小編精選 - 技術文章翻譯 · 09月12日

使用 Streamlit、Dash 和 Bokeh 建立互動式儀表板：從程式碼到雲端

資料視覺化在電腦科學和資料驅動決策中發揮核心作用。雖然像Matplotlib和Seaborn這樣的函式庫通常是學習的第一批工具，但也存在一些更具互動性的框架，可用於為實際應用建立儀表板和報告。其中， Streamlit 、 Dash和Bokeh脫穎而出，因為它們允許開發人員將 Python 程式碼轉換為完整的 Web 應用程式，而無需高級 Web 開發技能。

Streamlit

Streamlit是建立互動式儀表板最簡單的方法之一。它允許開發人員使用純 Python 程式碼並自動建立響應式 Web 介面。您可以用最少的語法加入小部件（滑塊、複選框、文字輸入），使其成為快速原型設計的理想工具。

達世幣

Dash由 Plotly 開發，功能更強大，可自訂性更強。它結合了 Flask（後端）、React.js（前端）和 Plotly（圖表）。 Dash 應用程式結構更清晰，支援使用回調和佈局來建立企業級儀表板。

散景

Bokeh是一個用於在瀏覽器中建立互動式、可擴充視覺化效果的函式庫。與 Streamlit 或 Dash 不同，Bokeh 主要專注於視覺化，但它也可以作為儀表板的後端。

範例：使用 Streamlit 建置和部署儀表板

下面是一個使用Streamlit可視化隨機值資料集的小範例。我們將把它部署到Streamlit Cloud （學生免費方案）。

程式碼（ `app.py` ）

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

# Title
st.title("📊 Interactive Data Dashboard Example")

# Sidebar options
st.sidebar.header("Controls")
n_points = st.sidebar.slider("Number of Data Points", 10, 500, 100)
chart_type = st.sidebar.selectbox("Chart Type", ["Line", "Scatter", "Histogram"])

# Generate random data
data = pd.DataFrame({
    "x": np.arange(n_points),
    "y": np.random.randn(n_points).cumsum()
})

# Show dataframe
st.write("### Randomly Generated Data", data.head())

# Visualization
st.write("### Visualization")
if chart_type == "Line":
    st.line_chart(data.set_index("x"))
elif chart_type == "Scatter":
    st.scatter_chart(data.set_index("x"))
elif chart_type == "Histogram":
    fig, ax = plt.subplots()
    ax.hist(data["y"], bins=20, color="skyblue", edgecolor="black")
    st.pyplot(fig)

本地執行

pip install streamlit pandas numpy matplotlib
streamlit run app.py

瀏覽： http://localhost:8501

部署到雲端（Streamlit Cloud 範例）

將您的程式碼推送到GitHub （包含app.py和requirements.txt儲存庫）。

範例requirements.txt ：

     streamlit
     pandas
     numpy
     matplotlib

前往https://streamlit.io/cloud並使用 GitHub 登入。
點選「New App」 ，選擇你的倉庫和分支，並選擇app.py作為入口檔案。
部署 — 幾秒鐘後，您的應用程式將上線並帶有以下公開 URL：

   https://your-username-your-repo.streamlit.app

為什麼要使用這些工具？

Streamlit → 快速、簡單的儀表板（適合學生、原型）。
Dash → 結構化、可投入生產的儀表板（企業使用）。
Bokeh → 功能強大且靈活的互動式圖表。

結論

Streamlit、Dash 和 Bokeh 將資料視覺化的可能性擴展到靜態圖表之外。它們使電腦科學專業的學生和專業人士能夠以互動方式分享見解，甚至將其部署為 Web 應用程式。部署到Streamlit Cloud 、 Heroku或AWS等雲端平台後，可以從任何地方存取這些工具，從而將本地實驗轉變為可共享的專案。

原文出處：https://dev.to/cesar_nikolascamacmelen/building-interactive-dashboards-with-streamlit-dash-and-bokeh-from-code-to-cloud-5hdb