翻译: Streamlit从入门到精通 显示图表Graphs 地图Map 主题Themes 二

Streamlit从入门到精通 系列：

1. 翻译: Streamlit从入门到精通 基础控件 一

1. 使用Streamlit显示图表Graphs

1.1 为什么我们需要可视化？

数据可视化通过将数据整理成更容易理解的格式来讲述故事，凸显趋势和异常点。好的可视化能够讲述一个故事，从数据中去除杂音，突出有用的信息。然而，这不仅仅是简单地美化一个图表使其看起来更好，或者是在信息图上随意添加“信息”部分。有效的数据可视化是形式与功能之间微妙的平衡行为。最简单的图表可能过于乏味，无法吸引注意力或传达有力的信息，而最令人惊叹的可视化可能完全无法传达正确的信息。数据和视觉效果需要相辅相成，将出色的分析与出色的故事讲述结合起来是一门艺术。

你认为给你一百万数据点的表格/数据库文件，然后仅通过观察表格上的数据让你提供推断，这是否可行？除非你是超人，这是不可能的。这就是我们使用数据可视化的时候——它通过通过地图或图表提供视觉上下文，让我们清楚地了解信息的含义。这就是Streamlit可视化的力量。

st.pyplot()：此函数用于显示matplotlib.pyplot图形。

import matplotlib.pyplot as plt
import numpy as nprand=np.random.normal(1, 2, size=20)
fig, ax = plt.subplots()
ax.hist(rand, bins=15)
st.pyplot(fig)

st.line_chart()：此函数用于显示折线图。

import streamlit as st
import pandas as pd
import numpy as np
df= pd.DataFrame(np.random.randn(10, 2),    columns=['x', 'y']
)
st.line_chart(df)

st.bar_chart(): 此功能用于显示条形图。

import streamlit as st
import pandas as pd
import numpy as np
df= pd.DataFrame(np.random.randn(10, 2),    columns=['x', 'y']
)
st.bar_chart(df)

st.area_chart()：该函数用于显示面积图。

import streamlit as st
import pandas as pd
import numpy as np
df= pd.DataFrame(np.random.randn(10, 2),    columns=['x', 'y']
)
st.area_chart(df)

st.altair_chart()：此函数用于显示Altair图表。

import streamlit as st
import numpy as np
import pandas as pd
import altair as alt
​df = pd.DataFrame(np.random.randn(500, 3),   columns=['x','y','z']
)
​c = alt.Chart(df).mark_circle().encode(x='x' , 'y'=y , size='z', color='z', tooltip=['x', 'y', 'z']
)st.altair_chart(c, use_container_width=True)

st.graphviz_chart()：此函数用于显示图形对象，可通过不同的节点和边来完成。

import streamlit as st
import graphviz as graphvizst.graphviz_chart('''    digraph {        Big_shark -> Tuna        Tuna -> Mackerel        Mackerel -> Small_fishes        Small_fishes -> Shrimp    }
''')

2. 使用Streamlit显示地图

st.map()：此函数用于在应用程序中显示地图。但是，它需要纬度和经度的值，这些值不应为null/NA。

import pandas as pd
import numpy as np
import streamlit as st
df = pd.DataFrame(np.random.randn(500, 2) / [50, 50] + [37.76, -122.4],columns=['lat', 'lon'])
st.map(df)

3. 主题 Themes

您也可以选择一个反映您风格的主题。请按照下面 GIF 中的步骤操作：

如果您对学习更多关于样式和主题的知识感兴趣，可以看看主题设计Theming。

现在，是时候一起构建一个应用程序了！请看下回分解…

参考

• https://www.datacamp.com/tutorial/streamlit
• https://streamlit.io/