sun
在本文中，我們將探討如何使用Streamlit來快速構建一個用於展示的人工智能應用程式。Streamlit是一個開放源碼的框架，專門為數據科學家和機器學習專家設計，使他們能夠輕鬆地創建可互動式的網頁應用程式，而無需任何前端開發經驗。以下是一份詳細指南，幫助您開始您的第一次Streamlit體驗。
安裝與設定
首先，請確保您的計算環境已經準備好進行Python編程。如果您還沒有安裝Python，您可以從官方網站下載並安裝最新的版本（建議使用Python 3.x）。接下來，您需要安裝Streamlit庫。透過運行下列指令碼來完成此操作:
pip install streamlit
或者，如果您使用的是Anaconda環境，您可以這樣做:
conda install -c conda-forge streamlit
一旦安裝完畢，你可以通過輸入`streamlit hello`命令來驗證是否成功安裝了Streamlit。如果一切順利，您應該會看到一個簡單的“Hello, World!”應用程式出現在您的瀏覽器上。
基礎用法
讓我們逐步瞭解如何在Streamlit中建立一個基本的應用程式。假設我們有一個很簡單的Python函數，它接受兩個數字作為參數並且返回兩者的總和。我們可以這樣定義這個函數:
def add(a, b):
return a + b
現在，我們可以使用Streamlit來實時顯示這個函數的結果。以下是使用Streamlit的基本範例程式碼:
import streamlit as st
# 定義我們的加法函數
@st.cache # 這條註解有助於提高效能，避免多次執行耗時較長的計算
def add(a, b):
return a + b
# 啟動應用程式
st.title('我的第一個Streamlit應用程式')
# 創建輸入欄位
a = st.number_input('第一個數', value=0)
b = st.number_input('第二個數', value=1)
# 按鈕，用於觸發計算
calculateButton = st.button('計算總和')
if calculateButton:
result = add(a, b)
# 顯示結果
st.write('兩數之和:', result)
# 選擇性地添加一個重置按鈕
resetButton = st.button('重置')
if resetButton:
a.value, b.value = 0, 1
保存上述代碼到一個文件（例如 `first_app.py`）後，運行 `streamlit run first_app.py` 來執行您的應用程式。您可以在本地瀏覽器中查看結果。
進階功能
Streamlit提供了許多強大的功能，這些功能可以用於構建更複雜的前端展示。例如，您可以使用圖表小部件來視覺化資料，或整合外部API來增強用戶體驗。這裡有一些例子:
圖表小部件
from plotly.express import line
import pandas as pd
# 定義資料集
df = pd.DataFrame({'日期': ['2020-01-01', '2020-01-02', '2020-01-03'],
'銷售量': [500, 600, 700]})
# 使用Plotly Express生成圖表
fig = line(dataframe=df, x='日期', y=['銷售量'])
# 在Streamlit中呈現圖表
st.plotly_chart(fig, use_container_width=True)
API集成
import requests
import json
# 示例API endpoint
api_url = "https://some-api.com/endpoint"
# Streamlit中的請求
response = requests.get(api_url)
json_data = response.json()
# 打印出回應的JSON資料
st.write(json.dumps(json_data, indent=4))
小結
Streamlit是一個非常實用的工具，特別適合數據科學和機器學習專業人士快速開發前段展示應用。它的易用性使其成為初學者和專業人員之間的一種流行選擇。希望本篇文章能幫助您快速入門Streamlit的世界，並鼓勵您探索更多的可能性。祝您開發愉快！
