怎么編寫Python腳本

本篇內容介紹了“怎么編寫Python腳本”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

Streamlit是第一個專門針對機器學習和數據科學團隊的應用開發框架，它是開發自定義機器學習工具的最快的方法，你可以認為它的目標是取代Flask在機器學習項目中的地位，可以幫助機器學習工程師快速開發用戶交互工具。

1、Hello world

Streamlit應用就是Python腳本，沒有隱含的狀態，你可以使用函數調用重構。只要你會寫Python腳本，你就會開發Streamlit應用。例如，下面的代碼在網頁中輸出 Hello,world!：

import streamlit as st
st.write('Hello, world!')

結果如下：

2、使用UI組件

Streamlit將組件視為變量，在Streamlit中沒有回調，每一個交互都是 簡單地返回，從而確保代碼干凈：

import streamlit as st
x = st.slider('x')
st.write(x, 'squared is', x * x)

結果如下：

3、數據重用和計算

如果你要下載大量數據或者運行復雜的計算該怎么實現？關鍵在于安全地重用數據。Streamlit引入了緩存原語可以讓Steamlit應用 安全、輕松的重用信息。例如，下面的代碼只需要從Udacity的自動 駕駛車項目下載一次數據，從而得到一個簡單、快速的應用：

import streamlit as st
import pandas as pd
# Reuse this data across runs!
read_and_cache_csv = st.cache(pd.read_csv)
BUCKET = "https://streamlit-self-driving.s3-us-west-2.amazonaws.com/"
data = read_and_cache_csv(BUCKET + "labels.csv.gz", nrows=1000)
desired_label = st.selectbox('Filter to:', ['car', 'truck'])
st.write(data[data.label == desired_label])

結果如下：

簡而言之，Streamlit的工作方式如下：

• 對于用戶的每一次交互，整個腳本從頭到尾執行一遍

• Streamlit基于UI組件的狀態給變量賦值

• 緩存讓Streamlit可以避免重復請求數據或重復計算

或者參考下圖：

如果上面的內容還沒有說清楚，你可以直接上手嘗試Streamlit！

$ pip install --upgrade streamlit

$ streamlit hello

You can now view your Streamlit app in your browser.

Local URL: http://localhost:8501

Network URL: http://10.0.1.29:8501

這會自動打開本地的web瀏覽器并訪問Streamlit應用：

4、實例：自動駕駛數據集工具

下面的Streamlit應用讓你可以在整個Udacity自動駕駛車輛照片數據集中進行語義化搜索，可視化人工標注，并且可以實時運行一個YOLO 目標檢測器：

、整個應用只有300行Python代碼，絕大多數是機器學習代碼。實際上 其中只有23個Streamlit調用。你可以嘗試自己運行：

$ pip install --upgrade streamlit opencv-python
$ streamlit run https://raw.githubusercontent.com/streamlit/demo-self-driving/master/app.py

“怎么編寫Python腳本”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！