새싹개발자

웹 대시보드 개발 방법 1. 분석할 데이터를 준비한다. df = pd.read_csv('data/Car_Purchasing_Data.csv',encoding='ISO-8859-1') 2. 주피터 노트북으로 데이터를 분석한다. df.head() df.describe() df.columns[4:] df[df['Annual Salary']==df['Annual Salary'].min() ] df[df['Annual Salary']==df['Annual Salary'].max() ] # 등등 데이터들을 확인한다. 3. 필요에 의해서 머신러닝을 수행할 수도 있다. # 자동차 구매 금액을 예측하는 인공지능을 만들어보고 싶다. df.isna().sum() y = df['Car Purchase Amount'] X = ..

* import import streamlit as st import pandas as pd import matplotlib.pyplot as plt import seaborn as sb * 데이터 가져오기 df = pd.read_csv('streamlit_data/iris.csv') 1. Scatter 를 이용한 차트 # streamlit 은 plt.figure로 차트 영역을 지정한다. fig = plt.figure() plt.scatter(data = df , x = 'sepal_length',y='sepal_width') plt.title('Sepal Length vs Width') plt.xlabel('sepal length') plt.ylabel('sepal width') st.pyplot(fi..

다음과 같은 코드가 있습니다. menu = ['Home','EDA','ML','About'] choice = st.sidebar.selectbox('메뉴',menu) if choice == 'Home': pass elif choice == 'EDA' : pass elif choice == 'ML' : pass elif choice == 'About' : pass 사이드바에 선택상자인데 각각의 항목들을 전부 한 페이지에 작성하면 추후에 유지보수 작업에 어려움이 있습니다. 따라서 각 항목을 파일로 분리한 다음에 가져오는 방법을 이용합니다. app_home.py import streamlit as st def run_home_app() : st.subheader('Home 화면') st.text('홈화면에서 ..

함수 정의 파일과 디렉토리를 알려주면 저장한다. import streamlit as st import os def save_upload_file(directory,file) : # 1. 디렉토리가 있는지 확인하여 , 없으면 먼저, 디렉토리부터 만든다. if not os.path.exists(directory) : os.makedirs(directory) # 2. 디렉토리가 있으니, 파일을 저장한다. with open(os.path.join(directory,file.name),'wb') as f : f.write(file.getbuffer()) # 3. 파일 저장이 성공했으니, 화면에 성공했다고 보여주면서 리턴 return st.success('{}에 {}파일이 저장되었습니다.'.format(direct..

text_input 문자를 입력받는다. number_input 숫자를 입력받는다. date_input 날짜를 입력받는다. time_input 시간을 입력받는다. text_input('',type='password') 비밀번호를 입력받는다. color_picker 색상코드를 입력받는다. 1. text_input name = st.text_input('이름을 입력하세요') st.title(name) 2. number_input year = st.number_input('출생년도를 입력하세요.',min_value=1,max_value=9000) st.text(year) 3. date_time my_date = st.date_input('약속날짜 입력 : ') st.write(my_date) 4. time_in..

1. image # 이미지 처리를 위해 import 해준다. from PIL import Image 그 다음 open 함수를 통해 가져온다. # 내 로컬에 있는 이미지 가져온다. img = Image.open('streamlit_data/image_03.jpg') st.image(img) # use_column_width 를 True를 하게 되면 사용 공간에 가로 길이만큼 # 늘려서 가져오게 된다. st.image(img,use_column_width=True) # 또는 인터넷에서 주소를 가져와도 된다. img_url = '인터넷 이미지 주소' st.image(img_url) 판다는 내 로컬 이미지를 , 다른 이미지는 인터넷에 떠돌던 주소를 넣었다. 2. video 비디오는 streamlit 으로 열어 ..

button 버튼을 생성한다. radio 라디오 형식으로 버튼을 생성한다. checkbox 체크를 만든다. selectbox 선택박스를 만든다. multiselect 선택박스를 여러개 선택할수 있다. slider 슬라이더 형식으로 만들 수 있다. expander 확장탭을 만들 수 있다. 1. button # 버튼을 클릭하면, 데이터프레임이 보이도록 만들기. if st.button('데이터프레임 보기') : st.dataframe(df) # 버튼을 누르면 소문자와 대문재로 바꿔주기. name = 'Mike' if st.button('대문자로') : st.text(name.upper()) if st.button('소문자로') : st.text(name.lower()) 2. radio # 라디오 버튼 stat..

# 판다스의 데이터프레임을, 웹화면으로 보여주는 방법 import streamlit as st import pandas as pd def main() : st.title('아이리스 꽃 데이터') df = pd.read_csv('streamlit_data/iris.csv') st.dataframe(df) species = df['species'].unique() st.text('아이리스 꽃은 '+species + '으로 되어있다.') if __name__ == '__main__' : main() 위 코드처럼 streamlit 에 dataframe() 으로 읽어올수있다.

success 성공으로 강조 (녹색) warning 위험으로 강조 (노란색) info 정보를 강조 (파란색) error 오류를 강조(빨간색) help 함수의 설명을 보여준다. import streamlit as st def main() : st.success('성공했을때 메시지를 보여줄때 사용') st.warning('경고 메시지를 보여주고 싶을때') st.info('정보성 메시지를 보여주고 싶을때') st.error('문제가 발생했음을 보여주고 싶을때') #파이선의 함수들의 설명을 보여주고 싶을때 st.help(sum) st.help(len) if __name__ == '__main__' : main()

title 제목을 출력할 수 있다. header 머릿말을 출력할 수 있다. subheader header보다 조금 작게 출력할 수 있다. text 기본 글자 크기로 출력한다. write text보다 조금 더 작게 출력한다. import streamlit as st def main() : st.title('웹 대시보드') st.text('웹 대시보드 개발') st.header('이 영역은 헤더 영역') st.subheader('이 영역은 서브 헤더 영역') if __name__ == '__main__' : main()