streamlit是一个用于构建机器学习、数据可视化的python框架。如果你想快速部署自己的机器学习应用，或者给小伙伴直观展示你的数据，但是没有web开发的经验，streamlit绝对是你的不二选择。只要你会使用python，你会发现利用streamlit开发一个web app是一件及其简单的事情。Streamlit是第一个专门针对机器学习和数据科学团队的应用开发框架，它是开发自定义机器学习工具的最快的方法，它的目标是取代Flask在机器学习项目中的地位，可以帮助机器学习工程师快速开发用户交互工具。他只需要几行代码就可以轻松实现机器学习模型的可视化，代码多位设置控件类型和输入、输出，可以帮你轻松设计自己训练好的机器学习模型webapp。缺点是控件位置固定，格式比较单一，还有待进一步包的更新和发展。但绝对是没有web搭建应用基础的初学者必备利器。

streamlit入门（所有的都一样安装包）

pip install streamlit

尝试包的示例

streamlit hello

如果成功安装，会出现如下窗口，并且默认的浏览器会启动。

这样你就可以通过选择左侧框框内的示例模型进行初次尝试了，示例中都附带了这个model的代码，能帮你快速理解：控件布局，数据读入、输出，界面设计等方面，助力快速入门。
当然最好的还是去浏览其官方文档：link
里面详尽了各种控件、布局样式和API接口。大家可以通过很多途径了解到各个控件怎么部署，这里就不详细描述了。

如何快速搭建你的webApp：

1.首先在本地创建一个 .py文件，例如我的app.py

导入所有需要的包，包括全部自己模型内的包，我这里用SVM创建了一下简单的分类器作为示例

2设置题目

3设置控件：

st.sidebar.slider：表示在左侧新建一个滑动条一样的控件，效果见下图：

st.sidebar.selectbox:表示左侧新建一个选择框：

4 训练模型

这一步跟你在任何python编辑器上一样，读入数据、建立模型即可，我这里直接导入之前训练好的模型

5从webApp中收集用户输入的信息，并打包成矩阵，输入自己已经建立好的模型：

6写出自己模型的结果即可：

这样很容易通过简单的几行代码就实现了一个基于svm的诊断模型的webApp创建，可能用不到你几分钟，就完成了一个十分复杂，涉及到诸多框架、程序语言的webApp设计。到这里你就完成了第一个app的创建。
下面有了APP我怎么跟别人分享，难道都只能在本地端观看吗？

部署

创建好的APP，理论上可以部署到任意的服务器上，让用户实现访问，这里就介绍用heroku平台，没有别的原因，就是因为它是免费的平台，你可以不需要信用卡，就可以完成部署。
天下没有免费的午餐，它也有着明确的缺点，没有科学上网，没有heroku！

注册一个账号:

不能用qq邮箱、网易邮箱等，最好还是尝试国外邮箱，我用的是google，完全没有问题。
创建一个App

通过Heroku Git上传你的APP

你可以完全按照下图中的代码一步步实现把自己的APP部署到Heroku上，当然前提是准备好的App，下面我将讲述需要哪些辅助的文件帮助你部署。

这是我的文件

.git是后面生成的不用管，svm.joblib是我保存的自己建立的模型也不需要管，主要包括你的main.py、 Procflie 、requirements、setup.sh。
Procflie没有文件类型，后面保存的时候不需要加后缀，只需要把我写的app改成你的程序名称即可

Requirements

就是你写模型所以依赖的包环境
setup.sh
输入你的邮箱即可

把这些所有文件都放在一个文件夹内
最后通过heroku部署
运行cmd，cd到你的文件夹,按照下面的代码一步步就可以成功部署你的APP了

最后成功部署后：点击open APP就可以在网页上操作自己的应用了，复制链接分享给别人，就可以在世界的任何一个角落，通过网络访问你的APP了。

小结：

streamlit优缺点
streamlit的优点很明显：
开发速度快，修改方便。非常适合个人开发者
不必需要web方面知识也可以开发出可用的web app，这也是最吸引人的地方
streamlit也有一些缺点：
前端界面固定，开发者不能随意调整控件位置
社区现在还不够完善，也有一些bug暂时没有解决
总的来说，streamlit绝对是一款值得学习的框架；也许你的领域并不是机器学习、数据分析领
域，但是从另一个方面想，streamlit提供了丰富的控件以及简单的开发流程，完全可以使用
streamlit结合其他python库开发一些有趣的web app解决自身领域的一些小困难。
多尝试，多试错！

参考：

玉树兰芝：如何用 Python 和 Streamlit 做交互式数据分析产品？https://sspai.com/post/58474
streamlit:快速构建机器学习数据分析web app利器https://zhuanlan.zhihu.com/p/110816628?from_voters_page=true