*Streamlit的優勢與安裝
*文字與資料展示元素
*資料視覺化與圖表元素
*多媒體展示元素
*使用者輸入類元件
*版面配置和容器元件
*狀態顯示與流程控制
*機器學習工作流程
*醫療費用預測Web應用
*銷售資料儀表板Web應用
常常看到許多展示AI的網頁非常漂亮,心中都會想說,又要開發AI程式,又要寫網頁,一定是很大的工程吧!但這些漂亮的網頁,很可能也是AI工程師用非常簡單的方法開發出來的,靠的就是最新的Web框架Streamlit。隨著機器學習和資料科學的發展,將複雜的分析結果用簡單易懂的方式展示給非技術人員,變得非常重要。
傳統的Web框架如Flask、FastAPI或Django雖然功能強大,但開發過程常常讓人抓狂,需要寫大量模板和視圖程式。這時,Streamlit這個神奇的Python函數庫出場了!它大大簡化了資料Web應用的開發過程,讓你只需使用熟悉的Python語言,就能快速建構出互動式的機器學習和資料科學Web應用。Streamlit的高效和強大功能,迅速吸引了無數資料科學家和機器學習工程師的目光。
這本書會帶你從安裝、啟動一路學起,並詳細介紹各種展示元素,從文本展示到資料視覺化,從多媒體展示到使用者輸入元件,應有盡有。書中還會教你如何利用Streamlit進行標準的機器學習工作流程,並通過實戰範例,如基於隨機森林演算法的企鵝分類和醫療費用預測應用,讓你實際操作,學以致用。這些內容不僅讓你快速掌握Streamlit,還能大幅提升你在機器學習和資料科學Web應用開發上的效率與樂趣!
目錄
基 礎 篇
第1章 Streamlit的介紹及安裝
1.1 Streamlit是什麼
1.2 Streamlit的優勢及特點
1.3 Streamlit的安裝
1.4 Streamlit演示專案介紹
1.5 關閉專案執行
1.6 啟動自訂的專案
1.7 本章小結
第2章 文字類和資料類展示的元素
2.1 普通文字展示元素
2.2 標題展示元素
2.3 章節展示元素
2.4 子章節展示元素
2.5 程式區塊展示元素
2.6 說明文字展示元素
2.7 Markdown語法展示元素
2.8 LaTeX公式文字展示元素
2.9 資料框展示元素
2.10 Table資料框展示元素
2.11 Metric指標類展示元素
2.12 JSON資料展示元素
2.13 超級方法write()展示各類元素
第3章 資料視覺化和圖表元素
3.1 內建折線圖
3.2 內建橫條圖
3.3 內建面積圖
3.4 內建帶點的地圖
3.5 展示Graphviz函數庫影像
3.6 展示Matplotlib函數庫影像
3.7 展示Seaborn函數庫影像
3.8 展示Vega-Altair函數庫影像
3.9 展示Plotly函數庫影像
3.10 展示Bokeh函數庫影像
3.11 展示Pydeck函數庫影像
第4章 多媒體展示元素
4.1 影像
4.2 音訊
4.3 影片
4.4 表情符號
第5章 使用者輸入類元件
5.1 普通按鈕
5.2 選項按鈕
5.3 核取方塊
5.4 下拉按鈕
5.5 多選下拉按鈕
5.6 數值滑動桿元件
5.7 範圍選擇滑動桿元件
5.8 下載按鈕
5.9 單行文字輸入框元件
5.10 數字輸入框元件
5.11 多行文本輸入框元件
5.12 日期選擇元件
5.13 時間選擇元件
5.14 檔案上傳元件
5.15 拍照元件
5.16 顏色撿拾元件
第6章 版面配置和容器元件
6.1 側邊欄
6.2 列容器
6.3 標籤
6.4 擴充器
6.5 容器
6.6 佔位容器
6.7 多頁面應用
第7章 狀態顯示、流程控制及高級特性
7.1 狀態顯示
7.2 控制流程
7.3 高級特性
實 戰 篇
第8章 企鵝分類專案
8.1 標準的機器學習工作流程
8.2 企鵝分類Web應用
第9章 醫療費用預測Web應用
9.1 資料集介紹
9.2 資料前置處理
9.3 選擇回歸演算法建立模型
9.4 將模型儲存到檔案中
9.5 在Streamlit Web應用中使用預先訓練的模型
第10章 銷售資料儀表板Web應用
10.1 資料集介紹
10.2 讀取超市銷售資料
10.3 建立篩選維度的側邊欄
10.4 建立視覺化圖表
10.5 建立關鍵指標資訊
10.6 組織資訊調整版面配置
作者介紹
作者簡介
王鑫
資料分析工程師,是一名終身學習者,擁有豐富的Python知識,精通Streamlit、Django、Pygame、Pandas、NumPy、scikit-leam、TensorFlow、Matplotlib、Vega-Altair、Pyomo、Ray等Python函數庫,擅於透過程式設計學習新的知識,熱愛程式設計技術。