آموزش ساخت داشبورد با Streamlit و پایتون

رفیق برنامه‌نویس، تا حالا شده بخوای داده‌هات رو به یه شکل جذاب و تعاملی به نمایش بذاری اما وقت و حوصله درگیر شدن با فریمورک‌های پیچیده وب رو نداشته باشی؟ اگه جوابت مثبته، استریملیت (Streamlit) بهترین دوست جدیدته! با پایتون و چند خط کد ساده، می‌تونی داشبوردهای خیره‌کننده‌ای بسازی که نه تنها کاربردی باشن، بلکه هر کسی رو هم مجذوب کنن. تو این مقاله، قراره قدم به قدم با هم یاد بگیریم چطور از صفر تا صد یه داشبورد حرفه‌ای بسازیم و داده‌هامون رو به زبان تصویر دربیاریم. اگر دنبال ابزارهای بیشتر و کدنویسی‌های آماده برای پروژه‌هات هستی، حتماً یه سری به فروشگاه ابزارهای ما بزن؛ کلی کد آماده پایتون و اسنیپت‌های بدردبخور دیگه اونجا منتظرته!

🚀 نقشه راه ساخت داشبورد با Streamlit 🚀

اینفوگرافی سریع: از نصب تا استقرار، همه‌چی اینجاست!

نیاز به مشاوره یا پشتیبانی داری؟ 📞 09202232789

تصور کن که برای نمایش داده‌ها و مدل‌های پایتونی‌ت، نیاز به یک رابط کاربری زیبا و تعاملی داری، اما نمی‌خوای ماه‌ها درگیر یادگیری HTML، CSS و JavaScript بشی. اینجا Streamlit وارد عمل میشه! این کتابخانه قدرتمند پایتون بهت این امکان رو میده که فقط با استفاده از زبان پایتون، داشبوردهای وب فوق‌العاده‌ای بسازی. دیگه خبری از پیچیدگی‌های فرانت‌اند نیست، تمام تمرکزت میره روی داده‌ها و منطق برنامه. اگر دوست داری با سرعت بیشتری کدهات رو بنویسی، یه نگاهی به اسنیپت‌های پایتون آماده ما بنداز تا کارت راحت‌تر بشه.

قبل از اینکه شروع به کدنویسی کنیم، باید مطمئن بشیم که همه چیز برای کار آماده‌ست. اولین قدم، نصب پایتون (اگر هنوز نصب نکردی) و بعد نصب کتابخانه Streamlit.

python -m venv my_streamlit_env

# برای فعال‌سازی در ویندوز:

my_streamlit_envScriptsactivate

# برای فعال‌سازی در مک/لینوکس:

source my_streamlit_env/bin/activate

pip install streamlit

pip install pandas matplotlib plotly

حالا که همه چیز آماده‌ست، بیا اولین داشبوردت رو بسازیم. یک فایل جدید با نام app.py (یا هر نامی که دوست داری) بساز و کدهای زیر رو داخلش بذار.

import streamlit as st

st.set_page_config(layout="wide") # تنظیم لایه‌بندی به حالت عریض

st.title('اولین داشبورد من با Streamlit')
st.header('به دنیای داشبوردهای پایتون خوش آمدید!')
st.write('این یک متن ساده در داشبورد Streamlit است.')

# نمایش یک تکه کد
st.code("""
def hello_streamlit():
    print("Hello, Streamlit!")
""", language='python')

st.success('تبریک! داشبورد شما آماده است.')
    

streamlit run app.py

زیبایی Streamlit به قابلیت افزودن سریع و آسون ویجت‌های تعاملیه. این ویجت‌ها به کاربر اجازه میدن با داده‌ها و نمودارها ارتباط برقرار کنن و تجربه کاربری رو بهبود ببخشن. بیا چند نمونه رو امتحان کنیم.

import streamlit as st
import pandas as pd
import numpy as np

st.set_page_config(layout="wide")

st.title('داشبورد تعاملی با ویجت‌های Streamlit')

# ویجت اسلایدر
age = st.slider('سن خود را انتخاب کنید:', 0, 100, 25) # min, max, default
st.write(f'سن شما: {age} سال')

# ویجت ورودی متن
name = st.text_input('نام شما چیست؟', 'دوست عزیز')
st.write(f'سلام، {name}!')

# ویجت انتخابگر (Selectbox)
option = st.selectbox(
    'بهترین زبان برنامه‌نویسی برای داشبورد؟',
    ('پایتون', 'R', 'JavaScript', 'Julia'))
st.write(f'شما انتخاب کردید: {option}')

# ویجت چک‌باکس
show_data = st.checkbox('نمایش داده‌های تصادفی')
if show_data:
    st.subheader('داده‌های تصادفی:')
    data = pd.DataFrame(
        np.random.randn(10, 2),
        columns=['ستون A', 'ستون B'])
    st.dataframe(data)

st.info('با هر تغییری در ویجت‌ها، داشبورد به صورت خودکار بروزرسانی می‌شود.')
    

یک داشبورد بدون نمایش داده، مثل غذای بدون نمکه! Streamlit ابزارهای فوق‌العاده‌ای برای نمایش داده‌ها در قالب جدول، نمودار و حتی نقشه‌های تعاملی داره. میتونی از کتابخانه‌های محبوب پایتون مثل Matplotlib، Plotly، Altair یا Seaborn استفاده کنی.

import streamlit as st
import pandas as pd
import numpy as np

st.set_page_config(layout="wide")

st.title('نمایش و بصری‌سازی داده‌ها')

st.subheader('داده‌های نمونه:')
df = pd.DataFrame(
   np.random.randn(50, 2),
   columns=['مقدار_۱', 'مقدار_۲'])

st.dataframe(df)
    

import streamlit as st
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import plotly.express as px

st.set_page_config(layout="wide")

st.title('نمودارهای جذاب در Streamlit')

# داده‌های ساختگی برای مثال
chart_data = pd.DataFrame(
    np.random.randn(20, 3),
    columns=['a', 'b', 'c']
).cumsum()

st.subheader('نمودار خطی با st.line_chart')
st.line_chart(chart_data)

st.subheader('نمودار میله‌ای با Matplotlib')
fig, ax = plt.subplots()
ax.bar(chart_data.index, chart_data['a'])
st.pyplot(fig) # نمایش نمودار Matplotlib

st.subheader('نمودار Scatter با Plotly')
fig_plotly = px.scatter(
    chart_data, x='a', y='b', color='c',
    title='پراکندگی مقادیر'
)
st.plotly_chart(fig_plotly)
    

یک داشبورد خوب فقط به خاطر داده‌هاش نیست، بلکه طراحی و ساختاردهی مناسب اون هم خیلی مهمه. Streamlit ابزارهایی برای سازماندهی محتوا و ایجاد یک جریان بصری منطقی در اختیارت میزاره.

import streamlit as st

st.set_page_config(layout="wide")

st.title('داشبورد با نوار کناری')

# محتویات نوار کناری
st.sidebar.header('تنظیمات داشبورد')
selected_option = st.sidebar.selectbox(
    'انتخاب گزینه:',
    ('گزینه 1', 'گزینه 2', 'گزینه 3')
)
st.sidebar.slider('محدوده: ', 0, 100, 50)

# محتویات اصلی صفحه
st.write(f'گزینه انتخاب شده از نوار کناری: {selected_option}')
st.write('اینجا محتوای اصلی داشبورد قرار می‌گیرد.')
    

import streamlit as st
import numpy as np

st.set_page_config(layout="wide")

st.title('چیدمان با ستون‌ها')

col1, col2, col3 = st.columns(3) # ساخت سه ستون با عرض مساوی

with col1:
    st.header('ستون اول')
    st.write('این متن در ستون اول است.')
    st.line_chart(np.random.randn(10, 1))

with col2:
    st.header('ستون دوم')
    st.write('اینجا می‌تونی نمودار یا جدول بذاری.')
    st.bar_chart(np.random.rand(10, 1))

with col3:
    st.header('ستون سوم')
    st.write('و اینجا اطلاعات تکمیلی.')
    st.metric(label="دما", value="25°C", delta="1.2°C")
    

import streamlit as st

st.set_page_config(layout="wide")

st.title('استفاده از Expander')

with st.expander("برای دیدن جزئیات بیشتر کلیک کنید"):
    st.write("اینجا محتوای مخفی قرار می‌گیرد که با کلیک کردن ظاهر می‌شود.")
    st.image("https://www.streamlit.io/images/brand/streamlit-logo-secondary-colormark-light.png", width=200)

with st.expander("اطلاعات تماس"):
    st.write("ایمیل: info@example.com")
    st.write("تلفن: 123-456-7890")
    

بعد از اینکه داشبوردت رو ساختی و ازش لذت بردی، نوبت به این میرسه که اون رو با بقیه به اشتراک بذاری. چندین راه برای استقرار (Deployment) برنامه‌های Streamlit وجود داره.

FROM python:3.9-slim-buster

WORKDIR /app

COPY requirements.txt .
RUN pip install -r requirements.txt

COPY . .

EXPOSE 8501

CMD ["streamlit", "run", "app.py", "--server.port=8501", "--server.address=0.0.0.0"]
    

streamlit
pandas
numpy
matplotlib
plotly
    

طبیعیه که تو مسیر یادگیری و توسعه، با چالش‌هایی روبرو بشی. اینجا به چند مشکل رایج و راه حل‌های اونها اشاره می‌کنیم تا وقتت هدر نره و بتونی به راحتی ادامه بدی.

برای تکمیل این راهنما، به چند سوال پر تکرار در مورد ساخت داشبورد با Streamlit پاسخ میدیم.

آیا Streamlit برای ساخت اپلیکیشن‌های پیچیده و بزرگ مناسب است؟

آیا می‌توانم Streamlit را با پایگاه‌های داده ارتباط دهم؟

آیا Streamlit رایگان است؟

رفیق برنامه‌نویس، امیدوارم این راهنمای جامع بهت کمک کرده باشه تا با دنیای جذاب Streamlit آشنا بشی و بتونی داشبوردهای خودت رو بسازی. این تازه شروع کاره! با کمی خلاقیت و تمرین، میتونی ایده‌هات رو به واقعیت تبدیل کنی و داده‌هات رو به بهترین شکل ممکن به نمایش بذاری. اگر در هر مرحله‌ای به کد آماده، ابزار یا راهنمایی بیشتری نیاز داشتی، فراموش نکن که وب‌سایت ما همیشه در کنارته. موفق باشی!