Streamlit를 사용하여 데이터 시각화 도구 만들기

오늘
다음은 파이톤

Streamlit로 기술할 수 있는 응용 프레임워크를 소개한다.웹 브라우저를 사용합니다.Flash, Django, Dash, Plaotly 등은 웹 응용 프레임워크가 있지만 자바스크립트, HTML, 웹 응용을 시작하는 구조 등 파이톤 이외의 지식을 은근히 요청한다.이것은 프로그래머에게 웹 응용 프로그램 자체의 공간을 맞춤형으로 만들어 줄 수 있다.한편, 연구 단계의 데이터 과학, 머신러닝 분야에서 요구되는 기능은 데이터를 도표로 시각화하거나 이미지를 표시하는 것으로, 필요에 따라 슬라이더, 복선상자 등 간단한 UI만 있으면 충분하다.이런 기능들은 비록 매우 간단하지만 (고급 기능이기 때문에) 그 구조를 만드는 데는 작업 시간이 필요하다.예를 들어 버튼 변경, 선택 상자 변경 통지, 통지 수신 후의 논리적 설명, 슬라이더의 값이 바뀌어 매개 변수의 변동을 나타내는 처리는 데이터를 그리는 처리보다 더 많은 인코딩을 필요로 한다.

Jupter Notebook/Lab에서 실행되는 ipywidgets에서 interact 함수를 제공합니다. 사용자가 정의한 함수와 파라미터 정의 범위의 자물쇠 함수를 걸어서 파라미터를 바꾸고 결과를 표시할 수 있습니다.이것은 최대 2, 3줄까지 가능하며 매우 간단하다.하지만 Jupter Notebook에서 이러한 제약을 적용할 수 있는 환경이 있다.

태그 밑에 글을 쓰거나 파이톤의 코드를 기술하거나 그림을 읽고 PIL이나 Matplotllib로 표시하는 데 익숙해지면 바로 들어갈 수 있을 것이다.

Streamlit.
The fastest way to
build data apps
Streamlit 첫 페이지https://www.streamlit.io/의 표어입니다.너는 그 가장 빠른 속도에 따라 응용 프로그램을 구축할 수 있다.
어떤 물건

예를 들어 분류 문제를 해결하는 임무를 위임받았다.학습용 자료에 어떤 것이 있는지, 라벨에 어떤 그림이 있는지 확인하는 것이 가장 좋다.다음 gif는 이를 위해 제작되었습니다.

이 데이터 집합은 TensorFolow/Keeras의 강좌https://www.tensorflow.org/tutorials/load_data/images에도 소개되어 있다.

주제 밖의 말은 갑자기 교과서를 읽는 것보다 가이드를 읽고 튜토리얼을 읽으면 TF로 학습 라인을 구축하는 방법이 이해하기 쉽다.

차리다
streamlit를 설치합니다.여기는 0.61.0입니다.꽃을 로드하기 위한 데이터 세트에는 TensorFolow가 사용됩니다.여기

$ pip install streamlit　
$ pip install tensorflow

이루어지다

코드를 씁니다app.py.50줄 이내에 위gif와 같은 프로그램을 실현할 수 있습니다.

app.py

import pathlib
from typing import List

from PIL import Image
import streamlit as st
from tensorflow import keras


def download() -> str:
    data_dir = keras.utils.get_file(
        origin="https://storage.googleapis.com/download.tensorflow.org/example_images/flower_photos.tgz",
        fname="flower_photos",
        untar=True,
    )
    return data_dir


class FlowerDataset:
    def __init__(self):
        self.data_dir = pathlib.Path(download())
        self.labels = ["sunflowers", "daisy", "roses", "tulips", "dandelion"]

    def select(self, label: str) -> List[pathlib.Path]:
        return list(self.data_dir.glob(f"{label}/*"))


def main():
    st.markdown("# Data visualization tool using Streamlit")
    dataset = FlowerDataset()
    selector = st.sidebar.selectbox("Select your favorite flower", dataset.labels)
    selected_data = dataset.select(selector)
    index = st.sidebar.number_input(
        f"Select index from 0 to {len(selected_data)}",
        min_value=0,
        max_value=len(selected_data),
        value=0,
        step=1,
    )
    sample_path = selected_data[index]
    image = Image.open(sample_path)
    expand = st.sidebar.checkbox("Expand")
    degree = st.sidebar.slider("Degree", min_value=0, max_value=180, step=1)
    st.image(image.rotate(degree, expand=expand))


if __name__ == "__main__":
    main()

동작 방법pip install streamlit에서 가져오면streamlit 명령을 사용할 수 있습니다.

$ streamlit run app.py

이렇게 하면 브라우저에서 자동으로 업스트림 화면 옆에 선택 상자와 슬라이더가 표시됩니다.
gist 코드도 실행할 수 있습니다
위 코드는 gist에서 공개됩니다.
- https://gist.github.com/terasakisatoshi/a26da05fa8077e9cda816e35ba0a12e1
이런 상황 앱.py를 가리키는 파일을 지정하면 파일을 잃어버리는 번거로움을 줄일 수 있습니다.

$ streamlit run https://gist.githubusercontent.com/terasakisatoshi/a26da05fa8077e9cda816e35ba0a12e1/raw/41541b7a1c842fe484f44ca8be2cd4fea00e7f94/app.py

코드 컨텐트 정보

main() 함수의 내용을 보면 st.markdown와st.sidebar.checkbox 같은 것이 보인다.UI의 위젯입니다(widget).실행 코드의 순서에 따라 화면 위쪽부터 순서대로 설정합니다.사이드바 (어쨌든 옆 구역) 에 설정하고 싶을 때 st.sidebar.<widgetname> 처럼 sidebar 를 거쳐 코드를 씁니다.

개발된 워크플로우

실제 터치하면 streamlit run app.py가 실행된 후 변경app.py된 파일이 있으면 Streamlit에서 이 변경 사항을 감지하고 다시 프로그램을 실행합니다.이 기능은 매우 편리하다.특히streamlit run...다시 할 필요 없으니까.이걸 사용하면 스크랩으로 앱을 쓸 때import streamlit as st 한 줄만 쓴 다음stream lit run으로 파일에 수시로 기술하고 현장 업데이트를 하면 눈에 띄면 그에 맞는 것을 만들 수 있다.

UI를 조작한 후의 동작 처리는 어떻게 실현됩니까?

주의 코드는 value=st.<widgetname>의 형식입니다.왼쪽에는 선택 상자나 슬라이더가 유지되는 값이 저장됩니다.Streamlit은widget이 가지고 있는 값이 변할 때 원본 코드를 재평가합니다.변경된 값이 들어왔기 때문에value 변경된 값 논리에 따라 실행됩니다.이를 통해 UI 를 통해 적절한 작업을 수행할 수 있습니다.물론 재평가할 때마다 무거운 함수를 처리하는 악몽을 여러 번 상상하지만 @ts.cache를 통해decord를 통해 해결한다.위의 예는 캐시를 사용하지 않아도 무겁지 않기 때문에 생략했습니다.

사용자는 "UI의 구성은 대체로 위에서 이 순서대로 배열된다"는 의미와 데이터를 처리하는 논리적 능력만 갖추면 된다.그림% 1개의 캡션을 편집했습니다. st.image 그림% 1개의 캡션을 편집했습니다.즉, 매개 변수 함수의 그리기는 슬라이더와 Matplotlib을 통해 그릴 수 있으며, 이렇게 하면 상호작용 도표를 생성할 수 있다.

총결산

Streamlit은 시각 형상 도구를 제작했습니다.지금까지 ipywidget으로 만들었어요.
스트림릿으로 데모를 제작할 수 있습니다.

만들 때 "얼마나 편한가!"이런 감동이 끊이지 않는다.논리는 쓸 수 있지만 UI 제작이 부담스럽다면 스트리밍을 해볼 가치가 있다고 생각해요.