku open6) 部署完成后，输入“。

图7 部署完成界面

总结

总体上来讲，相比较用Django框架开发Web，Streamlit开发一个交互式应用会更轻松，虽然功能还不完善，但对于数据分析可视化来说已经满足了，而且只需要掌握Streamlit库的用法就可以实现。

作者：AJ Gordon，对爬虫/机器学习/数据建模/可视化均有所涉猎的数据分析师。

☞AI 看脸算命，3 万张自拍揭露：颜值即命？

☞无代码来了，还要程序员吗？

☞芯片供应被掐断，华为能否安全渡劫？

☞来了来了！趋势预测算法大PK！

☞Python开发之：Django基于Docker实现Mysql数据库读写分离、集群、主从同步详解 | 原力计划

☞15 岁黑进系统，发挑衅邮件意外获 Offer，不惑之年捐出全部财产，Twitter CEO 太牛了！