本文主要是介绍Python应用开发——30天学习Streamlit Python包进行APP的构建（2），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
🗓️ 天 14
Streamlit 组件s
Streamlit 组件s 是第三方的 Python 模块，对 Streamlit 进行拓展 [1].
有哪些可用的 Streamlit 组件s？
好几十个精选 Streamlit 组件s 罗列在 Streamlit 的网站上 [2].
Fanilo（一位 Streamlit 创作者）在 wiki 帖子中组织了一个很棒的 Streamlit 组件s 列表 [3]。截至 2022 年 4 月，其列出了约 85 个 Streamlit 组件s 。
如何使用？
Streamlit 组件s 只需要通过 pip 安装即可使用。
在这篇教程中，我们将教会你如何使用 streamlit_pandas_profiling 组件 [4].
安装组件
pip install streamlit_pandas_profiling示例应用
代码
以下是如何使用这个组件来构建 Streamlit 应用：
import streamlit as st
import pandas as pd
import pandas_profiling
from streamlit_pandas_profiling import st_profile_report#标题设定
st.header('`streamlit_pandas_profiling`')#导入数据文件
df = pd.read_csv('https://raw.githubusercontent.com/dataprofessor/data/master/penguins_cleaned.csv')pr = df.profile_report()
st_profile_report(pr)逐行解释
创建 Streamlit 应用时要做的第一件事就是将 streamlit 库导入为 st，以及导入其他要用到的库：
import streamlit as st
import pandas as pd
import pandas_profiling
from streamlit_pandas_profiling import st_profile_report然后紧跟着的是应用的标题文字：
st.header('`streamlit_pandas_profiling`')接下来我们使用 pandas 中的 read_csv 命令载入 Penguins 数据集。
df = pd.read_csv('https://raw.githubusercontent.com/dataprofessor/data/master/penguins_cleaned.csv')最后，由 profile_report() 命令生成分析报告，并用 st_profile_report 显示出来：
pr = df.profile_report()
st_profile_report(pr)制作你自己的组件
如果你对于制作自己的组件感兴趣，请查阅以下这些资源：
- 制作组件
- 发布组件
- 组件 API
- 有关组件的博客帖子
如果你更愿意通过视频学习，我们的工程师 Tim Conkling 也做了一些超棒的教程：
- 如何构建一个 Streamlit 组件s | Part 1: 配置与架构
- 如何构建一个 Streamlit 组件s | Part 2: 制作一个滑条组件
有关组件的延伸阅读
- Streamlit 组件s - API 文档
- 精选 Streamlit 组件s
- Streamlit 组件s - 社区追踪
- streamlit_pandas_profiling
🗓️ 天 15
st.latex
st.latex 以 LaTeX 语法显示数学公式。
我们要做什么？
这篇关于Python应用开发——30天学习Streamlit Python包进行APP的构建（2）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
