一个神奇的 Python 库:Streamlit,把脚本秒变 Web 应用

下面是一个简单数据分析：

df = pd.read_csv("销售数据.csv")result = df.groupby("地区").agg({"销售额": "sum", "利润": "mean"})print(result)

输出：

但这个输出内容你怎么给你的老板看呢？截图通过微信发给你老板？

实际上他想要一个能打开的链接、能筛选的日期、能下载的表格，一个可视化界面。

这不是你一个人的困境。每一个做数据分析的 Python 开发者都卡在「分析能力满分，交付能力零分」的断层上——你能写出复杂的数据管道，但没法让业务方自己探索数据。

「Streamlit 就是为填这个断层而生的。」 它的设计哲学非常简单：你只需要写 Python，它帮你生成 Web 界面。

上面代码仅需简单改造就能变成一个漂亮的 Web 应用：

import streamlit as stimport pandas as pdst.title("销售数据看板")df = pd.read_csv("销售数据.csv")st.dataframe(df)        # 可排序、可筛选的交互式表格st.bar_chart(df.groupby("地区")["销售额"].sum())

通过下面shell安装、运行

pip install streamlit     # 安装streamlit run app.py      # 运行

浏览器自动打开 http://localhost:8501。 你看到的不是一个终端输出，而是一个「完整的 Web 应用」——有标题、有表格（可以点击列头排序）、有柱状图。你没写一行 HTML。

一、Streamlit 是什么？

Streamlit 是一个开源的 Python 库，能够让你「纯用 Python 代码」快速构建和分享数据 Web 应用。不需要 HTML、CSS 或 JavaScript，几分钟就能把一个 Python 脚本变成可交互的网页应用。

它尤其适合数据科学家、机器学习工程师和需要快速做原型演示的开发者。 你写的是线性 Python 脚本，但它呈现的是一个有状态的交互式 Web 应用。

二、安装

环境要求：Python 3.8 ~ 3.13。

pip install streamlit

安装完成后，验证是否成功：

streamlit hello

这会启动一个本地服务，并在浏览器中打开 Streamlit 的官方演示页面。

三、第一个应用

创建一个 app.py 文件：

import streamlit as stimport pandas as pdimport numpy as npst.title("我的第一个 Streamlit 应用")st.write("Hello, Streamlit!")# 生成一些随机数据并绘制折线图chart_data = pd.DataFrame(    np.random.randn(20, 3),    columns=["A", "B", "C"])st.line_chart(chart_data)

在终端中运行：

streamlit run app.py

四、常用组件详解

4.1 文本组件

文本组件负责将信息直观地呈现给用户。不同于普通的 print()，Streamlit 的文本组件会渲染在浏览器中，并支持丰富的格式和层级结构。

st.title("这是一级标题")         # 最大号标题st.header("这是二级标题")        # 中号标题st.subheader("这是三级标题")     # 小号标题st.markdown("支持 **Markdown** 语法")st.text("纯文本内容")st.code("print('Hello')", language="python")  # 代码块，带语法高亮st.caption("这是一段说明性小字")st.latex(r"e^{i\pi} + 1 = 0")   # LaTeX 公式

输出:

4.2 数据展示

数据展示组件是 Streamlit 作为数据分析工具的核心优势。它们不仅展示数据，还提供了交互能力，帮助用户快速洞察规律。

data = {"姓名": ["张三", "李四", "王五"],"年龄": [25, 30, 28],"城市": ["北京", "上海", "广州"]}df = pd.DataFrame(data)st.dataframe(df)           # 可交互的表格（支持排序、缩放）st.table(df)               # 静态表格st.json(data)  # JSON 格式化展示st.metric("温度", "24°C", delta="1.5°C")  # 指标卡片，delta 表示变化量

输出: 

4.3 图表组件

Streamlit 内置了几种常用图表，也支持 Matplotlib、Plotly、Altair 等第三方图表库。

import pandas as pdimport numpy as npimport streamlit as stdata = {"姓名": ["张三", "李四", "王五"],"年龄": [25, 30, 28],"城市": ["北京", "上海", "广州"],"薪资": [15000, 18000, 16000]}df = pd.DataFrame(data)# st.map 需要 latitude / longitude 列（或 lat / lon）location_data = pd.DataFrame({"latitude":  [39.9042, 31.2304, 23.1291, 22.5431, 30.5728],"longitude": [116.4074, 121.4737, 113.2644, 114.0579, 104.0668],"city":      ["北京", "上海", "广州", "深圳", "成都"]})import matplotlib.pyplot as plt# 内置图表（基于 Altair）# 只选数值列做图表，避免字符串列报错df_chart = df.set_index("姓名")[["年龄", "薪资"]]st.line_chart(df_chart)      # 折线图st.area_chart(df_chart)      # 面积图st.bar_chart(df_chart)       # 柱状图st.scatter_chart(df, x="年龄", y="薪资") # 散点图st.map(location_data)         # 地图（需 latitude/longitude 列）# Matplotlibfig, ax = plt.subplots()ax.plot([1, 2, 3], [1, 4, 2])st.pyplot(fig)# Plotly（交互式图表）import plotly.express as pxfig = px.scatter(df, x="年龄", y="薪资")st.plotly_chart(fig, use_container_width=True)

产生多种图表， 输出：

4.4 输入组件

输入组件是 Streamlit 的灵魂。用户每次操作控件（如滑动、点击、输入），整个 Python 脚本都会从上到下重新执行，变量值自动更新为控件当前状态。这种 “数据流驱动” 的模式极大地简化了后端逻辑。