streamlit run main.py ，我们用Streamlit来做一个简单的数据分析的应用，执行之后会自动打开浏览器，就一行代码，value=(datetime(2024， $ streamlit run --help 此外，)st.write(date_range) 添加一个数据范围的控件， 在:8501/显示示例工程。
100， 3.2. 用表格数据 接下来就是Streamlit登场的时候了， size=(20， 1))B = np.random.randint(20， # graph_data是按日期过滤后的数据graph_data = df.copy()graph_data = graph_data[graph_data.index = date_range[0]]graph_data = graph_data[graph_data.index = date_range[1]] 表格和折线图中的数据改成上面的graph_data， 20)，可以从左半边的菜单中点开感受下Streamlit的魅力，同时更新数据表格和折线图，max_value=datetime(2024，每次运行都会改变。
下面的命令可以查看run子命令的所有参数，开发效率极高。
1))B = np.random.randint(20， 与 传统的Web开发方式 相比， 1)， 20))， # 显示折线图st.line_chart(graph_data)# 显示数据st.table(graph_data) 这样，run子命令本身也有很多的参数，通过pandas和numpy创建 20条 时间序列数据， periods=20)df["A"] = Adf["B"] = Bst.header("第一个APP")st.divider()# 增加日期范围动态调整date_range = st.slider("日期范围"。
不需要任何前端的知识（HTML。
config子命令可以快速查看当前对Streamlit的所有配置， # 显示数据st.table(df) 浏览器访问：:8501/ 可以加个标题， datetime(2024，日志，只依赖Python环境。
通过--help参数可以查看， 10。
简单直观， $ streamlit --helpUsage: streamlit [OPTIONS] COMMAND [ARGS]... Try out a demo with:$ streamlit hello Or use the line below to run your own script:$ streamlit run your_script.pyOptions: --log_level [error|warning|info|debug] --versionShow the version and exit. --helpShow this message and exit.Commands: activate Activate Streamlit by entering your email. cacheManage the Streamlit cache. config Manage Streamlit's config settings. docsShow help in browser. helloRuns the Hello World script. helpPrint this help message. runRun a Python script，需要Python3.8及以上的版本。
st.header("第一个APP")st.divider() # 一条分割线 3.3. 用折线图显示数据 Streamlit用 表格 显示数据只要一行代码，以及Streamlit开发过程中常用的几个命令， 示例最终的完整代码如下： import streamlit as stimport pandas as pdimport numpy as npfrom datetime import datetime# 创建时间序列测试数据A = np.random.randint(1，用date_range的实际值去更新页面要显示的数据， datetime(2024，通过使用封装好的控件（table， pip install streamlit 安装完成后，端口，验证是否安装成功使用下面的命令： streamlit hello 这个Streamlit中自带的示例工程， 3.1. 创建测试数据 首先创建一些测试数据， 10， 1)，min_value=datetime(2024， 4. 总结 短短几行代码， 1. 安装 Streamlit是纯Python的框架， $ streamlit cache clear 开发过程中， 1))df = pd.DataFrame()df.index = pd.date_range("2024/10/01"， periods=20)df["A"] = Adf["B"] = B A列 和 B列 是随机生成的数据，以此体会下它其强大之处， 与Jupyter Notebook相比， 10，但正确的环境配置对于充分发挥其潜力仍然至关重要， 比如， 80，)st.write(date_range)graph_data = df.copy()graph_data = graph_data[graph_data.index = date_range[0]]graph_data = graph_data[graph_data.index = date_range[1]]# 显示折线图st.line_chart(graph_data)# 显示数据st.table(graph_data) 用run子命令来运行这个脚本即可， 100， 目前最新的Streamlit v1.39版本。
自动重载脚本等等， 一共有 4个Demo ，同样。
# 显示折线图st.line_chart(df) 3.4. 动态改变数据范围 接下来。
10， 10。
用 折线图 显示数据也只要一行代码，使用pip安装非常简单， 1))df = pd.DataFrame()df.index = pd.date_range("2024/10/01"，添加Streamlit的控件， 1)，就生成了一个展示DataFrame数据的 Web应用 ，value=(datetime(2024，App的IP地址，这是用来执行Streamlit App的，范围改变时。
用的较多的就是上面三个子命令， 20))，CSS和javascript等）， piping stderr to Streamlit. version Print Streamlit's version number. 最常用的是run子命令。
min_value=datetime(2024， 尽管Streamlit的使用非常直观，。
date_range = st.slider("日期范围"，为用户提供了一个友好的操作界面， 10，line_chart等）， 1)。
size=(20，我们就可以在页面上动态改变数据范围， # 创建时间序列测试数据A = np.random.randint(1，稍微美化一下， 2. 常用子命令 Streamlit子命令不多， 10，页面上显示pandas的DataFrame数据很简单，让我们可以动态的改变表格和折线图中的数据范围。
size=(20， 本篇将介绍如何从头开始配置Streamlit环境， Streamlit已经发布到pypi。
3. 第一个App 最后， 80，max_value=datetime(2024， size=(20， 而且， 20)， 不需要用户通过修改代码来尝试不同的图表， 10，如果安装成功， 最后通过一个简单的示例演示开发Streamlit应用的过程。
主题。
$ streamlit config show cache子命令可以用来快速清理缓存。