但对于streamlit来说，请你相信我，这是一个你可以无脑去学习的框架，我之所以这么说，是因为我相信终有一天，你一定能用得上它。
如果你真的需要一些理由的话，那我随便给你举几个例子：
难道真的要为了这种简单的需求，去折腾html+css+js+flask(ordjango)吗？
这是大多数非专业开发者的痛点，也是streamlit这个框架流行开来的主要原因。
Streamlit是一个用于机器学习、数据可视化的Python框架，它能几行代码就构建出一个精美的在线app应用。
它能做什么，取决于你想干什么？
streamlit的功能强大，要学习的函数虽然多，但非常容易上手，学习成本却远比前端+Flask来得低得低。接下来，我会一一介绍。
和安装其他包一样，安装streamlit非常简单，一条命令即可
pipinstallstreamlit考虑到streamlit会附带安装比较多的工具依赖包，为了不污染当前的主要环境，我使用venv新建一个虚拟环境。
python3-mvenv.然后使用如下命令进入该虚拟环境
source./venv/bin/activate接下来，再安装streamlit，命令在上边。
安装的包比较多（数了下竟然接近92个？），过程也会很久，需要点耐心
piplist|wc-l92在安装过程中，可能会遇到一些问题，但也不一定，这取决于你的机器，如遇到问题请自行借助搜索引擎解决。
Streamlit提供了一些入门示例，执行如下命令即可
这里面有很多的demo，你可以看一下，这些Demo还有对应的配套代码
这些代码直接拷贝保存，就可以在本地直接通过如下命令直接运行
streamlitrunst-demo.py2.Markdown文本导入streamlit后，就可以直接使用st.markdown()初始化，调用不同的方法，就可以往文档对象中填入内容
如下我自己写的一个小Demo，供你参考
importstreamlitasst#markdownst.markdown('StreamlitDemo')#设置网页标题st.title('一个傻瓜式构建可视化web的Python神器--streamlit')#展示一级标题st.header('1.安装')st.text('和安装其他包一样，安装streamlit非常简单，一条命令即可')code1='''pip3installstreamlit'''st.code(code1,language='bash')#展示一级标题st.header('2.使用')#展示二级标题st.subheader('2.1生成Markdown文档')#纯文本st.text('导入streamlit后，就可以直接使用st.markdown()初始化')#展示代码，有高亮效果code2='''importstreamlitasstst.markdown('StreamlitDemo')'''st.code(code2,language='python')Streamlit运行的方式与普通的脚本有所不同，应该使用streamlitrunst-demo.py
运行后就会自动打开浏览器加载这个页面，如果没有自动打开，也可以手动拷贝上图中的链接打开访问。
是不是有点那个味了？就这，还只是开胃菜～
关于数据的展示，streamlit由两个组件进行支持
Table的示例
df=pd.DataFrame(np.random.randn(10,5),columns=('第%d列'%(i+1)foriinrange(5)))st.table(df)效果如下
Datafram的示例
df=pd.DataFrame(np.random.randn(10,5),columns=('第%d列'%(i+1)foriinrange(5)))st.dataframe(df.style.highlight_max(axis=0))效果如下，可以看到在图示外，有个向下的小箭头，你点一下，就会进行排序
除此之外，你还能看到我对最大值进行了高亮显示，原因是我传入的参数是df.style.highlight_max(axis=0)
其实还有n多种样式，比如：
这些你都可以在源代码中找到示例
在采集到一些监控数据后，若你需要做一个监控面板，streamlit也为你提供的metric组件
如下代码创建三个指标，并且填入对应的数据
col1,col2,col3=st.columns(3)col1.metric("Temperature","70°F","1.2°F")col2.metric("Wind","9mph","-8%")col3.metric("Humidity","86%","4%")刷新页面，就能看到下面的效果
Streamlit原生支持多种图表：
下面一一展示
折线图
面积图
柱状图
地图
Streamlit的一些原生图表组件，虽然做到了傻瓜式，但仅能输入数据、高度和宽度，如果你想更漂亮的图表，就像matplotlib.pyplot、Altair、vega-lite、Plotly、Bokeh、PyDeck、Graphviz那样，streamlit也提供了支持：
对于这部分，熟悉的同学自行尝试了，这里不再演示。
前面streamlit都只是展示文本和数据，如果仅是如此，那streamlit也就justsoso
对于那些不会前端，并且平时有需要写一些简单的页面的人说，能写一些交互界面才是硬需求。
庆幸的是，你平时在网页上、app上能看到的交互组件，Streamlit几乎都能支持。。
这些内容非常多，也比较简单，一个一个举例也没必要，大家直接去看streamlit源码里的注释即可。
想要在页面上播放图片、音频和视频，可以使用streamlit的这三个组件：
状态组件用来向用户展示当前程序的运行状态，包括：
效果如下：
Streamlit是自上而下渲染的，组件在页面上的排列顺序与代码的执行顺序一致。
一个精美的webapp，只有上下单栏式的布局肯定是不够的。
实际上streamlit还提供了多种多样的布局：
st.sidebar：侧边栏
侧边栏可以做一些用户操作控件
st.columns：列容器，处在同一个columns内组件，按照从左至右顺序展示
st.expander：隐藏信息，点击后可展开展示详细内容，如：展示更多
st.container：包含多组件的容器
st.empty：包含单组件的容器
Streamlit是自上而下逐步渲染出来的，若你的应用场景需要对渲染做一些控制，streamlit也有提供对应的方法
当用户在页面上做一些操作的时候，比如输入数据，都会触发整个streamlit应用代码的重新执行，如果其中有读取外部数据的步骤（数GB的数据），那这种性能损耗是非常可怕的。
但streamlit提供了一个缓存装饰器，当要重新执行代码渲染页面的时候，就会先去缓存里查一下，如果代码或者数据没有发生变化，就直接调用缓存的结果即可。
使用方法也简单，在需要缓存的函数加上@st.cache装饰器即可。
如果需要让别人也能访问这个应用，那你需要有一台服务器，这样才能通过公网ip进行访问
然后创建自己的app
这个App名字好像是要全网唯一，本想取个hello-streamlit的，发现早有人取过了。
然后为你的应用，创建几个Heroku规定的文件
拿到了这份模板后，你就可以基于这份模板创建你的git仓库
gitinitgitadd--allgitcommit-m"init"然后部署到Heroku
herokuloginherokucreategitpushherokumasterherokups:scaleweb=1按照命令行输出的URL就可以访问你的应用了。
查看Heroku日志：
herokulogs--tail要想使用自己域名，需要先通过Heroku验证。然后运行：
herokudomains:addhivecnstats.iswbm.com使用Heroku唯一的缺点就是Heroku是需要梯子的，一般人访问不了，没条件的还是乖乖的备台服务器吧。
Streamlit一个开箱即用的工具集，它可以让一个普通的个人开发者免于学习繁杂的前端知识，就可以轻松、快速的构建一个简洁、优雅的webapp应用，这是streamlit最吸引人的地方。
对于从事数据分析，机器学习领域的人来说，它绝对是开发神器，但即使你不是这些领域的人，你肯定也会有搭建一个webapp需求的时候，streamlit正是你需要的。
PyCharm中文指南
《PyCharm中文指南》使用300多张GIF动态图的形式，详细讲解了最贴合实际开发的105个PyCharm高效使用技巧，内容通俗易懂，适合所有Python开发者。
Python黑魔法指南
《Python黑魔法指南》目前迎来了v3.0的版本，囊集了100多个开发小技巧，非常适合在闲时进行碎片阅读。
Python中文指南
学Python最好的学习资料永远是Python官方文档，可惜现在的官方文档大都是英文，虽然有中文的翻译版了，但是进度实在堪忧。为了照顾英文不好的同学，我自己写了一份面向零基础的朋友的在线Python文档--《Python中文指南》