Streamlit 提供了一系列内置控件，如滑块、选择框、按钮等，用户可以通过这些控件与应用交互。例如，用户可以选择不同的年份来筛选数据并动态更新图表：

# 创建一个滑块选择年份

year = st.slider("选择年份", min_value=2010, max_value=2020, step=1)

# 过滤数据并生成动态图表

filtered_df = df[df['year'] == year]

st.line_chart(filtered_df['population'])

这些交互功能极大地提升了用户体验，允许用户根据需求动态探索数据。通过简洁的 API，开发者可以轻松实现与用户的交互，增强应用的实用性和灵活性。

4. 快速部署与分享

构建好 Streamlit 应用后，开发者可以通过 Streamlit Community Cloud 轻松部署，无需配置复杂的服务器。只需将代码上传至 GitHub，并通过简单的点击操作即可将应用发布到云端，生成一个可共享的链接。Streamlit 提供的托管服务让应用的分享和协作变得更加轻松。

以下步骤展示了如何在 Streamlit Cloud 上部署应用：

将应用代码推送到 GitHub 仓库。在 Streamlit Cloud 上点击 “New app”，选择代码仓库和主分支。点击发布后，应用会自动生成一个 URL，开发者可以将该链接分享给其他用户。

5. 组件扩展与自定义

Streamlit 还支持通过第三方组件扩展其功能。开发者可以使用现有的 Streamlit 组件，如 streamlit-aggrid 来展示可编辑的数据表，或自行开发新的组件来增强应用的交互性。例如，以下代码展示了如何使用 AgGrid 组件创建一个交互式数据表：

import streamlit as st

from st_aggrid import AgGrid

import pandas as pd

# 创建数据框

df = pd.DataFrame({

'Name': ['Alice', 'Bob', 'Charlie'],

'Age': [25, 30, 35]

})

# 使用 AgGrid 展示数据表

AgGrid(df)

Streamlit 的组件系统非常灵活，开发者可以根据需求创建自定义组件，扩展应用的功能。

♨️ 示例：构建交互式数据仪表盘

以下是一个利用 Streamlit 构建数据仪表盘的完整示例。该应用从 CSV 文件中加载数据，展示多个交互式图表，并允许用户选择不同的年份和维度。

Streamlit 允许开发者通过简单的表格形式展示数据。你可以通过 <code>st.dataframe 或 st.table 方法来显示数据框。以下是一个示例，展示如何加载并显示 CSV 文件中的数据：

import streamlit as st

import pandas as pd

# 加载数据

@st.cache_data

def load_data():

return pd.read_csv('https://path-to-your-csv-file.csv')

df = load_data()

# 展示数据表

st.dataframe(df)

你还可以使用 st.table 来展示静态表格：

st.table(df.head(10)) # 仅显示前10行

⚙️ 配置选项表格

为了更好地管理和展示 Streamlit 应用中的交互控件和数据处理方式，以下是常见的 Streamlit 控件和功能的配置选项表格：

📥 下载地址

Streamlit 最新版 下载地址

💬 结语

无论是构建简单的 Web 应用，还是复杂的交互式数据仪表盘，Streamlit 都提供了简洁高效的解决方案。通过其直观的 API 和强大的功能，开发者可以在短时间内构建出具有专业水准的应用，并与团队或客户轻松分享成果。

📒 参考文献

Streamlit 官网Streamlit GitHub仓库