streamlit UI控件使用大全

streamlit UI控件使用大全

速查表

控件名称	控件简介
信息显示
set_option	设置配置选项。
set_page_config	配置页面的默认设置。
write	向应用程序写入参数。
info	显示信息消息。
success	显示成功消息
warning	显示警告信息
error	出错信息显示
exception	显示异常。
spinner	在执行代码块时临时显示一条消息
help	显示给定对象的帮助和其他信息。
title	以标题格式显示文本
header	以标题格式显示文本。
subheader	以子标题格式显示文本
caption	以小字体显示文本。
text	写固定宽度和预格式化的文本
markdown	显示字符串格式为Markdown。
divider	显示一条水平线。
code	显示带有可选语法高亮显示的代码块。
table	显示静态表
dataframe	将数据框显示为交互式表。
latex	显示格式为LaTeX的数学表达式。
balloons	画庆祝气球。
snow	绘制庆祝降雪
button	显示按钮小部件。
text_input	显示单行文本输入小部件
text_area	显示多行文本输入小部件
number_input	显示数字输入小部件。
radio	显示单选按钮小部件。
checkbox	显示一个复选框小部件。
progress	显示进度条。
time_input	显示时间输入小部件
date_input	显示日期输入小部件。
color_picker	显示颜色选择器小部件。
multiselect	显示一个多选择小部件。
download_button	显示下载按钮小部件。
file_uploader	显示文件上传器小部件。
select_slider	显示滑块小部件以从列表中选择项目。
selectbox	显示选定的小部件。
slider	显示滑块小部件
camera_input	显示一个小部件，从用户的网络摄像头返回图片。
data_editor	显示数据编辑器小部件。
experimental_data_editor	显示数据编辑器小部件。
altair_chart	使用Altair库显示图表。
plotly_chart	显示交互式Plotly图表。
pydeck_chart	使用PyDeck库绘制图表。
vega_lite_chart	使用Vega-Lite库显示图表
pyplot	显示一个matplotlib，pyplot图。
line_chart	显示折线图。
area_chart	显示面积图。
bar_chart	显示条形图。
bokeh_chart	显示交互式散景图。
secrets	一个类似字典的类，用于存储秘密。
session_state	存储和保护敏感数据
sidebar	侧边栏
columns	插入排列成并排列的容器。
container	插入一个多元素容器。
empty	插入一个单元素容器。
expander	插入一个可以展开/折叠的多元素容器。
tabs	插入分隔成标签的容器
cache	用于记忆执行的函数装饰器。
cache_data	实现公共st.cache_data API:Cache_data装饰器
experimental_memo	实现公共st.cache_data API:Cache_data装饰器
experimental_singleton	实现公共st.cache_resource API:cache_resource装饰
cache_resource	实现公共st.cache_resource API:cache_resource装饰
form	创建一个表单，通过“提交”按钮将元素批处理在一起。
form_submit_button	显示表单提交按钮。
audio	显示音频播放器。
video	显示视频播放器
experimental_rerun	立即重新运行脚本。
stop	立即停止执行
experimental_connection	创建到数据存储或API的新连接，或返回现有的连接。
experimental_get_query_params	返回当前显示在浏览器URL栏中的查询参数。
experimental_set_query_params	设置浏览器URL栏中显示的查询参数。
experimental_user	获取当前用户的个人信息（试验性功能）
echo	使用’ with '块在应用程序上绘制一些代码，然后执行它。
get_option	返回给定Streamlit配置选项的当前值。
graphviz_chart	使用dagre3库显示图形。
image	显示图像或图像列表。
json	将对象或字符串显示为打印精美的JSON字符串。
map	显示带有点的地图。
metric	以粗体显示度量标准，并提供度量标准如何更改的可选指示器。

experimental_user_info_proxy 获取当前用户的个人信息

Streamlit中的experimental_user_info_proxy是一个实验性的功能，用于获取当前用户的个人信息。它是一个代理对象，可以通过调用其方法来获取用户信息。

要使用experimental_user_info_proxy，首先需要启用实验性功能。可以通过在Streamlit的配置文件中设置experimental_features列表来实现。将user_info_proxy添加到该列表中以启用该功能。

启用实验性功能后，可以在Streamlit应用程序中使用experimental_user_info_proxy来获取用户信息。可以使用get_current_user_info方法获取当前用户的个人信息，该方法返回一个包含用户信息的字典对象。

以下是一个简单的示例代码，演示如何使用experimental_user_info_proxy获取用户信息：

import streamlit as st

# 启用实验性功能
st.experimental_feature_warning('user_info_proxy')

# 获取当前用户信息
user_info = st.experimental_user_info_proxy.get_current_user_info()

# 显示用户信息
st.write('Username:', user_info['username'])
st.write('Email:', user_info['email'])
st.write('First Name:', user_info['first_name'])
st.write('Last Name:', user_info['last_name'])

在这个示例中，我们首先启用实验性功能，然后使用experimental_user_info_proxy.get_current_user_info方法获取当前用户的个人信息。最后，我们使用st.write方法显示用户的信息。

需要注意的是，由于该功能是实验性的，可能存在不稳定或不支持的情况。建议在使用前先查看Streamlit的官方文档或社区讨论，以了解该功能的最新状态和使用注意事项。

secrets和session_state 存储

在 Streamlit 中，st.secrets 和 st.session_state 都是用于存储和保护敏感数据的工具，但它们的使用场景和功能有所不同。

st.secrets 用于存储敏感数据，如 API 密钥、密码等。这些数据在 Streamlit 应用中是可用的，但只有经过授权的用户才能访问。你可以使用 st.secrets 来安全地存储和管理这些数据，确保只有合适的用户能够访问。

st.session_state 用于在 Streamlit 会话期间跟踪和管理状态。它可以帮助你在不同的请求之间持久化和共享状态，以及在用户会话期间自动轮换状态。st.session_state 可以用于存储任何对象，并且可以在应用初始化时进行整体重置，但在重新运行（rerun）时不会重置。你可以使用回调函数来修改和调用它的值，以实现互动组件的嵌套等功能。

总的来说，st.secrets 用于存储和管理敏感数据，而 st.session_state 用于在会话期间跟踪和管理状态。根据你的需求和使用场景选择合适的工具。

总的来说，st.secrets 用于存储和管理敏感数据，而 st.session_state 用于在会话期间跟踪和管理状态。根据你的需求和使用场景选择合适的工具。

以下是使用 Streamlit 中的 st.secrets 和 st.session_state 的示例：

使用 st.secrets 存储敏感数据：

import streamlit as st

# 存储敏感数据
st.secrets.config({
    'api_key': 'your-api-key',
    'password': 'your-password'
})

# 获取敏感数据
api_key = st.secrets.get('api_key')
password = st.secrets.get('password')

# 在应用中使用敏感数据
st.write(f"使用 API Key: {api_key}")
st.write(f"使用 Password: {password}")

使用 st.session_state 跟踪和管理状态：

import streamlit as st

# 初始化会话状态
st.session_state.config({
    'selected_option': 'option1'
})

# 更新会话状态
@st.cache
def update_session_state():
    st.session_state['selected_option'] = 'option2'
    return st.session_state['selected_option']

# 在应用中使用会话状态
if st.session_state['selected_option'] == 'option1':
    st.write("选择选项1")
else:
    st.write("选择选项2")
    
# 更新会话状态并使用回调函数实现联动效果
update_session_state()

sidebar 侧边栏

在Streamlit中，可以使用st.sidebar.element_name语法将大部分可放入应用程序中的元素放入侧边栏中。以下是一些示例：

• st.sidebar.markdown()
• st.sidebar.slider()
• st.sidebar.line_chart()
• st.beta_columns并排布置小部件
• st.beta_expander通过隐藏大量内容来节省空间

可以自由选择使用。

altair_chart 显示Altair图表的方法

altair_chart是Streamlit的一个方法，它使用Altair库来显示指定的图表。Altair是一个Python数据可视化库，它以Vega和Vega-Lite可视化语法为基础，支持创建复杂的交互式图表。

altair_chart方法接收一个Altair图表对象作为参数，并且可以设置图表的宽度。例如，streamlit.altair_chart(chart, width=600)会在Streamlit应用中显示宽度为600像素的Altair图表。

要使用Altair图表，首先需要安装Altair库。可以通过运行pip install altair来安装。然后，可以使用Altair的基本对象和方法来创建图表。例如，import altair as alt和chart = alt.Chart(data)可以创建一个新的Altair图表对象。

在Altair图表中，可以使用数据、图表类型和编码等基本方法来定义图表。数据方法接收一个Pandas DataFrame作为参数，可以直接导入数据。例如，data = pd.read_csv('data.csv')可以读取CSV文件中的数据。然后，可以使用chart = alt.Chart(data)来创建一个基于数据的Altair图表对象。

在定义图表时，可以使用mark方法来指定图表类型。例如，chart.mark_bar()可以将图表定义为条形图。还可以使用encode方法来定义图表的颜色、大小等属性。例如，chart.encode('x', 'variable:Q', 'color', 'data')可以将变量编码为x轴、颜色和数据。

通过使用这些方法，可以创建各种类型的图表，包括柱状图、折线图、散点图等。在创建完图表后，可以使用streamlit.altair_chart()方法将其显示在Streamlit应用中。

area_chart 创建和显示区域图

Streamlit area_chart是一种在Streamlit应用中显示区域图的方法。区域图是一种常见的图表类型，用于展示不同类别的数据随时间或其他变量的变化趋势，并强调每个类别在总体中所占的比例。这种图表通常由多个区域堆叠而成，每个区域代表一个数据类别，沿着横轴表示时间或其他变量的维度。每个类别的数据值在纵轴上表示。

使用Streamlit area_chart方法，可以在Streamlit应用中方便地创建和显示区域图。要使用该方法，需要先准备要绘制的数据，并将其传递给area_chart方法。同时，还可以设置图表的宽度和高度参数。

在具体实现中，可以通过以下步骤进行：

1. 准备数据：将要绘制的数据准备好，可以使用pandas、numpy、dict等类型的数据结构来存储和处理数据。
2. 调用area_chart方法：在Streamlit应用中调用area_chart方法，并将准备好的数据作为参数传递给它。例如，可以使用st.area_chart(data)来创建一个区域图。
3. 设置图表参数：如果需要，可以通过设置width和height参数来调整图表的宽度和高度。例如，可以使用st.area_chart(data, width=800, height=600)来创建一个宽度为800像素、高度为600像素的区域图。

需要注意的是，Streamlit area_chart方法的使用方式与其他的Streamlit图表方法类似，只需要将数据和处理逻辑准备好，然后在Streamlit应用中调用相应的方法即可。同时，在使用该方法时，还需要注意数据的处理和格式转换等细节问题。

Audio 播放音频的方法

Streamlit Audio是一种在Streamlit应用中播放音频的方法。它允许用户通过使用Streamlit的audio方法来显示一个音频播放器，并播放原始音频数据。

在Streamlit Audio中，可以播放的音频数据类型包括URL字符串（指向本地或远程文件）、字节码流、BytesIO对象和numpy.ndarray。播放的起始时间可以通过start_time参数进行设置。同时，音频文件的MIME类型也可以通过format参数进行设置，默认为audio/wav。

以上信息仅供参考，如需了解更多信息，建议查阅Streamlit官方文档或咨询专业技术人员。

balloons 展示庆祝气球

在Streamlit中，balloons是一种展示庆祝气球的方法。通过使用streamlit.balloons()函数，你可以在Streamlit应用中展示一个庆祝气球。这个函数没有参数，只需要调用它即可在应用中显示一个庆祝气球。

在具体实现中，你可以将streamlit.balloons()函数放在你想要展示庆祝气球的代码行之后，这样在执行到该代码行时，应用中就会显示一个庆祝气球。

需要注意的是，Streamlit中的balloons方法只是展示一个静态的庆祝气球图像，而不会进行任何交互或动画效果。如果你需要更复杂的交互或动画效果，可能需要使用其他方法或库来实现。

bar_chart 创建和显示柱状图

Streamlit中的bar_chart方法可用于在Streamlit应用程序中创建和显示柱状图。柱状图是一种常用的数据可视化图表，可以用于比较不同类别或数据组之间的差异。

要使用Streamlit的bar_chart方法，需要准备要绘制的数据，并将其传递给bar_chart方法。数据可以是pandas DataFrame、numpy数组、可迭代对象或字典等类型。同时，还可以设置图表的宽度和高度参数。

在具体实现中，可以使用以下代码示例来创建一个简单的柱状图：

import streamlit as st

# 准备数据
chart_data = pd.DataFrame({
    'A': [20, 30, 50],
    'B': [10, 25, 60],
    'C': [30, 45, 70]
})

# 创建柱状图
st.bar_chart(chart_data)

在这个示例中，我们首先准备了一个包含数据的pandas DataFrame，其中每一列代表一个类别，每一行代表一个数据点。然后，我们使用st.bar_chart方法将数据传递给它，以创建柱状图。

需要注意的是，Streamlit的bar_chart方法默认情况下会按照数据的顺序进行分类和排序。如果需要自定义分类和排序方式，可以在创建柱状图之前对数据进行处理和转换。同时，在使用Streamlit的图表方法时，还需要注意数据的处理和格式转换等细节问题。

bokeh_chart 创建和显示图表

Streamlit中的bokeh_chart方法允许你在Streamlit应用中使用Bokeh库创建和显示图表。Bokeh是一种用于交互式数据可视化的Python库，它支持创建复杂的散点图、折线图、条形图等类型的图表。

要使用Streamlit的bokeh_chart方法，需要准备要绘制的Bokeh图表，并使用st.bokeh_chart方法将其显示在Streamlit应用中。在本回答中，我们假设你已经创建了一个名为figure的Bokeh图表对象。

在具体实现中，可以使用以下代码示例将Bokeh图表显示在Streamlit应用中：

import streamlit as st
from bokeh.plotting import figure

# 准备数据
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]

# 创建Bokeh图表
p = figure(title='simple line example', x_axis_label='x', y_axis_label='y')
p.line(x, y, legend_label='Trend', line_width=2)

# 在Streamlit应用中显示Bokeh图表
st.bokeh_chart(p)

在这个示例中，我们首先准备了一个简单的数据集，然后使用figure方法创建了一个Bokeh图表对象。在该图表中，我们使用line方法绘制了一条折线图，并设置了图表的标题、x轴标签、y轴标签和图例。最后，我们使用st.bokeh_chart方法将图表显示在Streamlit应用中。

需要注意的是，在使用Streamlit的bokeh_chart方法时，需要确保已经安装了Bokeh库和相关的依赖项。同时，还需要根据具体需求对数据进行处理和格式转换等操作。

button 创建一个按钮

Streamlit中的button方法可以用来创建一个按钮，用户可以通过点击按钮来触发某些操作或事件。

button方法接受一个字符串参数label，表示按钮的标题或标签。同时，还可以设置一个可选的键值key，用来唯一标识这个按钮组件。

使用button方法后，返回一个布尔值，表示在上个应用周期中按钮是否被点击。

以下是一个简单的示例：

import streamlit as st

if st.button('Click me'):
    # 在这里执行按钮点击后的操作
    st.write('Button clicked!')

在这个示例中，当用户点击"Click me"按钮时，程序将执行if语句块中的代码，并输出"Button clicked!"。

cache 缓存重复的数据读取和复杂程序执行的过程

Streamlit中的cache方法可以用来缓存重复的数据读取和复杂程序执行的过程，以减少重复执行的次数和用户等待时间。

在具体实现中，可以通过在函数定义时添加@st.cache装饰器来标记需要缓存的函数。当第一次调用带有@st.cache装饰器的函数时，Streamlit会运行函数并将结果保存在本地缓存中。下次再调用该函数时，如果没有变化，Streamlit就会直接利用缓存中的结果，避免了重复的计算和数据读取。

使用Streamlit的cache方法可以提高应用的性能和用户体验，但需要注意以下几点：

1. 缓存的数据只在当前应用周期内有效，重启应用后缓存会被清除。
2. 默认情况下，Streamlit会在本地工作目录中创建缓存文件，如果应用需要频繁读取或计算大量数据，可能会占用较多的磁盘空间。
3. 如果函数不是确定性的（例如输出依赖于随机数）或者从外部拉取时变数据（例如股票行情），则Streamlit无法判断是否发生了变化，也就无法正确地使用缓存。
4. Streamlit官方在0.89版本增加了新的效率更高的缓存方式，并将数据与单例缓存分成两个装饰器方法。同时，也增加了一个名为st.experimental_memo的实验性方法，该方法可以用来缓存任意可序列化的对象。

综上所述，使用Streamlit的cache方法可以提高应用的性能和用户体验，但在使用时需要注意适用场景和限制条件。

cache_data 缓存数据

在Streamlit中，cache_data用于缓存数据，尤其是可序列化的数据类型，如数据帧、NumPy数组、字符串、整数、浮点数等。当第一次运行被@st.cache_data修饰的函数时，Streamlit会运行代码并将返回值储存在缓存中。之后每次运行同样的函数和输入时，Streamlit会跳过执行直接返回缓存中的值作为替换。

cache_data建议缓存计算数据，例如载入从CSV导入的数据、转换的np数组、api、或者其它序列数据。它会创建源数据的拷贝。

总的来说，cache_data方法可以显著提高性能，特别是对于复杂计算或需要大量数据处理的情况。

cache_resource 缓存全局资源

Streamlit中的cache_resource方法可以用于缓存全局资源，例如机器学习模型或数据库连接。这些资源在应用的所有重新运行和会话之间共享。相比cache_data，cache_resource主要用于缓存不可序列化的对象，如机器学习模型等。

camera_input 直接从网络摄像头捕获照片

Streamlit中的camera_input方法允许用户直接从网络摄像头捕获照片。这个组件可以用于创建实时视频流或捕捉照片的功能。

camera_input方法的使用方式如下：

import streamlit as st

# 使用camera_input方法
image = st.camera_input("Take a photo")

在这个例子中，“Take a photo”是用户界面上显示的一个标签，用于描述这个组件的功能。当用户按下“Take a photo”按钮时，会从摄像头捕获一张照片，并将这张照片以base64编码的形式返回。

注意，上述代码片段只是简单的示例，实际使用时可能需要根据具体需求进行更多的处理和操作。

caption 添加解释性文字

在Streamlit中，caption函数用于添加解释性文字，通常用于解释上面的内容或提供额外的上下文。它接受一个字符串作为参数，该字符串可以包含要显示为图例的文本。

例如，以下代码片段演示了如何使用caption函数：

import streamlit as st

st.image('image.png', caption='This is an image of a sunset.')

在这个例子中，st.image函数用于显示一张名为"image.png"的图片，并使用caption函数添加了一个解释性文字，即"This is an image of a sunset."。这个解释性文字将显示在图片的下方，以帮助用户更好地理解图片的内容。

checkbox 创建一个复选框

在Streamlit中，checkbox方法用于创建一个复选框，用户可以通过勾选或取消勾选复选框来选择或取消选择某些选项。

checkbox方法接受一个标签参数label，用于描述复选框的功能。当用户点击复选框时，Streamlit会根据用户的选择返回一个布尔值。

以下是一个简单的示例：

import streamlit as st

if st.checkbox('Do you like Streamlit?'):
    st.write('Great! Streamlit is awesome!')
else:
    st.write('Streamlit could use some improvements.')

在这个例子中，复选框的标签为"Do you like Streamlit?“。当用户勾选复选框时，Streamlit会返回True，并显示"Great! Streamlit is awesome!”；当用户取消勾选复选框时，Streamlit会返回False，并显示"Streamlit could use some improvements."。

注意，复选框的功能可能会根据具体的应用场景和需求而有所不同。在使用checkbox方法时，需要根据具体需求进行更多的处理和操作。

code 显示代码

Streamlit中的code方法可以用于显示代码。它接受两个参数：body和language。body参数是要显示的代码，而language参数是代码所使用的开发语言。

此外，如果省略language参数，Streamlit将不会为代码提供语法高亮效果。

以下是一个使用Streamlit的code方法的示例：

import streamlit as st

code = '''def hello():
    print("Hello, Streamlit!")'''
st.code(code, language='python')

这段代码将显示一个Python语言的代码块，其中定义了一个名为"hello"的函数，该函数打印出"Hello, Streamlit!"。

除了显示代码块，Streamlit还提供了其他多种显示方法，如st.write方法、st.title方法、st.header方法、st.markdown方法等。这些方法可以根据需要添加到Streamlit应用中，以实现不同的显示效果。

color_picker 显示颜色选择器小部件

Streamlit中的color_picker方法可以用于显示颜色选择器小部件，允许用户从颜色选择器中选择颜色。

color_picker方法接受一个或多个参数，包括label、value、key、help、on_change、args和kwargs。其中，label参数是颜色选择器小部件的标签，value参数是默认选择的颜色，key参数是用于唯一标识这个颜色选择器小部件的字符串，help参数是对颜色选择器小部件的描述信息，on_change参数是一个回调函数，当用户选择新的颜色时将触发该函数。

以下是一个使用Streamlit的color_picker方法的示例：

import streamlit as st

color = st.color_picker('Pick a color', value='#000000')
st.write('You picked', color)

在这个例子中，用户可以通过点击"Pick a color"按钮从颜色选择器中选择颜色。当用户选择新的颜色后，页面将更新并显示"You picked [新选择的颜色]"。

columns 创建多列布局

Streamlit中的columns方法可以用于创建多列布局。通过columns方法，可以将应用程序的界面分成多个列，每一列可以包含不同的组件。这样可以更好地组织应用程序，并使其更加易于使用。

columns方法接受一个参数spec，它是一个表示列布局的列表或元组。每个元素代表一列，可以是字符串、数字或布尔值。如果spec参数为空，则默认包含一个空列。

下面是一个使用columns方法的示例：

import streamlit as st

with st.columns(2): # 创建一个两列布局
    with st.column(0): # 第一列
        st.header("Column 1")
        st.image("https://example.com/image1.jpg")
    with st.column(1): # 第二列
        st.header("Column 2")
        st.image("https://example.com/image2.jpg")

这个示例创建了一个两列布局，第一列包含一个标题和一个图片，第二列包含一个标题和另一个图片。通过使用columns方法和column方法，可以方便地实现多列布局，并更好地组织应用程序的界面。

container 创建一个容器

Streamlit中的container方法可以用于创建一个容器，该容器可用于容纳多个元素。

使用container方法可以创建一个不可见的容器，该容器可用于在应用程序中插入多个元素。这些元素可以是按钮、复选框、文本框等等。通过使用container方法，可以更好地组织应用程序的界面，并允许用户以更灵活的方式使用这些元素。

下面是一个使用container方法的示例：

import streamlit as st

with st.container():
    st.write("Hello")
    st.button("Click me!")
    st.checkbox("Check me!")

这个示例创建了一个容器，并在其中添加了一个文本框、一个按钮和一个复选框。通过使用container方法，可以将这些元素组织在一起，并以更有条理的方式呈现给用户。

data_editor 允许用户以交互方式编辑数据框

Streamlit中的data_editor函数允许用户以交互方式编辑数据框（data frame）。它提供了一个方便的界面，使用户能够查看和编辑数据框中的数据。

data_editor函数接受一个数据框对象作为参数，并在Streamlit应用程序中创建一个界面，使用户可以编辑该数据框。用户可以添加、删除或修改数据框中的行和列，以及查看每列的统计信息。

下面是一个使用data_editor函数的示例：

import streamlit as st
import pandas as pd

# 创建一个示例数据框
df = pd.DataFrame({
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Gender': ['F', 'M', 'M']
})

# 显示数据框编辑器
st.data_editor(df)

在这个示例中，我们首先创建了一个包含姓名、年龄和性别信息的示例数据框。然后，我们使用data_editor函数将该数据框显示在Streamlit应用程序中，并允许用户编辑它。用户可以通过界面添加、删除或修改数据框中的行和列，以及查看每列的统计信息。

需要注意的是，data_editor函数只适用于较小的数据框，因为它会将整个数据框加载到内存中。对于较大的数据框，可能需要使用其他方法来编辑数据。

dataframe 创建和操作数据框

Streamlit中的dataframe模块可以用于创建和操作数据框（data frame）。数据框是一种常见的数据结构，通常用于存储和组织表格数据。在Streamlit中，可以使用dataframe模块来创建、查询、过滤、变换和可视化数据框。

下面是一些使用Streamlit中dataframe模块的示例：

1. 创建数据框：

import pandas as pd

# 创建一个示例数据框
df = pd.DataFrame({
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Gender': ['F', 'M', 'M']
})

# 在Streamlit中显示数据框
st.dataframe(df)

2. 查询数据框中的数据：

# 查询数据框中特定列的数据
st.write(df['Name'])

# 查询数据框中特定行的数据
st.write(df.loc[0])

3. 过滤数据框中的数据：

# 过滤出性别为'M'的数据行
male_rows = df[df['Gender'] == 'M']
st.dataframe(male_rows)

4. 变换数据框中的数据：

# 将年龄列中的值增加10岁
df['Age'] = df['Age'] + 10
st.dataframe(df)

5. 可视化数据框中的数据：

# 使用柱状图显示性别分布情况
st.bar_chart(df['Gender'].value_counts())

date_input 显示一个日期输入框

Streamlit中的date_input方法可以显示一个日期输入框组件。

方法原型为：streamlit.date_input(label, value=None, key=None)

参数说明：

• label：组件说明文本，即输入框旁边的文本。
• value：组件当前值，可以是datetime.date或datetime.datetime类型。默认值为None，表示当前日期。
• key：组件ID，用于在Streamlit应用程序中唯一标识该组件。默认值为None。

返回值：date_input方法返回组件的当前值，即用户输入的日期。

示例代码：

import streamlit as st

# 显示日期输入框，默认值为今天的日期
today = st.date_input('Enter a date', value=None)

# 显示日期输入框，指定一个默认值
default_date = datetime.date(2023, 7, 1)
st.date_input('Enter a date', value=default_date)

divider 用于添加分隔线

在Streamlit中，st.divider函数用于添加分隔线，以帮助在应用程序中创建视觉分隔。这个函数的使用非常简单，只需要调用它即可添加一条分隔线。例如：

import streamlit as st

st.write('This is some content')
st.divider()
st.write('This is some other content')

在这个例子中，st.divider函数在两段内容之间添加了一条分隔线，使它们在视觉上有所区分。你可以根据需要调整分隔线的样式和高度。

download_button 创建一个下载按钮

Streamlit中的st.download_button函数可以创建一个下载按钮，用户点击该按钮后可以下载指定的文件内容。这个函数的使用方法如下：

st.download_button(label, data, file_name=None, mime=None, key=None, help=None, on_click=None, args=None, kwargs=None, *, disabled=False)

其中，参数说明如下：

• label：按钮的标签文本。
• data：要下载的文件内容，可以是一个字符串、二进制数据或者图像。
• file_name：可选参数，指定下载时显示的文件名。
• mime：可选参数，指定文件的MIME类型。如果指定了该参数，那么在下载按钮上会显示一个对应的文件类型图标。
• key：可选参数，用于唯一标识该按钮。
• help：可选参数，指定当用户将鼠标悬停在按钮上时显示的帮助文本。
• on_click：可选参数，一个回调函数，当用户点击按钮时触发该函数。
• args和kwargs：可选参数，用于传递给回调函数的参数。
• disabled：可选参数，如果设置为True，则按钮将被禁用。

使用示例：

1. 下载字符串内容为文本文件：

text_contents = 'This is some text'
st.download_button('Download some text', text_contents)

2. 下载二进制数据为文件：

binary_contents = b'example content'
st.download_button('Download binary file', binary_contents)

3. 下载图像：

import base64
with open('image.png', 'rb') as f:
    image_data = f.read()
    image_b64 = base64.b64encode(image_data).decode()
st.download_button('Download image', image_b64)

echo 显示应用源代码

在Streamlit中，st.echo方法可以用于显示应用源代码，并且支持在执行代码块的结果之前或之后显示回显代码。它也可以用于显示其他文本信息。使用st.echo方法需要在with块中，这样可以在应用程序上绘制一些代码，然后执行。

示例代码如下：

import streamlit as st

with st.echo():
    st.write('This code will be printed')

在这个示例中，st.echo()方法创建了一个with块，在这个块中，st.write('This code will be printed')将会被执行，并且这段代码的输出将会被显示在Streamlit应用程序中。

empty 添加一个占位符

Streamlit中的empty方法可以添加一个占位符，这个占位符可以用于保存单个元素。你可以在返回的容器上插入/替换/清除元素，方法是使用"with" 表示法或直接在返回的对象上调用方法。例如，可以使用如下代码替换占位符的文本：

my_placeholder = st.empty()
my_placeholder.text("Hello world!")

以上信息仅供参考，如果还有疑问，建议访问Streamlit官网查询相关教程。

error 用于显示错误信息

Streamlit中的error方法可以用于显示错误信息。当Streamlit应用程序中发生错误时，可以使用该方法将错误信息显示在应用程序中，以便用户能够及时发现并解决问题。

示例代码如下：

import streamlit as st

try:
    # 在这里写可能会引发错误的代码
    pass
except Exception as e:
    st.error(str(e))

在这个示例中，我们使用了try-except块来捕获可能发生的错误，并将错误信息转换为字符串，然后使用st.error方法将其显示在Streamlit应用程序中。如果程序执行过程中发生了错误，那么这个错误信息将会被显示在应用程序的界面上，方便用户及时发现并解决问题。

exception 用于处理异常

Streamlit中的exception方法可以用于处理异常，以便在发生异常时进行特殊处理，而不是简单地抛出错误。使用该方法可以捕获异常，并在应用程序中进行自定义处理，例如显示错误信息或采取其他适当的措施。

示例代码如下：

import streamlit as st

try:
    # 在这里写可能会引发异常的代码
    pass
except Exception as e:
    st.exception(e)

在这个示例中，我们使用了try-except块来捕获可能发生的异常，并使用st.exception方法将异常对象作为参数传递。该方法将会在Streamlit应用程序中显示异常的详细信息，包括异常类型、错误信息和堆栈跟踪等。这样可以帮助用户更好地了解异常的原因和位置，以便更好地解决问题。

expander 一种可展开/折叠的容器

Streamlit中的expander是一种可展开/折叠的容器，可以在应用程序中插入，用来承载多个元素。用户可以点击展开或折叠容器，以便在需要时查看更多内容，同时保持界面的整洁性。

experimental_connection 创建到数据存储或API的新的连接

Streamlit的experimental_connection函数是用于创建到数据存储或API的新的连接，或者返回一个已经存在的连接。该函数可以接受不同的参数来指定连接的细节，例如连接的名称、类型、最大条目数、生存时间（TTL）等。

在具体使用时，experimental_connection函数可以这样调用：

st.experimental_connection(name, type=None, max_entries=None, ttl=None, **kwargs)

其中，name参数是连接的名称，type参数是连接类型，可以是"sql"或"snowpark"等，max_entries参数是最大条目数，ttl参数是生存时间。

请注意，experimental_connection函数是实验性的，可能会有变动。在使用时，建议查看Streamlit的官方文档或相关教程以获取最新和详细的信息。

experimental_data_editor 在线的数据编辑器

Streamlit的experimental_data_editor是一个在线的数据编辑器，可以用于创建和编辑数据框（dataframes）。这个功能非常强大，可以调整列宽度、调整表格大小、列排序、快捷搜索，还支持编辑单元格、复制粘贴、添加和删除行等操作。

要使用experimental_data_editor，首先需要导入streamlit库，然后调用experimental_data_editor函数。这个函数接受一个参数，即要编辑的数据框。

以下是一个简单的示例代码：

import streamlit as st
import pandas as pd

# 创建一个示例数据框
df = pd.DataFrame({
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Gender': ['F', 'M', 'M']
})

# 在Streamlit中显示数据框
st.experimental_data_editor(df)

在这个示例中，我们首先创建了一个包含姓名、年龄和性别信息的数据框。然后，我们调用st.experimental_data_editor函数并将数据框作为参数传递给它。这个函数会在Streamlit应用程序中创建一个在线的数据编辑器，用户可以在其中查看和编辑数据框的内容。

experimental_get_query_params 获取当前URL查询参数

Streamlit中的experimental_get_query_params函数用于获取当前URL查询参数。这个函数返回一个字典，其中包含了当前URL中的所有查询参数及其对应的值。

示例代码：

import streamlit as st

# 获取当前URL查询参数
params = st.experimental_get_query_params()

# 显示查询参数
st.write(params)

在这个示例中，我们首先导入了streamlit库，然后调用experimental_get_query_params函数来获取当前URL的查询参数。这个函数返回一个字典，其中包含了所有查询参数及其对应的值。最后，我们使用st.write函数将查询参数显示在Streamlit应用程序中。

experimental_memo 实验性的缓存装饰器

Streamlit中的experimental_memo函数是一个实验性的缓存装饰器，它提供了对函数调用结果的缓存功能。通过使用@st.experimental_memo装饰器，可以将一个函数的结果缓存起来，以便在后续的函数调用中直接使用缓存的结果，而不需要重新计算。

experimental_memo函数接受一些参数，用于指定缓存的细节。其中，persist参数用于指定缓存的持久化方式，show_spinner参数用于指定是否在缓存过程中显示加载指示器，suppress_st_warning参数用于指定是否抑制Streamlit的警告信息，max_entries参数用于指定缓存的最大条目数，ttl参数用于指定缓存的生存时间。

示例代码：

import streamlit as st

@st.experimental_memo(persist="disk", show_spinner=False)
def expensive_computation(data):
    # 这里进行一些耗时的计算
    result = compute_something(data)
    return result

在这个示例中，我们使用了@st.experimental_memo装饰器来缓存expensive_computation函数的结果。通过指定persist="disk"，我们将缓存结果保存在磁盘上，以便在程序重启后仍然可以继续使用缓存的结果。我们还指定了show_spinner=False，以关闭加载指示器的显示。

experimental_rerun 用于立即重新运行脚本

Streamlit中的experimental_rerun函数用于立即重新运行脚本。当该函数被调用时，脚本会暂停执行，不再运行后续的语句，并且会排队等待从顶部重新运行。

这个函数在Streamlit的实验性功能中，可能会在未来的版本中有所改变。因此，在使用时需要谨慎，并注意检查更新和文档以获取最新的信息。

如果在Streamlit之外调用此函数，它将引发异常。因此，建议在Streamlit应用程序中使用此函数，以确保脚本的正确执行。

experimental_set_query_params 用于设置URL查询参数

Streamlit中的experimental_set_query_params函数用于设置URL查询参数。这个函数接受一个字典作为参数，该字典包含了要设置的查询参数及其对应的值。

示例代码：

import streamlit as st

# 设置查询参数
params = {"param1": "value1", "param2": "value2"}
st.experimental_set_query_params(params)

在这个示例中，我们首先导入了streamlit库，然后创建了一个包含查询参数和其对应值的字典。最后，我们调用st.experimental_set_query_params函数并将字典作为参数传递给它，以便设置URL查询参数。

experimental_singleton

Streamlit中的experimental_singleton函数是一个装饰器，用于将一个函数转换为单例对象。这意味着在应用程序的所有用户之间共享该函数实例，避免在每次调用时都重新创建新的函数实例。

示例代码：

import streamlit as st

@st.experimental_singleton
def my_function():
    # 这里是函数的实现
    pass

在这个示例中，我们使用@st.experimental_singleton装饰器来将my_function函数转换为单例对象。这意味着在整个Streamlit应用程序中，只有一个my_function实例存在，并且可以在不同的用户之间共享。

需要注意的是，experimental_singleton装饰器是实验性的，可能会在未来的版本中有所改变。因此，在使用时需要谨慎，并注意检查更新和文档以获取最新的信息。

file_uploader 文件上传工具

Streamlit中的file_uploader组件是一个方便的文件上传工具，支持拖拽上传文件和文件管理器选择文件。

使用方法如下：

style_file = st.file_uploader("请上传风格化图片")
if style_file:
    stringio = style_file.getvalue()
    style_file_path = 'style_file/'+ style_file.name
    with open(style_file_path,'wb') as f:
        f.write(stringio)

使用文件上传组件上传文件之后，可以使用上面的代码将文件保存到特定路径等待使用。

form 用于收集用户输入的组件

Streamlit中的form是一种用于收集用户输入的组件。当用户填写表单并提交时，表单中的数据可以被批量发送到Streamlit。每个表单必须包含一个st.form_submit_button，而不能包含st.button或st.download_button。此外，表单可以出现在应用程序的任何位置（例如侧边栏、列等），但它们不能嵌入到其他表单中。

在创建表单时，可以使用st.form(key, clear_on_submit=False)函数。该函数接受一个关键字参数key，用于指定表单的唯一标识符。此外，还可以使用clear_on_submit参数指定在提交表单后是否清除表单数据。

在表单中添加元素时，可以使用st.form_element(label, element)函数。该函数接受两个参数：label用于指定元素的标签，element用于指定元素类型和参数。例如，要添加一个滑块组件，可以使用st.slider(label, min_value=None, max_value=None, value=None, step=None, format=None, key=None)函数。该函数接受一些参数，如最小值（min_value）、最大值（max_value）、当前值（value）、步长（step）等。

最后，为了提交表单，可以使用st.form_submit_button(label)函数。该函数接受一个参数label，用于指定提交按钮的标签。当用户点击提交按钮时，表单中的所有小部件值将被批量发送到Streamlit。

form_submit_button 用于提交表单的按钮

Streamlit中的form_submit_button是一个用于提交表单的按钮。当用户点击该按钮时，表单中的所有小部件（widget）值将被批量发送到Streamlit。每个表单都必须有一个form_submit_button，并且该按钮不能出现在表单之外。

form_submit_button函数可以接受一些可选参数，如label（用于指定提交按钮的标签）、help（用于指定帮助文本）、on_click（用于指定点击事件的处理函数）和args、kwargs（用于传递参数给处理函数）。

在表单中使用form_submit_button时，需要先创建一个表单，并添加需要的小部件。然后，在表单外使用form_submit_button来提交表单。当用户点击提交按钮时，Streamlit将自动收集表单中的所有小部件值，并将其发送到指定的处理函数中进行处理。

get_option 读取指定的配置项的值

Streamlit中的get_option函数用于读取指定的配置项的值。这个函数接受一个参数，即配置项的键（key），返回对应的配置项值。

例如，假设有一个配置项是"my_option"，对应的值是"value"，那么可以通过get_option函数来获取该配置项的值：

option_value = st.get_option("my_option")
print(option_value)  # 输出 "value"

可以使用st.set_option函数来设置配置项的值。例如，将"my_option"的配置项值设置为"new_value"：

st.set_option("my_option", "new_value")

这样，再次调用get_option函数时，将返回新的值：

option_value = st.get_option("my_option")
print(option_value)  # 输出 "new_value"

graphviz_chart 用于显示使用Graphviz库创建的图表

Streamlit中的graphviz_chart函数用于显示使用Graphviz库创建的图表。这个函数接受一个Graphviz图对象或dot字符串作为参数，并可以指定图表的宽度和高度。

要使用graphviz_chart函数，首先需要安装Graphviz库。可以使用以下命令在Python中安装Graphviz：

pip install graphviz

然后，可以使用graphviz_chart函数来显示Graphviz图表。下面是一个简单的示例代码：

import streamlit as st
import graphviz as gv

# 创建一个Graphviz图对象
dot = gv.Digraph(comment='The Round Table')
dot.node('A', 'King Arthur')
dot.node('B', 'Sir Bedevere the Wise')
dot.node('L', 'Sir Lancelot the Brave')
dot.edges(['AB', 'AL'])

# 使用graphviz_chart函数显示图表
st.graphviz_chart(dot)

在这个示例中，我们首先导入streamlit和graphviz库。然后，我们创建一个Graphviz图对象dot，并添加了三个节点和两个边。最后，我们使用graphviz_chart函数将dot对象显示为图表。

graphviz_chart函数还可以接受一些可选参数，如width和height，用于指定图表的宽度和高度。例如，下面的代码将图表宽度设置为400像素，高度设置为300像素：

st.graphviz_chart(dot, width=400, height=300)

header 显示标题文本

Streamlit中的header方法用于显示标题文本。它接受一个字符串参数，即要显示的标题文本。

示例代码如下：

import streamlit as st

st.header('This is a header')

这段代码会在Streamlit应用程序中显示标题文本“This is a header”。

help 显示指定对象的文档字符串

Streamlit中的help方法用于显示指定对象的文档字符串（docstring）。它接受一个对象作为参数，并返回该对象的docstring。

示例代码如下：

import streamlit as st
import pandas as pd

# 创建一个DataFrame对象
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

# 使用help方法查看DataFrame的docstring
st.help(df)

这段代码会显示DataFrame的docstring，包括它的功能、参数和返回值等信息。

除了查看指定对象的docstring，help方法还可以用于查看Python内置函数或模块的docstring。例如：

import streamlit as st
import numpy as np

# 使用help方法查看numpy模块的docstring
st.help(np)

这段代码会显示numpy模块的docstring，包括它的功能、参数和返回值等信息。

image 显示图像

Streamlit中的image方法用于显示图像。它接受一个图像对象或图像URL作为参数，并可以指定图像的标题和其他可选参数。

示例代码如下：

import streamlit as st

# 指定图像对象
image = st.image([image_data], caption='This is an image')

# 指定图像URL
image = st.image('https://example.com/image.jpg', caption='This is an image')

在这段代码中，image_data是一个包含图像数据的numpy数组，可以是单通道灰度图像（(w,h)或(w,h,1)）或多通道彩色图像（(w,h,3)或(w,h,4)）。如果图像数据太大，可以使用st.image方法指定图像数据的URL。

除了caption参数外，image方法还可以接受其他可选参数，如width（指定图像宽度）、use_column_width（如果设置为True，则使用列宽作为图像宽度）、clamp（如果设置为True，则截断超出显示区域的图像数据）和channels（指定图像通道数，可以是’RGB’或’RGBA’）。

注意：使用Streamlit显示图像时，需要保证图像数据或URL是可访问的，否则无法显示图像。

info 显示提示信息

Streamlit中的info方法用于显示提示信息。它接受一个字符串参数，即要显示的提示信息。

示例代码如下：

import streamlit as st

st.info('This is a purely informational message')

这段代码会在Streamlit应用程序中显示提示信息“This is a purely informational message”。

json JSON数据解析和显示

在Streamlit中，JSON数据可以通过json.loads方法进行解析和显示。以下是一个简单的例子：

import streamlit as st
import json

# 假设我们有一个JSON字符串
json_str = '''
{
  "name": "John",
  "age": 30,
  "city": "New York"
}
'''

# 使用json.loads解析JSON字符串
parsed_json = json.loads(json_str)

# 在Streamlit应用中显示解析后的JSON数据
st.write(parsed_json)

在这个例子中，我们首先导入了streamlit和json库。然后，我们定义了一个JSON字符串，其中包含了一些名字、年龄和城市的信息。我们使用json.loads方法解析了这个JSON字符串，将其转换成了Python字典。最后，我们使用st.write方法将解析后的JSON数据写入到Streamlit应用中。

需要注意的是，如果你想要显示一个包含多个JSON对象的列表，可以使用json.loads方法将整个列表解析为Python对象，然后使用循环语句遍历列表中的每个对象并显示它们。例如：

import streamlit as st
import json

# 假设我们有一个包含多个JSON对象的列表
json_list = '''[
  {
    "name": "John",
    "age": 30,
    "city": "New York"
  },
  {
    "name": "Jane",
    "age": 25,
    "city": "Chicago"
  }
]'''

# 使用json.loads解析JSON列表
parsed_json_list = json.loads(json_list)

# 在Streamlit应用中显示解析后的JSON数据列表
for obj in parsed_json_list:
    st.write(obj)

latex 显示数学公式

在Streamlit中使用LaTeX语法显示数学公式，需要在LaTeX字符串前面加上“latex:”标签。例如，要在Streamlit应用中显示一个二次方程式，可以这样写：

import streamlit as st

# 显示LaTeX公式
st.latex(r'ax^2 + bx + c = 0')

在这个例子中，我们使用st.latex方法来显示一个LaTeX公式。在LaTeX公式字符串前面加上“latex:”标签，以便Streamlit能够正确地识别和渲染它。在这个例子中，我们使用LaTeX语法来显示一个二次方程式。

注意：使用st.latex方法时，需要在公式字符串中使用LaTeX语法，并且字符串前面加上“latex:”标签。

line_chart 显示折线图

Streamlit中的line_chart方法用于显示折线图。这个方法接受一个数据帧作为输入，并根据该数据帧创建折线图。以下是使用line_chart方法的一个简单示例：

import streamlit as st
import pandas as pd
import numpy as np

# 生成随机数据帧
np.random.seed(0)
data = pd.DataFrame(np.random.randn(20, 3), columns=['a', 'b', 'c'])

# 显示折线图
st.line_chart(data)

在这个例子中，我们首先使用NumPy生成了一个包含随机数的数据帧。然后，我们使用st.line_chart方法来显示这个数据帧的折线图。默认情况下，line_chart方法会根据数据帧的列和索引计算图表的规格，因此更容易用于许多“只是绘制此内容”方案。同时，它的可定制性较低。如果无法正确猜测数据特征，可以尝试使用st.altair_chart指定所需的图表。

markdown 显示Markdown格式的内容

Streamlit中的markdown方法可以用于在Streamlit应用中显示Markdown格式的内容。这个方法接受一个字符串作为参数，该字符串包含Markdown格式的文本。

例如，假设我们想要在Streamlit应用中显示一个包含标题和段落的Markdown文档。可以使用markdown方法来实现这个目标，具体代码如下：

import streamlit as st

# 使用markdown方法显示Markdown文档
st.markdown(
    '''
    # 标题
    ## 子标题
    段落文本...
    '''
)

在这个例子中，我们使用markdown方法将一个包含标题和段落的Markdown文档显示到Streamlit应用中。在Markdown文档字符串中，我们使用了#和##来分别表示一级标题和二级标题，并使用普通文本格式表示段落文本。

需要注意的是，使用markdown方法显示的Markdown文档不会被Streamlit应用所解析和渲染，它将以原始格式显示在应用中。

metric 显示指标性数据

Streamlit中的metric方法可以用于显示指标性数据。这个方法接受一个对象作为参数，该对象表示要显示的数据。

例如，假设我们想要在Streamlit应用中显示一个表示温度的度量。可以使用metric方法来实现这个目标，具体代码如下：

import streamlit as st
from streamlit_metrics import metric_row

# 定义一个度量对象
temperature = metric_row('Temperature', 70, delta=1.2)

# 使用metric方法显示度量数据
st.metric(temperature)

在这个例子中，我们首先使用metric_row函数创建了一个表示温度的度量对象。该函数的第一个参数是度量的标签，第二个参数是度量的当前值，第三个参数是度量的变化量（delta）。然后，我们使用metric方法将该度量对象显示到Streamlit应用中。

需要注意的是，使用metric方法显示的度量数据可以通过Streamlit应用进行更新和刷新。可以根据需要使用该方法来显示各种类型的指标性数据，例如温度、气压、高度等等。

multiselect 显示多选框组件

Streamlit中的multiselect方法可以用于显示多选框组件，让用户可以选择多个选项。

multiselect方法接受以下参数：

• label：选择框的说明文本。
• options：选项列表，可以包括以下类型：list（列表）、tuple（元组）、numpy.ndarray（NumPy数组）、pandas.Series（pandas序列）。
• default：默认选中的选项，如果没有默认选项，则可以传入一个空列表。
• format_func：用于格式化选项显示的函数，默认为str函数。
• key：多选框组件的ID，用于在Streamlit应用中识别该组件。

该方法返回用户选中的选项列表。

以下是一个使用multiselect方法的示例代码：

import streamlit as st

# 定义选项列表
options = ['Option 1', 'Option 2', 'Option 3', 'Option 4']

# 使用multiselect方法显示多选框组件
selected_options = st.multiselect('Choose options', options)

# 显示选中的选项
st.write('You selected:', selected_options)

在这个示例中，我们定义了一个选项列表options，然后使用multiselect方法显示了一个多选框组件。用户可以通过选择每个选项旁边的复选框来选择多个选项。最后，我们使用write方法显示了用户选中的选项。

number_input 显示数值输入框

Streamlit中的number_input方法可以用于显示数值输入框。

该方法接受以下参数：

• label：输入框的说明文本。
• min_value：允许的最小值，可以是整数或浮点数，也可以是None，表示没有最小值限制。
• max_value：允许的最大值，可以是整数或浮点数，也可以是None，表示没有最大值限制。
• value：输入框的当前值，如果没有默认值，则传入None。
• step：数值变化步长，默认为1或0.01。
• format：数值显示格式化字符串或None。

该方法返回输入组件的当前值。

以下是一个使用number_input方法的示例代码：

import streamlit as st

# 使用number_input方法显示数值输入框
value = st.number_input('Enter a number', min_value=0, max_value=100, value=50, step=1, format='.2f')

# 显示用户输入的值
st.write('You entered:', value)

在这个示例中，我们使用number_input方法显示了一个数值输入框。用户可以在输入框中输入一个介于0和100之间的数值，默认值为50。如果用户输入的值超出了允许的范围，则会提示用户重新输入。最后，我们使用write方法显示了用户输入的值。

plotly_chart 显示Plotly图表

Streamlit中的plotly_chart方法可以用于显示Plotly图表。

plotly_chart方法接受一个或多个Plotly图表对象作为参数，并将其显示在Streamlit应用中。该方法支持多种类型的Plotly图表，包括折线图、散点图、柱状图、饼图等。

以下是一个使用plotly_chart方法的示例代码：

import streamlit as st
import plotly.express as px

# 创建示例数据
data = px.data.iris()

# 使用plotly_chart方法显示折线图
st.plotly_chart(px.line(data, x="sepal_width", y="sepal_length", color="species"))

在这个示例中，我们使用Plotly Express模块创建了一个示例数据集，并使用plotly_chart方法显示了一个折线图。该折线图根据“sepal_width”和“sepal_length”列的数据绘制了不同品种鸢尾花的生长趋势。

需要注意的是，要使用plotly_chart方法，需要在Streamlit应用中导入Plotly库，并将其与Streamlit库一起使用。此外，还需要根据具体的Plotly图表类型和数据格式调用相应的Plotly函数来创建图表对象。

progress 显示进度条

Streamlit中的progress方法可以用于显示进度条。该方法可以根据完成进度来更新进度条的状态。

progress方法接受一个数值参数，范围为[0,100]，表示完成的百分比。通过调用progress方法并传入相应的百分比值，可以更新进度条的状态。

以下是一个使用progress方法的示例代码：

import streamlit as st

# 创建进度条
progress_bar = st.progress(0)

# 模拟一个耗时任务
for i in range(100):
    time.sleep(0.1)  # 模拟耗时任务
    progress_bar.progress(i + 1)  # 更新进度条状态

在这个示例中，我们首先创建了一个进度条对象progress_bar，初始进度为0。然后，我们模拟了一个耗时任务，通过循环100次，每次更新进度条的状态。在每次循环中，我们使用progress方法更新进度条的状态，传入当前完成的百分比值。

需要注意的是，进度条的状态只会在Streamlit应用中显示，并且每次更新进度条的状态都会导致页面刷新。因此，在更新进度条时需要注意性能和用户体验。

pydeck_chart 显示PyDeck图表

Streamlit中的pydeck_chart方法可以用于显示PyDeck图表。PyDeck是一个基于JavaScript的数据可视化库，支持多种地图和图表类型，并支持交互和放大缩小等操作。

pydeck_chart方法接受一个PyDeck图表对象作为参数，并将其显示在Streamlit应用中。该方法支持多种类型的PyDeck图表，包括散点图、柱状图、热力图等。

以下是一个使用pydeck_chart方法的示例代码：

import streamlit as st
import pydeck as pdk

# 创建PyDeck图表对象
view = pdk.View(pdk.ScatterplotLayer, deck_options=pdk.DeckOptions(initial_view_state=pdk.ViewState(latitude=37.769999612954, longitude=-122.446293375463, zoom=10)))

# 使用pydeck_chart方法显示图表
st.pydeck_chart(view)

在这个示例中，我们首先创建了一个PyDeck图表对象view，它使用了一个ScatterplotLayer来显示散点图。然后，我们使用pydeck_chart方法将该图表显示在Streamlit应用中。

需要注意的是，要使用pydeck_chart方法，需要在Streamlit应用中导入PyDeck库，并将其与Streamlit库一起使用。此外，还需要根据具体的PyDeck图表类型和数据格式调用相应的PyDeck函数来创建图表对象。

pyplot

Streamlit中的pyplot方法可以用于显示Matplotlib图表。Matplotlib是一个Python数据可视化库，支持多种类型的图表和绘图方式。

pyplot方法接受一个Matplotlib图表对象作为参数，并将其显示在Streamlit应用中。该方法支持多种类型的Matplotlib图表，包括折线图、散点图、柱状图、饼图等。

以下是一个使用pyplot方法的示例代码：

import streamlit as st
import matplotlib.pyplot as plt

# 创建Matplotlib图表对象
fig, ax = plt.subplots()
ax.plot([1, 2, 3, 4], [1, 4, 2, 3])
plt.show()

# 使用pyplot方法显示图表
st.pyplot(fig)

在这个示例中，我们首先使用Matplotlib创建了一个折线图对象fig，并通过plot方法绘制了一条简单的折线。然后，我们使用show方法将图表显示出来。最后，我们使用pyplot方法将该图表显示在Streamlit应用中。

需要注意的是，要使用pyplot方法，需要在Streamlit应用中导入Matplotlib库，并将其与Streamlit库一起使用。此外，还需要根据具体的Matplotlib图表类型和数据格式调用相应的Matplotlib函数来创建图表对象。

radio 单选按钮小部件

Streamlit中的radio方法可以用于显示单选按钮小部件。该方法接受一个label参数，用于向用户解释此单选按钮组的用途，以及一个options参数，用于定义可用的选项列表。

例如：

import streamlit as st

# 定义选项列表
options = ['Option 1', 'Option 2', 'Option 3', 'Option 4']

# 使用radio方法显示单选按钮小部件
selected_option = st.radio('Choose an option', options)

# 显示选中的选项
st.write('You selected:', selected_option)

在这个例子中，我们定义了一个选项列表options，然后使用radio方法显示了一个单选按钮小部件。用户可以在该小部件中选择一个选项，然后通过点击“运行”按钮来确认选择。最后，我们使用write方法显示了用户选中的选项。

selectbox 显示下拉选择框组件

Streamlit中的selectbox方法可以用于显示下拉选择框组件。该方法接受一个label参数，用于向用户解释此下拉选择框的用途，以及一个options参数，用于定义可用的选项列表。

例如：

import streamlit as st

# 定义选项列表
options = ['Option 1', 'Option 2', 'Option 3', 'Option 4']

# 使用selectbox方法显示下拉选择框
selected_option = st.selectbox('Choose an option', options)

# 显示选中的选项
st.write('You selected:', selected_option)

在这个例子中，我们定义了一个选项列表options，然后使用selectbox方法显示了一个下拉选择框。用户可以从该选择框中选择一个选项，然后通过点击“运行”按钮来确认选择。最后，我们使用write方法显示了用户选中的选项。

set_option 用于设置指定配置项的值

Streamlit中的set_option方法用于设置指定配置项的值。这个方法接受两个参数：配置项的键（key）和配置项的值（value）。

可以通过运行streamlit config show查看所有可用的配置项。

这是一个使用set_option的例子：

import streamlit as st

# 设置配置项的值
st.set_option('my_config_option', 'my_value')

在这个例子中，我们设置了名为my_config_option的配置项的值为my_value。

同时，你也可以使用st.get_option方法来读取配置项的值。例如：

import streamlit as st

# 读取配置项的值
value = st.get_option('my_config_option')

# 显示配置项的值
st.write('The value of my_config_option is:', value)

在这个例子中，我们读取了名为my_config_option的配置项的值，并使用st.write方法显示出来。

set_page_config

Streamlit中的set_page_config方法可以用于设置页面配置，例如页面标题、页面样式等。这个方法接受一个字典参数，可以在字典中指定多个配置项。

以下是一个使用set_page_config的示例：

import streamlit as st

# 设置页面配置
st.set_page_config(
    page_title='My Streamlit App',
    page_icon='logo.png',
    header_font_name='Arial',
    header_font_size=18,
    primary_color='blue',
    script_tag=''
)

在这个示例中，我们使用set_page_config方法设置了页面标题、页面图标、头部字体名称、头部字体大小、主色调以及一个脚本标签。这些配置项可以根据需要进行调整和修改。

slider 显示滑块小部件

Streamlit是一种开源的Python库，它可以帮助开发者轻松地构建交互式Web应用。在Streamlit应用中，你可以使用slider组件来创建一个滑块，用户可以通过移动滑块来选择一个值。

下面是一个简单的例子，演示如何在Streamlit应用中创建一个滑块：

import streamlit as st

# 设置滑块的标签和范围
st.write("你可以选择一个值：")

# 创建一个滑块，初始值为5，范围在1到10之间
slider_value = st.slider('选择一个值', min_value=1, max_value=10, value=5)

# 显示用户选择的滑块值
st.write(f"你选择的值为：{slider_value}")

在这个例子中，我们首先导入了streamlit库。然后，我们使用st.write函数来显示一段文本和一个滑块。st.slider函数接受几个参数：滑块的标签、最小值、最大值和初始值。当用户移动滑块并选择一个值时，这个值将作为滑块的值返回，我们可以使用这个值来更新应用的状态或执行其他操作。最后，我们使用st.write函数来显示用户选择的滑块值。

snow 绘制庆祝降雪

一个下雪的动画

st.snow()

spinner 在执行代码块时临时显示一条消息

Streamlit中的spinner是一种在执行代码块时显示状态信息的功能。它可以帮助用户了解程序正在处理任务，而不是无响应或卡住。

要使用spinner，您可以在代码块之前使用st.spinner函数来创建一个spinner对象，然后在代码块结束之前调用spinner.stop()方法来停止spinner。

下面是一个使用Streamlit spinner的示例代码：

import streamlit as st
import time

# 创建spinner对象
spinner = st.spinner('正在处理中...')

# 执行代码块
time.sleep(5)

# 停止spinner
spinner.stop()

# 显示成功消息
st.success('处理完成！')

在这个例子中，我们首先使用st.spinner函数创建了一个spinner对象，并在对象上调用start()方法来启动spinner。然后，我们使用time.sleep函数模拟了一个耗时的操作。在操作结束后，我们调用spinner.stop()方法停止spinner，并使用st.success函数显示一个成功消息。

stop 立即停止执行

在Streamlit中，stop是spinner对象的一个方法，用于停止旋转的加载符号。

当您在Streamlit应用中执行一个耗时的操作时，可以使用spinner对象来显示一个加载符号，以向用户显示该操作正在进行中。在操作完成后，您可以使用stop方法来停止加载符号的旋转，并显示一个消息或结果。

以下是一个简单的示例代码，演示了如何使用Streamlit中的spinner对象和stop方法：

import streamlit as st
import time

# 创建spinner对象
spinner = st.spinner('正在处理中...')

# 执行耗时的操作
time.sleep(5)

# 停止spinner
spinner.stop()

# 显示成功消息
st.success('处理完成！')

在这个例子中，我们首先创建了一个spinner对象，并在对象上调用start()方法来启动加载符号的旋转。然后，我们使用time.sleep函数模拟了一个耗时的操作。在操作结束后，我们调用stop方法来停止加载符号的旋转，并使用st.success函数显示一个成功消息。

subheader 以子标题格式显示文本

在Streamlit中，subheader是一个用于创建子标题的函数。它可以帮助您在应用中添加额外的层次结构，以便更好地组织和展示内容。

要使用subheader函数，您可以在Streamlit的代码块中使用以下语法：

st.subheader('子标题内容')

下面是一个简单的示例，演示了如何在Streamlit应用中使用subheader函数：

import streamlit as st

# 创建主标题
st.header('我的Streamlit应用')

# 创建子标题
st.subheader('子标题内容')

# 添加其他内容
st.write('这是一些额外的内容')

在上面的示例中，我们首先使用st.header函数创建了一个主标题。然后，我们使用st.subheader函数创建了一个子标题。最后，我们使用st.write函数添加了一些其他内容。

当您运行这个Streamlit应用时，您将看到主标题和子标题显示在页面的顶部。子标题将显示在主标题下方，并且字体和样式稍小一些，以突出显示其层次结构的位置。

success 显示成功消息

在Streamlit框架中，success是一种展示成功信息的方式。你可以通过st.success(body)函数来实现，其中body参数是你想要展示的成功信息文本。例如，st.success('This is a success message!')会在应用中显示一条名为"This is a success message!"的成功信息。

table 显示静态表

Streamlit中的table组件可以用来显示数据表格。你可以使用st.table(df)来创建一个表格，其中df是一个包含数据的pandas DataFrame对象。

下面是一个简单的例子：

import pandas as pd
import streamlit as st

# 创建一个数据框
data = {'Name': ['Alice', 'Bob', 'Charlie'],
        'Age': [25, 30, 35],
        'City': ['New York', 'San Francisco', 'Los Angeles']}
df = pd.DataFrame(data)

# 显示数据框
st.table(df)

在这个例子中，我们首先创建了一个包含姓名、年龄和城市的pandas DataFrame对象。然后，我们使用st.table函数来显示这个数据框。当你在Streamlit应用中运行这段代码时，你会看到一个包含姓名、年龄和城市的表格。

tabs 插入分隔成标签的容器

Streamlit中的tabs组件可以用来创建标签页。你可以使用st.tabs([tab1, tab2, tab3])来创建一个包含多个标签页的应用，其中tab1、tab2和tab3是标签页的标题。

下面是一个简单的例子：

import streamlit as st

# 创建标签页
tab1 = st.tab("标签1")
tab2 = st.tab("标签2")

# 在标签页中添加内容
with tab1:
    st.write("这是标签1的内容")
with tab2:
    st.write("这是标签2的内容")

在这个例子中，我们首先使用st.tabs函数创建了一个包含两个标签页的应用。然后，我们使用st.tab函数创建了两个标签页，分别是"标签1"和"标签2"。最后，我们在每个标签页中添加了不同的内容。当你在Streamlit应用中运行这段代码时，你会看到一个包含两个标签页的应用，每个标签页中显示了不同的内容。

text 写固定宽度和预格式化的文本

在Streamlit框架中，text方法用于显示文本内容。你可以使用st.text(body)来在应用中显示文本，其中body参数是要显示的文本内容。

下面是一个简单的例子：

import streamlit as st

# 显示文本内容
st.text("这是一段文本内容")

在这个例子中，我们使用st.text函数来显示一段文本内容。当你在Streamlit应用中运行这段代码时，你会看到指定的文本内容显示在应用中。

text_area 显示多行文本输入小部件

Streamlit中的text_area方法可以用来创建一个多行文本输入框。这个方法接受一个字符串作为初始文本，并允许用户在文本框内进行编辑和修改。

以下是使用text_area方法创建多行文本输入框的示例代码：

import streamlit as st

# 创建一个多行文本输入框
text = "请输入您的文本内容"
textarea_result = st.text_area(label="输入框", value=text)

# 显示用户输入的文本
st.write(f"您输入的文本是：{textarea_result}")

在这个例子中，我们使用st.text_area方法创建了一个标签为"输入框"的多行文本输入框，并将字符串"请输入您的文本内容"作为初始文本。用户可以在这个文本框内编辑和输入自己的文本。然后，我们将用户输入的文本用st.write方法显示出来。

当你在Streamlit应用中运行这段代码时，你会看到一个多行文本输入框，你可以在框内编辑和输入文本。输入的文本将被保存在textarea_result变量中，并在应用中显示出来。

text_input 显示单行文本输入小部件

Streamlit中的text_input方法可以用来创建一个单行文本输入框。这个方法接受一个字符串作为初始文本，并允许用户在文本框内进行编辑和修改。

以下是使用text_input方法创建单行文本输入框的示例代码：

import streamlit as st

# 创建一个单行文本输入框
label = "输入框"
value = ""
text_input_result = st.text_input(label, value=value)

# 显示用户输入的文本
st.write(f"您输入的文本是：{text_input_result}")

在这个例子中，我们使用st.text_input方法创建了一个标签为"输入框"的单行文本输入框，并将空字符串""作为初始文本。用户可以在这个文本框内编辑和输入自己的文本。然后，我们将用户输入的文本用st.write方法显示出来。

当你在Streamlit应用中运行这段代码时，你会看到一个单行文本输入框，你可以在框内编辑和输入文本。输入的文本将被保存在text_input_result变量中，并在应用中显示出来。

time_input 显示时间输入小部件

Streamlit中的time_input方法可以用来创建一个时间输入框。这个方法接受一个字符串作为初始文本，并允许用户在文本框内选择一个时间值。

以下是使用time_input方法创建时间输入框的示例代码：

import streamlit as st

# 创建一个时间输入框
label = "选择时间"
initial_time = "12:00 PM"
time_input_result = st.time_input(label, value=initial_time)

# 显示用户选择的时间
st.write(f"您选择的时间是：{time_input_result}")

在这个例子中，我们使用st.time_input方法创建了一个标签为"选择时间"的时间输入框，并将字符串"12:00 PM"作为初始时间值。用户可以在这个文本框内选择一个不同的时间值，然后我们将用户选择的时间值用st.write方法显示出来。

当你在Streamlit应用中运行这段代码时，你会看到一个时间输入框，你可以在框内选择一个时间值。选择的时间将被保存在time_input_result变量中，并在应用中显示出来。

title 以标题格式显示文本

Streamlit中的title方法可以用来显示应用标题。这个方法接受一个字符串作为参数，用于设置应用的主标题。

以下是使用title方法显示应用标题的示例代码：

import streamlit as st

# 设置应用标题
st.title("我的Streamlit应用")

# 其他操作和应用内容...

在这个例子中，我们使用st.title方法将应用标题设置为"我的Streamlit应用"。当你在Streamlit应用中运行这段代码时，你会在应用顶部看到设置的标题。

需要注意的是，每个Streamlit应用最多只能有一个标题设置，但并不是强制要求每个应用都必须设置标题。如果你不设置标题，Streamlit不会显示任何标题文本。

vega_lite_chart 使用Vega-Lite库显示图表

Streamlit中的vega_lite_chart方法使用Vega-Lite库来显示指定的图表。该方法接受以下参数：

• data：要显示的数据对象或Vega-Lite图表规格。数据类型可以是pandas DataFrame、pandas Styler、numpy ndarray、Iterable或None。如果data参数已经传入图表规格，那么spec参数必须传入None。
• spec：Vega-Lite的图表规格。如果在前面data参数已经传入图表规格，这里必须传入None。
• width：宽度模式。0表示使用整个文档宽度，-1表示使用Vega-Lite的默认值，大于0表示要设置的宽度像素。

以下是一个简单的示例代码，演示了如何使用vega_lite_chart方法显示一个柱状图：

import streamlit as st
import pandas as pd
import vega_lite as vl

# 创建数据
data = {'x': ['A', 'B', 'C', 'D'],
        'y': [10, 20, 30, 40]}
df = pd.DataFrame(data)

# 创建Vega-Lite图表规格
spec = vl.Specification({
    'encoding': {
        'x': {
            'type': 'category',
            'values': df['x']
        },
        'y': {
            'type': 'quantitative',
            'scale': {'domain': [0, 100]}
        }
    },
    'data': [df],
    'config': {'view': {
        'width': 400,
        'height': 300}}
})

# 显示柱状图
st.vega_lite_chart(data=df, spec=spec, width=400)

在这个例子中，我们首先创建了一个包含数据和Vega-Lite图表规格的数据框df和spec。然后，我们使用st.vega_lite_chart方法来显示这个柱状图。我们将数据框df和图表规格spec作为参数传递给该方法，并设置宽度模式为400像素。当你在Streamlit应用中运行这段代码时，你会看到一个包含数据的柱状图。

video 显示视频播放器

Streamlit中的video方法可以用来播放视频。这个方法接受一个字节码流（BytesIO）或numpy.ndarray对象作为参数，用于指定要播放的视频数据。此外，还可以设置视频的MIME类型和开始播放的时间。

以下是使用video方法播放视频的示例代码：

import streamlit as st
import numpy as np
import io

# 读取视频文件并转换为字节码流
with open('myvideo.mp4', 'rb') as video_file:
    video_bytes = video_file.read()

# 播放视频
st.video(video_bytes)

在这个例子中，我们首先使用open函数打开一个名为myvideo.mp4的视频文件，并使用read方法读取文件内容到字节码流对象video_bytes中。然后，我们使用st.video方法将这个字节码流传递给Streamlit，以播放这个视频。当你在Streamlit应用中运行这段代码时，你会看到一个视频播放器，其中会播放你指定的视频。

需要注意的是，要确保指定的视频文件是可访问的，并且字节码流对象的数据格式正确。另外，由于Streamlit会将视频数据传递给浏览器进行播放，因此视频的格式和编码方式需要符合浏览器的要求。如果遇到任何问题，可以尝试将视频转换为不同的格式或使用其他视频播放库进行尝试。

warning 显示警告信息

Streamlit中的warning方法用于显示警告信息。这个方法接受一个字符串作为参数，用于指定要显示的警告信息。

以下是使用warning方法显示警告信息的示例代码：

import streamlit as st

# 显示警告信息
st.warning('这是一个警告信息')

在这个例子中，我们使用st.warning方法传递一个字符串'这是一个警告信息'作为参数，以显示警告信息。当你在Streamlit应用中运行这段代码时，你会看到一个警告框，其中包含指定的警告信息。

write 向应用程序写入参数。

Streamlit中的write方法用于在应用中显示文本、数据、图表等不同类型的内容。这个方法可以接受多个参数，包括字符串、DataFrame、字典、Matplotlib图表等各种类型的数据。

以下是使用write方法显示不同类型数据的示例代码：

import streamlit as st
import pandas as pd
import matplotlib.pyplot as plt

# 显示格式化的Markdown字符串
st.write('这是Markdown格式的字符串')

# 显示表格形式的Pandas DataFrame对象
data = {'Name': ['Alice', 'Bob', 'Charlie'],
        'Age': [25, 30, 35]}
df = pd.DataFrame(data)
st.write(df)

# 显示字典对象的内容
dict_data = {'Name': 'Alice', 'Age': 25}
st.write(dict_data)

# 显示Matplotlib图表
plt.plot([1, 2, 3], [4, 5, 6])
st.write(plt.gcf())

在这个例子中，我们首先使用st.write方法显示一个格式化的Markdown字符串。然后，我们创建了一个包含姓名和年龄数据的Pandas DataFrame对象，并使用st.write方法将其显示为表格形式。接下来，我们创建了一个包含姓名和年龄数据的字典对象，并使用st.write方法将其内容显示出来。最后，我们使用Matplotlib库绘制了一个简单的折线图，并使用st.write方法将图表显示出来。当你在Streamlit应用中运行这段代码时，你会看到应用中依次显示了Markdown字符串、表格、字典内容和Matplotlib图表。