Streamlit14 [튜토리얼] iris 데이터를 활용한 머신러닝 앱 개발 튜토리얼 데이터셋 아래 링크 경로를 통해 데이터셋을 받아올 수 있다 😊 처음부터 차근차근 코드를 작성하면 똑같은 결과물을 만들 수 있다 'https://raw.githubusercontent.com/dataprofessor/data/master/iris.csv' 결과물 데이터 분석을 해봤다면 누구나(?) 알 듯한 Iris data 를 가지고, 머신러닝 분류 모델을 앱으로 개발해보자. 스트림릿을 활용하여, 다음과 같은 대시보드를 만드는 것이 목표이다. [참고] 스트림릿 앱을 가상으로 확인할 수 있는 경로는 다음과 같다(터미널에서 실행) $ streamlit run app.py(파이썬 파일명) 스트림릿 시작하기 가상환경에 접속하기 Vs code 를 열고, app.py 와 같이 파이썬 파일을 생성 아래와 같이.. 2023. 9. 19. streamlit 배포 준비(2) Streamlit 대시보드 구조 streamlit 대시보드를 만드는 구조는 다음과 같다 기본적으로 app.py 에서 전체적인 틀을 관리한다 세부사항은 run_eda_app.py 와 같이 따로 파일을 만들어 함수(메서드)를 정의하고, 이를 app.py에 호출하여 사용하는 것이다 🚀 즉, 원하는 대시보드의 구조를 미리 구상해놓고 각각의 기능을 함수로 구현하고 이를 app.py에 종합하여 구현한다 예제 run_eda_app.py 작성 아래 파일에는 run_eda_app() 메서드가 작성되어 있다. 탐색적 자료 분석 메뉴에서 실행시킬 함수라고 생각하면 된다. # -*- coding:utf-8 -*- import streamlit as st import pandas as pd import matplotlib.py.. 2023. 9. 1. streamlit 배포 준비(1) 1. 깃허브에 repository 생성 스트림릿 관련 파일을 관리할 Repository를 생성 터미널을 열어 다음을 입력하여 로컬 저장서와 연결 : git clone + 저장소 주소 2. 로컬에서 파일 작성 로컬에서 vs code를 열어, 간단하게 app.py 작성(아래 이미지 참고) requirements.txt 를 생성 : numpy, streamlit 작성 3. streamlit 접속 로그인 하고, 깃허브 주소와 연동 New app 클릭 4. Deploy an app 내용 입력 깃허브에 생성한 저장소를 선택해준다 위에서 만든 파일(app.py) 를 입력해준다 Advanced settings... 로 이동(클릭) 5. Advanced settings 파이썬 버전 지정 아래 Secrets는 DB등을 연.. 2023. 9. 1. [Streamlit] Session state란? Session state란? session state 는 streamlit 애플리케이션 내에서 상태를 유지하고 다루는데 사용되는 변수 왜 필요할까? 일반적으로 Streamlit은 상태를 유지하지 않음 사용자가 애플리케이션과 상호작용할 때마다 각 요청은 새로운 상태를 생성함 이러한 방식은 일반적으로 웹 애플리케이션에서 세션이 유지되지 않는 상태로 동작함 각 요청 간 이전 상태가 유지되지 않기 때문 session state를 사용하면, 특정한 요청들 간에도 상태를 유지할 수 있음 👉 이를 통해, streamlit 어플리케이션을 사용자 친화적으로 만들 수 있음 👉 데이터 처리하는 동안 임시로 상태를 유지하는 데 유용함 streamlit에서 session state 사용법 👉 sessionState 라는 커스텀.. 2023. 8. 1. Streamlit 이란? Streamlit 이란? 데이터 과학자와 개발자가 Python 스크립트로 인터랙티브한 웹 애플리케이션을 간단하게 구축할 수 있도록 도와주는 오픈 소스 Python 라이브러리 데이터 시각화, 머신 러닝 모델 시연, 웹 기반 대시보드 등을 빠르게 개발하고 쉽게 공유할 수 있음 Streamlit 장점 데이터 시각화와 상호 작용을 위해 Matplotlib, Plotly, Altair 등의 라이브러리를 통합함 머신 러닝 모델을 포함한 다양한 Python 라이브러리와의 통합이 가능함 실시간으로 코드를 수정하고 적용할 수 있음 간단한 명령어로 데이터를 시각화하거나 다양한 형태의 입력 요소를 추가 가능 https://streamlit.io/gallery?category=data-visualization App Gall.. 2023. 7. 31. Streamlit 기본 문법(9) : 사이드바 & selectbox, tab 활용 ☘ 사이드바 활용 코드 예시 import matplotlib.pyplot as plt import streamlit as st import seaborn as sns def main(): st.title("확인") with st.sidebar: st.header("Sidebar") day = st.selectbox("요일 선택", ["Thur", "Fri", "Sat", "Sun"]) tips = sns.load_dataset("tips") filtered_tips = tips.loc[tips['day'] == day] #st.dataframe(filtered_tips) top_bill = filtered_tips['total_bill'].max() top_tip = filtered_tips['tip'].. 2023. 7. 28. Streamlit 기본 문법(8) : 주식 데이터 조회 페이지 만들기(feat. 사이드바) 주식 데이터 조회 페이지 만들기 (with 사이드바) 1. 필요한 라이브러리 다운 import plotly.graph_objects as go import pandas as pd import streamlit as st import yfinance as yf import matplotlib.pyplot as plt 2. 사이드바에 주식 종목(티커)를 입력 / 시작 ~ 종료 날짜 생성 / 데이터 조회하는 코드 def main(): st.title("주식 데이터") st.sidebar.title("Stock Chart") ticker = st.sidebar.text_input("Enter a ticker (e. g. AAPL)", value = "AAPL") st.sidebar.markdown('Ticker.. 2023. 7. 28. Streamlit 기본 문법(7) : MultiSelect(멀티셀렉트) 위젯 MultiSelect 사용하기 여러 개의 항목으로 multiSelect 위젯을 생성하는 코드 iris 데이터프레임에서 iris 의 유일값들을 선택, 멀티셀렉트 항목으로 지정 iris = sns.load_dataset('iris') cols = st.multiselect("복수의 컬럼 선택", iris.columns) #st.write(cols) filtered_iris = iris.loc[:, cols] st.dataframe(filtered_iris) 👉 결과 : 여러개의 항목을 선택할 수 있으며, 선택한 항목에 해당하는 데이터프레임 출력 2023. 7. 28. Streamlit 기본 문법(6) : selectbox(셀렉트박스) 위젯 Select Box 사용하기 Selectbox의 요소(주제)에 따라 시각화 그래프를 보여주는 코드 iris = sns.load_dataset('iris') #select box 만들기 st.markdown("## Raw Data") st.dataframe(iris) st.markdown("", unsafe_allow_html=True) #html 코드 쓰고 싶을 때 st.markdown("### SelectBox") st.write(iris['species'].unique()) col_name = st.selectbox('1개의 종을 선택하세요!', iris['species'].unique()) st.write(col_name) #iris 종별로 result 값 나누기 result = iris.loc[i.. 2023. 7. 28. 이전 1 2 다음 728x90
