શું તમે ક્યારેય કોઈ એવા વ્યક્તિને સ્પ્રેડશીટ સમજાવવાનો પ્રયત્ન કર્યો છે જે સ્પ્રેડશીટમાં જાણકાર નથી? "પિવોટ" અને "Column D શા માટે છુપાયેલ છે?" ની વચ્ચે ક્યાંક તેમની આંખો ચમકતી બંધ થઈ જાય છે. હવે કલ્પના કરો કે તમે તે સ્પ્રેડશીટને એક મૈત્રીપૂર્ણ નાની વેબ એપ્લિકેશનમાં ફેરવી શકો છો—બટનો! સ્લાઇડર્સ! ચાર્ટ્સ જે તમે સ્લાઇડરને હલાવો ત્યારે નૃત્ય કરે છે!—JavaScript, CSS અથવા અન્ય કોઈ કળા શીખ્યા વિના. આ છે Streamlit, એક Python લાઇબ્રેરી જે સ્ક્રિપ્ટ્સને શેર કરી શકાય તેવી એપ્લિકેશન્સમાં ફેરવે છે, જેમ કે સ્મૂધી મશીન ફળને નાસ્તામાં ફેરવે છે.
પરંતુ અહીં એક સમસ્યા છે: "શ્રેષ્ઠ Streamlit ટ્યુટોરિયલ્સ" માટે શોધ કરો, અને તમે એક એવી પરિસ્થિતિમાં મુકાઈ જશો જે અડધી હોગવર્ટ્સ અને અડધી Ikea મેન્યુઅલ જેવી હશે. તેમાંથી કયું તમને એવી વસ્તુ બનાવવામાં મદદ કરે છે જે તમે સોમવાર સુધીમાં તમારા બોસને બતાવી શકો? શ્રેષ્ઠ Streamlit ટ્યુટોરિયલ્સને મેપ કરવા માટે મેં એક અઠવાડિયું દસ્તાવેજો, વિડિયોઝ, કોમ્યુનિટી ગાઇડ્સ અને કેટલાક "આ બટાકા પર રેકોર્ડ કરવામાં આવ્યું હતું" યુટ્યુબ વિડિયોઝ જોવામાં વિતાવ્યું—કૌશલ્ય સ્તર અને તમે શું બનાવશો તેના આધારે.
આ તમારી વપરાશકર્તા-મૈત્રીપૂર્ણ, પોગ-શૈલીની ક્ષેત્ર માર્ગદર્શિકા છે: શેનાથી શરૂઆત કરવી, આગળ શું જોવું, Streamlit અપડેટ થાય ત્યારે કયા ઉદાહરણો તૂટશે નહીં અને સમય ખાનારા અવરોધોને કેવી રીતે ટાળવા, જેમ કે લેબ્રાડોર મોજા સાથે કરે છે.
સામાન્ય ભાષામાં Streamlit શું છે?
Streamlit એ એક Python લાઇબ્રેરી છે જે તમારી ડેટા સ્ક્રિપ્ટ્સ લે છે અને તેને તાત્કાલિક ઇન્ટરફેસમાં લપેટી દે છે. Flask એપ લખવા અથવા React સાથે સંઘર્ષ કરવાને બદલે, તમે તમારા કોડને Streamlit કોલ્સ જેમ કે st.button, st.slider, st.line_chart વગેરેથી સજાવો છો અને બૂમ—તમારી પાસે શેર કરી શકાય તેવી વેબ એપ તૈયાર છે.
- Streamlit વેબ પેજનું સંચાલન કરે છે.
- તમે એક લિંક શેર કરો છો. તમારા બોસ તમને સ્ક્રીનશોટ ઇમેઇલ કરવાનું બંધ કરે છે.
શ્રેષ્ઠ Streamlit ટ્યુટોરિયલ્સ: કાળજીપૂર્વક બનાવેલી, બિનજરૂરી યાદી
મેં શ્રેષ્ઠ Streamlit ટ્યુટોરિયલ્સને સ્તરોમાં ગોઠવ્યા છે. તમારી ગલી પસંદ કરો; જો તમે મહત્વાકાંક્ષી હોવ તો મિક્સ એન્ડ મેચ કરો.
સ્તર 1: સંપૂર્ણ શિખાઉ (60–90 મિનિટમાં પ્રથમ એપ)
- સત્તાવાર "Streamlit સાથે પ્રારંભ કરો" દસ્તાવેજો
શા માટે તે શ્રેષ્ઠ છે: તે વર્તમાન, સચોટ અને Streamlit ટીમ દ્વારા ડિઝાઇન કરવામાં આવ્યું છે. તમે Streamlit ઇન્સ્ટોલ કરશો, રન મોડેલ કેવી રીતે કાર્ય કરે છે તે શીખી શકશો (spoiler: દરેક વખતે જ્યારે તમે ક્રિયાપ્રતિક્રિયા કરો છો ત્યારે સ્ક્રિપ્ટ ઉપરથી નીચે સુધી ચાલે છે), અને એક નાની, સંતોષકારક એપ બનાવશો. અન્ય કોઈ પણ વસ્તુ પહેલાં અહીંથી શરૂઆત કરો. "મેં કંઈક બનાવ્યું" ક્ષણ સુધી પહોંચવાનો આ સૌથી ટૂંકો રસ્તો છે.
- સત્તાવાર "એક એપ બનાવો" ટ્યુટોરીયલ
શા માટે તે શ્રેષ્ઠ છે: તમે એક વાસ્તવિક એપ બનાવશો જે Uber પિકઅપ્સ ડેટાસેટનું અન્વેષણ કરે છે. અનુવાદ: તમે વિજેટ્સ, ચાર્ટ્સ, નકશા અને કેશિંગને ક્રિયામાં જોશો, જેમાં સ્પષ્ટ સમજૂતીઓ અને કોપી-પેસ્ટ કરી શકાય તેવા ભાગો હશે જે ખરેખર ચાલે છે. જો તમે વિઝ્યુઅલ લર્નર છો, તો આ એક ઝડપથી ક્લિક થાય છે.
- Streamlit ટ્યુટોરિયલ્સ ઇન્ડેક્સ
શા માટે તે શ્રેષ્ઠ છે: માર્ગદર્શિત પ્રોજેક્ટ્સનું કેન્દ્ર: પ્રમાણીકરણ, ડેટાબેસેસ, ફાઇલ અપલોડ્સ, અદ્યતન લેઆઉટ અને વધુ. તે એક રેસ્ટોરન્ટના મેનૂ જેવું છે—પેનકેકથી શરૂઆત કરો, વધારાના જલાપેનો સાથે ઓમેલેટ સુધી પહોંચો.
સ્તર 1 પછી તમે શું કરી શકશો:
- Python સ્ક્રિપ્ટમાંથી વર્કિંગ એપ બનાવો.
- વિજેટ્સ (સ્લાઇડર્સ, સિલેક્ટ્સ, બટનો) ઉમેરો, ચાર્ટ્સ રેન્ડર કરો અને ડેટા કેશ કરો.
- તમારી સ્ક્રિપ્ટ શા માટે "ફરીથી ચાલે છે" તે સમજો અને તમારા લેપટોપને ફેંક્યા વિના સ્ટેટને કેવી રીતે જાળવી રાખવો.
સ્તર 2: શિખાઉથી મધ્યવર્તી (ઉપયોગી બનાવો, સુંદર બનાવો)
4) "એક જ કોર્સમાં Streamlitમાં માસ્ટર બનો – 4 રિયલ પ્રોજેક્ટ્સ શામેલ છે" (વિડિયો)
શા માટે તે શ્રેષ્ઠ છે: પ્રોજેક્ટ આધારિત શિક્ષણ વળગી રહે છે. આ કોર્સ તમને મૂળભૂત બાબતોથી લઈને ડેટાબેસેસ અને વધુ અદ્યતન પેટર્નને જોડવા સુધી લઈ જાય છે. જો તમે માત્ર બટનો સાથે સ્ક્રિપ્ટર નહીં, પરંતુ એક વાસ્તવિક એપ બિલ્ડર જેવું અનુભવવા માંગતા હો, તો આ ઝડપી રસ્તો છે.
- "સંપૂર્ણ Streamlit ટ્યુટોરિયલ: શૂન્યથી પ્રોડક્શન-રેડી" (લેખ)
શા માટે તે શ્રેષ્ઠ છે: તે 2025 માં ડેશબોર્ડ બનાવવા અને ટ્રેડ-ઓફ વિશે એક પ્રમાણિક, આધુનિક વિહંગાવલોકન છે. તમને પેકેજિંગ, ડિપ્લોયમેન્ટ અને અન્ય ટૂલ્સ ક્યારે વાપરવા તેની યુક્તિઓ મળશે. જો તમે વિચારી રહ્યા છો: "શું Streamlit વાસ્તવિક ઉપયોગમાં ટકી રહેશે?"—તો આ તમારી વાસ્તવિકતાની તપાસ છે.
- Streamlit પાવર યુઝર દ્વારા શ્રેષ્ઠ-પ્રેક્ટિસ ટોક (વિડિયો)
શા માટે તે શ્રેષ્ઠ છે: પેટર્ન, પેટર્ન, પેટર્ન. તમે શીખી શકશો કે કેવી રીતે પ્રો એપ્સને સ્ટ્રક્ચર કરે છે, પરફોર્મન્સનું સંચાલન કરે છે અને UX ને પોલિશ કરે છે. તે તમારા પાડોશીના સ્વચ્છ ગેરેજમાં ડોકિયું કરવા જેવું છે અને નક્કી કરો છો કે તમે પણ લેબલવાળા ડબ્બાઓને લાયક છો.
સ્તર 2 પછી તમે શું કરી શકશો:
- સ્વચ્છ સ્ટ્રક્ચર સાથે મલ્ટી-પેજ એપ્સ બનાવો.
- સ્પેગેટી વિના એપ સ્ટેટનું સંચાલન કરો.
- કેશિંગ અને ડેટા સ્ટ્રેટેજી સાથે ધીમી એપ્સને ઝડપી બનાવો.
- માનસિક ચેકલિસ્ટ સાથે આત્મવિશ્વાસથી ડિપ્લોય કરો.
સ્તર 3: વ્યવહારુ, વાસ્તવિક-વિશ્વ પ્રોજેક્ટ્સ (તમારી ટીમને કંઈક સરસ બતાવો)
7) AI + Streamlit સાથે ઓડિયો ટ્રાન્સક્રિપ્શન એપ (વિડિયો)
શા માટે તે શ્રેષ્ઠ છે: એક નક્કર "AI UI ને મળે છે" ઉદાહરણ: ફાઇલ અપલોડ, મોડેલ કોલ, પરિણામોનું પ્રદર્શન. ભલે તમે ટ્રાન્સક્રિપ્શન એપ ન બનાવી રહ્યા હોવ, તમે કોઈપણ AI-સક્ષમ પ્રોજેક્ટ માટે પેટર્ન સ્વિચ કરશો—પ્રોગ્રેસ બાર્સ, એરર હેન્ડલિંગ, લાંબા સમય સુધી ચાલતા કાર્યો.
- ડેટા ક્લિનિંગ, વિઝ્યુલાઇઝેશન અને ફાઇલ કન્વર્ઝનને જોડતા હેન્ડ્સ-ઓન એપ ડેમો
શા માટે તે શ્રેષ્ઠ છે: વાસ્તવિક-વિશ્વ ઉપયોગિતા. એપ્સ જે ખરાબ ડેટા સ્વીકારે છે, તેને સાફ કરે છે, તેનું વિઝ્યુલાઇઝેશન કરે છે અને તમારા બોસ ઇચ્છે છે તે જ ફોર્મેટમાં તેને એક્સપોર્ટ કરે છે (CSV થી Excel, કોઈને જોઈએ છે?). તે "હું ખરેખર મારી ટીમના અડધા મેન્યુઅલ કામોને એક ડેશબોર્ડથી બદલી શકું છું જેના પર તેઓ ક્લિક કરી શકે છે" તરફ એક આત્મવિશ્વાસપૂર્ણ પગલું છે.
એક ઝડપી માર્ગ: Streamlit શેમાં અદભૂત છે—અને શેમાં નથી
શેમાં અદભૂત છે:
- ઝડપી પ્રોટોટાઇપ્સ જે વાસ્તવિક એપ્સ જેવા લાગે છે.
- આંતરિક સાધનો અને ડેશબોર્ડ્સ જે તમારી ટીમ ખરેખર ઉપયોગ કરી શકે છે.
- ડેટા સાયન્સ ડેમો: ચાર્ટ્સ, નકશા, મોડેલ સ્લાઇડર્સ, "શું થશે જો?" પ્રયોગો.
શેમાં એટલું અદભૂત નથી:
- ભારે પ્રમાણીકરણ, ભૂમિકાઓ અને એન્ટરપ્રાઇઝ વર્કફ્લો સાથેની જટિલ મલ્ટી-યુઝર એપ્સ.
- પિક્સેલ-પરફેક્ટ, કારીગરીવાળા ફ્રન્ટ-એન્ડ્સ.
- તેની આસપાસ કેટલાક વધારાના એન્જિનિયરિંગ વિના વિશાળ, ઉચ્ચ-સમાંતર જાહેર એપ્સ.
જો તમારી એપ "અમને Python કોડ પર એક મૈત્રીપૂર્ણ UI ની જરૂર છે" જેવી હોય, તો Streamlit એક સ્વપ્ન છે. જો તમારી એપ "અમે Airbnb નું પુનઃનિર્માણ કરી રહ્યા છીએ" જેવી હોય, તો કદાચ નહીં.
Streamlit માનસિક મોડેલની નમ્ર સફર
જો તમે પરંપરાગત વેબ સ્ટેક્સમાંથી આવી રહ્યા છો, તો Streamlit પ્રથમ નજરમાં વિચિત્ર લાગે છે. તમે રૂટ્સ અને ટેમ્પ્લેટ્સને જોડતા નથી; તમે એક Python સ્ક્રિપ્ટ લખો છો જે દર વખતે જ્યારે વપરાશકર્તા ક્રિયાપ્રતિક્રિયા કરે છે ત્યારે પોતાને ફરીથી દોરે છે.
- દરેક ક્રિયાપ્રતિક્રિયા પર સ્ક્રિપ્ટ ઉપરથી નીચે સુધી ચાલે છે.
- દરેક રન પર વિજેટ મૂલ્યો વાંચવામાં આવે છે.
- રન્સમાં પસંદગીઓને યાદ રાખવા માટે સેશન સ્ટેટનો ઉપયોગ કરો.
- ખર્ચાળ કામ (ડેટા ડાઉનલોડ કરવો, મોડેલ્સ લોડ કરવા) કેશ કરો જેથી તમારી એપ ધીમી ન પડે.
તેને એક PowerPoint તરીકે વિચારો જે તમારા પ્રેક્ષકો ક્લિક કરે છે તેના આધારે પોતાને અપડેટ કરે છે—પરંતુ તમે બોક્સને આસપાસ ખેંચવાને બદલે Python સાથે સ્લાઇડ્સને નિયંત્રિત કરો છો.
કરીને શીખવાનો માર્ગ: આ સપ્તાહના અંતે બનાવો, સોમવારે પ્રભાવિત કરો
અહીં એક વ્યવહારુ, નાસ્તો કરી શકાય તેવો અભ્યાસક્રમ છે—ઉપરના બે બપોર.
શનિવાર સવાર: તમારી પ્રથમ એપ અને "આહા" ક્ષણો
- Streamlit ઇન્સ્ટોલ કરો અને હેલો એપ ચલાવો. એક સરળ UI અને ચાર્ટ બનાવવા માટે સત્તાવાર "શરૂઆત કરો" માર્ગદર્શિકાને અનુસરો. તે સત્યનો સૌથી તાજો સ્ત્રોત છે.
- "એક એપ બનાવો" દ્વારા કામ કરો—Uber પિકઅપ્સ, નકશા, ફિલ્ટર્સ. તમે st.cache_data ને સ્પર્શ કરશો, જે તમારા ભાવિ આત્માને કૃતજ્ઞતાના આંસુઓથી રડાવશે.
શનિવાર બપોર: વિજેટ્સ અને લેઆઉટ જેનો તમે ખરેખર ઉપયોગ કરશો
- મુખ્ય પ્રવાહમાંથી નિયંત્રણોને બહાર ખસેડવા માટે st.sidebar ઉમેરો.
- એક નાની ડેટા-ક્લીનિંગ પેનલ બનાવો: CSV માટે file_uploader, કૉલમ પસંદગી માટે એક સિલેક્ટબોક્સ, NA અથવા લોઅરકેસ હેડર્સને છોડવા માટે ચેકબોક્સ અને પરિણામોને એક્સપોર્ટ કરવા માટે એક બટન. CSV ને Excel માં રૂપાંતરિત કરતી યુટિલિટી એપ્સ જેવા ઉદાહરણોનો ઉપયોગ કરો.
- પ્રોગ્રેસ બતાવવાનું શીખો: st.progress, st.spinner અને st.status મેસેજીસ. લોકોને મૌન સ્ક્રીનો તરફ તાકી રહેવું ગમતું નથી.
રવિવાર સવાર: મલ્ટી-પેજ અને સ્ટેટ સુધી લેવલ અપ કરો
- તમારી એપ્લિકેશનને પૃષ્ઠોમાં વિભાજીત કરો. એક "ડેટા" પૃષ્ઠ, એક "વિઝ્યુલાઇઝ" પૃષ્ઠ અને એક "એક્સપોર્ટ" પૃષ્ઠ બનાવો. તે તમને વધુ મહેનત વિના પ્રો જેવો દેખાડે છે.
- જ્યારે વપરાશકર્તા આસપાસ ઉછળે છે ત્યારે પસંદગીઓ (પસંદ કરેલા કૉલમ, ફિલ્ટર્સ) યાદ રાખવા માટે st.session_state નો ઉપયોગ કરો.
- કોઈપણ ફંક્શનમાં કેશિંગ ડેકોરેટર ઉમેરો જે ડેટા મેળવે છે અથવા મોડેલ લોડ કરે છે.
રવિવાર બપોર: ડિપ્લોયમેન્ટ અને પોલિશ
- હોસ્ટિંગ સર્વિસ અથવા કન્ટેનરમાં ડિપ્લોય કરો; requirements.txt શામેલ કરો.
- મૈત્રીપૂર્ણ પુષ્ટિઓ માટે st.toast અને ગાર્ડરેલ્સ માટે st.error ઉમેરો.
- બોનસ: એક નાની AI ક્રિયાને એમ્બેડ કરવી—ટેબલનો સારાંશ આપો, અસ્તવ્યસ્ત ટેક્સ્ટને સાફ કરો અથવા કૉલમ નામો પરથી ચાર્ટ ટાઇટલને ઑટો-જનરેટ કરો—"સારી એપ" ને "શોસ્ટોપર" માં ફેરવે છે. AI-સંચાલિત ટ્રાન્સક્રિપ્શન વોકથ્રુ લાંબા સમયથી ચાલતા ઓપરેશન્સને હેન્ડલ કરવાની અને પરિણામો આવે ત્યારે UI ને અપડેટ કરવાની પેટર્ન બતાવે છે.
ચેકલિસ્ટ: પાંચ Streamlit ખ્યાલો જે તમને કાયમ માટે ચૂકવશે
- વિજેટ્સ ચલો છે: તેમના મૂલ્યોને સંગ્રહિત કરો અને તેનો પુનઃઉપયોગ કરો.
- કેશિંગ એ ઓક્સિજન છે: ડેટા લોડ, મોડેલ લોડ અને લાંબી ગણતરીઓને કેશ કરો.
- સેશન સ્ટેટ એ મેમરી છે: રન્સમાં વપરાશકર્તાની પસંદગીઓને જાળવી રાખો.
- લેઆઉટ એ સંચાર છે: સાઇડબાર્સ, કૉલમ્સ, ટૅબ્સ—તેમને સરળ બનાવવા માટે ઉપયોગ કરો.
- ફીડબેક મૌન કરતાં વધુ સારું છે: સ્પિનર્સ, પ્રોગ્રેસ બાર્સ, ટોસ્ટ્સ. હંમેશા વપરાશકર્તાને જણાવો કે શું થઈ રહ્યું છે.
સામાન્ય અવરોધો (અને તેમને કેવી રીતે ટાળવા)
- "જ્યારે હું બટન ક્લિક કરું છું ત્યારે મારા ચલો રીસેટ થઈ જાય છે!" તે રન મોડેલ છે; મહત્વપૂર્ણ વસ્તુઓને જાળવી રાખવા માટે st.session_state નો ઉપયોગ કરો.
- "પ્રથમ ક્લિક પર તે ધીમું છે." તમારા ભારે ફંક્શન્સને કેશ કરો. એપ શરૂ થવા પર મોડેલ્સને શરૂ કરવાનું પણ વિચારો.
- "મારો ચાર્ટ ખાલી કેમ છે?" જો વિજેટ ડિફોલ્ટ રન્સ વચ્ચે બદલાય છે, તો તમે તમારા ડેટાને ફિલ્ટર કરી રહ્યા હશો. યોગ્ય ડિફોલ્ટ્સ સેટ કરો.
- "અપડેટ પછી તે તૂટી ગયું." તમારી આવશ્યકતાઓને પિન કરો અથવા સ્થળાંતર નોંધો વાંચો. સત્તાવાર ટ્યુટોરિયલ્સ સમન્વયમાં રહેવાનું વલણ ધરાવે છે.
તુલનાત્મક ખૂણો: Streamlit વિ. સામાન્ય શંકાસ્પદો
- Streamlit વિ. Dash: Dash વધુ રૂપરેખાંકિત અને એન્ટરપ્રાઇઝ-રેડી છે પરંતુ શરૂ કરવામાં વધુ સમય લે છે. Streamlit પ્રોટોટાઇપ બનાવવા માટે ઝડપી છે; Dash જટિલ પ્રોડક્શન વર્કફ્લો માટે મજબૂત છે.
- Streamlit વિ. Gradio: Gradio ઝડપી AI ડેમો, ખાસ કરીને મોડેલ I/O માટે ચમકે છે. Streamlit ડેટા એપ્સ અને ડેશબોર્ડ્સ માટે વધુ સામાન્ય-હેતુ છે.
- Streamlit વિ. Flask + ફ્રન્ટ-એન્ડ: Flask તમને દરેક વસ્તુ પર નિયંત્રણ આપે છે, જેમાં તમે નિયંત્રિત કરવા માંગતા નથી તે પણ શામેલ છે. જ્યારે તમારો ધ્યેય "મંગળવાર સુધીમાં નિર્ણય સાધન પહોંચાડવાનું" હોય ત્યારે Streamlit એ શોર્ટકટ છે.
Sider.AI વિશે એક ઝડપી શબ્દ: શીખવા અને નિર્માણ માટે એક મદદરૂપ સાથી
જો તમે એવા શીખનાર છો કે જે ઝડપથી પુનરાવર્તન કરવાનું અને નક્કર પરિણામો જોવાનું પસંદ કરે છે, તો Streamlit ની સાથે AI સહાયકનો ઉપયોગ કરવો એ એક સુપરપાવર બની શકે છે. ઉદાહરણ તરીકે, મેં એવા ડેમો જોયા છે જે અસ્તવ્યસ્ત CSV ને સાફ કરેલા, વિઝ્યુલાઇઝ્ડ ડેશબોર્ડમાં ફેરવે છે અને પછી Excel માં એક્સપોર્ટ કરે છે—આ બરાબર એ પ્રકારની "મેં ટીમના કલાકો બચાવ્યા" એપ છે જેને તમે Streamlit ના વિજેટ્સ અને ડેટાનો સારાંશ આપવા અથવા માળખું બનાવવા માટે થોડી AI મદદથી એકસાથે લાવી શકો છો. Sider.AI જેવા સાધનો તમને બોઇલરપ્લેટ અને પરીક્ષણ દૃશ્યો દ્વારા પણ આગળ ધપાવી શકે છે જેથી તમે ડિઝાઇન અને ડેટા લોજિક પર ધ્યાન કેન્દ્રિત કરી શકો. હેન્ડ્સ-ઓન મીની-પ્રોજેક્ટ્સ જે તમે ચોરી શકો છો (નોંધો સાથે)
- "બોસનો મનપસંદ રિપોર્ટ" એપ
- ઇનપુટ્સ: CSV અપલોડ, તારીખ-શ્રેણી પીકર, પ્રદેશ ડ્રોપડાઉન.
- આઉટપુટ: મેટ્રિક્સ (આવક, ગણતરી), એક લાઇન ચાર્ટ અને એક ડાઉનલોડ કરી શકાય તેવી Excel ફાઇલ.
- ટિપ્સ: ડેટા ક્લિનિંગ સ્ટેપને કેશ કરો; ફિલ્ટર કરેલા DataFrame ને session_state માં સાચવો જેથી તમે તરત જ એક્સપોર્ટ કરી શકો.
- વેચાણ માટે "શું-જો પરિસ્થિતિ પ્લાનર"
- ઇનપુટ્સ: ડિસ્કાઉન્ટ રેટ માટે એક સ્લાઇડર, જાહેરાત ખર્ચ માટે એક number_input, પ્રોડક્ટ ટિયર માટે એક સિલેક્ટબોક્સ.
- આઉટપુટ: આગાહી કરેલી આવકનો બાર ચાર્ટ અને ટેક્સ્ટ સારાંશ ("10% ડિસ્કાઉન્ટ પર, તમે 6.2 મહિનામાં રિકવર કરો છો").
- ટિપ્સ: ટૅબ્સનો ઉપયોગ કરો: "ધારણાઓ," "ચાર્ટ્સ," "ડાઉનલોડ્સ." મોડેલ ફંક્શનને કેશ કરેલું રાખો.
- "AI-સંચાલિત નોંધો સારાંશ"
- ઇનપુટ્સ: PDF અથવા ટેક્સ્ટ માટે file_uploader, ટોન માટે ચેકબોક્સ ("ઔપચારિક," "મૈત્રીપૂર્ણ," "બુલેટ-શૈલી").
- આઉટપુટ: કોપી બટન સાથે સારાંશ ટેક્સ્ટ; એક્શન આઇટમ્સની વૈકલ્પિક CSV.
- ટિપ્સ: વધારાના અપડેટ્સ સાથે પરિણામોને સ્ટ્રીમ કરો; એક સ્પિનર બતાવો અને શું થઈ રહ્યું છે તે સમજાવો.
- "ડેટા ક્લીનર અને ફોર્મેટ કન્વર્ટર"
- ઇનપુટ્સ: file_uploader (CSV), વ્હાઇટસ્પેસને દૂર કરવા માટે ચેકબોક્સ, તારીખ પાર્સિંગ માટે સિલેક્ટબોક્સ, "Excel માં એક્સપોર્ટ કરો" માટે બટન.
- આઉટપુટ: સાફ કરેલા ટેબલનું પૂર્વાવલોકન; કૉલમ દ્વારા નલ્સનો ચાર્ટ; એક-ક્લિક એક્સપોર્ટ.
- ટિપ્સ: આ એક સંપૂર્ણ શિખાઉ પ્રોજેક્ટ છે અને તે હેન્ડ્સ-ઓન ડેમો સાથે સરસ રીતે મેપ થાય છે.
તમારા માટે શ્રેષ્ઠ Streamlit ટ્યુટોરિયલ્સ કેવી રીતે પસંદ કરવા
- જો તમારી પાસે બે કલાક હોય: સત્તાવાર Get Started ફ્લો અને Create an App ટ્યુટોરીયલ કરો. તમે 80% રસ્તા પર, 20% સમયમાં પહોંચી જશો.
- જો તમારી પાસે સપ્તાહના અંતે હોય: તે બંનેને પ્રોજેક્ટ આધારિત વિડિયો કોર્સ સાથે જોડો અને મેં દર્શાવેલ ત્રણ-પૃષ્ઠ એપ બનાવો. તમે સોમવાર સુધીમાં કામ પર "તે વ્યક્તિ" બની જશો.
- જો તમે વિશેષતા મેળવવા માંગતા હો: પ્રમાણીકરણ, ડેટાબેસેસ અને શ્રેષ્ઠ પ્રથાઓ માટે ટ્યુટોરીયલ ઇન્ડેક્સમાં ડૂબકી લગાવો. તમે પાંચ વખત સમાન વાડને ફરીથી રંગવાનું ટાળશો.
Streamlit શિષ્ટાચાર: તમારા વપરાશકર્તાઓ માટે તેને આનંદદાયક બનાવો
- સાદી અંગ્રેજી લેબલ્સનો ઉપયોગ કરો.
- મુખ્ય ક્રિયાઓને ફોલ્ડની ઉપર રાખો.
- અદ્યતન વિકલ્પો માટે st.expander નો ઉપયોગ કરો.
- "ફિલ્ટર્સ રીસેટ કરો" બટન ઉમેરો; લોકોને ફરીથી પ્રયાસ કરવો ગમે છે.
- પરીક્ષણ માટે નાના, વાસ્તવિક ડેટા નમૂનાઓ પ્રદાન કરો.
મુશ્કેલીનિવારણ ખૂણો (ઉર્ફ "આ વસ્તુ કેમ કામ કરી રહી નથી?")
- કોઈ મોડ્યુલ ‘streamlit’ નામનું નથી: તમે ખોટા પર્યાવરણમાં છો. તમારા સક્રિય venv માં pip install streamlit કરો.
- ફાઇલ અપલોડર કશું સ્વીકારતું નથી: તમારી ફાઇલ પ્રકારો તપાસો; એ પણ યાદ રાખો કે વિજેટ્સ ફક્ત ત્યારે જ સ્ટેટફુલ હોય છે જો તમે પરિણામોને session_state માં છુપાવો છો.
- તે સ્થાનિક રીતે કામ કરે છે પરંતુ ડિપ્લોયમેન્ટમાં નહીં: તમારા સંસ્કરણોને પિન કરો અને હોસ્ટમાં સિક્રેટ્સ/પર્યાવરણ ચલો સેટ કરો. નાના ડેટાસેટ સાથે પણ પરીક્ષણ કરો.
- મોટા CSV સાથે તે ધીમું છે: ચંક કરેલા રીડ્સનો ઉપયોગ કરો, પ્રી-એગ્રિગેટ કરો અથવા UI માટે નમૂના લો. કેશિંગ અને ભારે ટ્રાન્સફોર્મને ઓફલોડ કરવાનું વિચારો.
છેલ્લી વાત: એક મહાન સાધનની નમ્રતા
Streamlit ની પ્રતિભા તેની મહત્વાકાંક્ષાની નમ્રતા છે. તે એક સંપૂર્ણ પ્લેટફોર્મ બનવાનો પ્રયાસ કરતું નથી; તે એક નોબ બનવાનો પ્રયાસ કરે છે જે તમારા Python ને મૈત્રીપૂર્ણ એપ્લિકેશનમાં ફેરવે છે. ઉપરના શ્રેષ્ઠ Streamlit ટ્યુટોરિયલ્સ સાથે—મૂળભૂત બાબતો માટે સત્તાવાર દસ્તાવેજો, ગતિ માટે પ્રોજેક્ટ વિડિયોઝ અને પોલિશ માટે શ્રેષ્ઠ-પ્રેક્ટિસ ટોક્સ—તમે ભટકવાનું છોડી દેશો અને તે ભાગ પર પહોંચી જશો જ્યાં લોકો કહે છે, "રાહ જુઓ, તમે આ બનાવ્યું?"
અને તે ક્ષણ માટે તમે જીવો છો. અથવા ઓછામાં ઓછું, તે ક્ષણ જ્યારે તમારા બોસ તમને સમાન સ્પ્રેડશીટના 11 સંસ્કરણો મોકલવાનું બંધ કરે છે.
FAQ
Q1:સંપૂર્ણ શિખાઉ લોકો માટે શ્રેષ્ઠ Streamlit ટ્યુટોરિયલ્સ કયા છે?
સત્તાવાર Get Started માર્ગદર્શિકા અને Create an App ટ્યુટોરીયલથી શરૂઆત કરો—તે વર્તમાન, સંક્ષિપ્ત અને નવીનતમ Streamlit પ્રકાશન સાથે કામ કરવાની ખાતરી આપવામાં આવે છે. તમે બે કલાકથી ઓછા સમયમાં ચાર્ટ્સ અને વિજેટ્સ સાથે એક નાની એપ બનાવશો.
Q2:મારે મારા ડેશબોર્ડ માટે Streamlit વિ. Dash વચ્ચે કેવી રીતે પસંદગી કરવી?
જ્યારે તમને આંતરિક સાધનો અથવા ઝડપી પ્રોટોટાઇપ્સ માટે ઝડપ અને સરળતાની જરૂર હોય ત્યારે Streamlit પસંદ કરો; જ્યારે તમને ઊંડા કસ્ટમાઇઝેશન અને એન્ટરપ્રાઇઝ વર્કફ્લોની જરૂર હોય ત્યારે Dash પસંદ કરો. પહેલા Streamlit માં સપ્તાહના અંતે પ્રોટોટાઇપ અજમાવો—તે ઘણીવાર 90% જરૂરિયાતોને આવરી લે છે.
Q3:પ્રોડક્શન-રેડી Streamlit એપ માટે સૌથી ઝડપી રસ્તો કયો છે?
સત્તાવાર ટ્યુટોરિયલ્સને અનુસરો, પછી માળખું અને પરફોર્મન્સ ટિપ્સ માટે પ્રોજેક્ટ આધારિત કોર્સ અને શ્રેષ્ઠ-પ્રેક્ટિસ ટોક પર જાઓ. ભારે ફંક્શન્સને કેશ કરો, session_state નો ઉપયોગ કરો અને ડિપ્લોયમેન્ટને સ્થિર રાખવા માટે તમારા પેકેજ સંસ્કરણોને પિન કરો.
Q4:શું Streamlit ટ્રાન્સક્રિપ્શન અથવા સારાંશ જેવી AI સુવિધાઓને હેન્ડલ કરી શકે છે?
હા—Streamlit Python AI લાઇબ્રેરીઓ અને APIs સાથે સારી રીતે કામ કરે છે. ફાઇલ અપલોડ્સ, પ્રોગ્રેસ ઇન્ડિકેટર્સ અને લાંબા સમયથી ચાલતા કાર્યો માટે પેટર્ન શીખવા માટે સાબિત પ્રોજેક્ટ વોકથ્રુ (જેમ કે AI ટ્રાન્સક્રિપ્શન એપ) નો ઉપયોગ કરો.
Q5:પ્રેક્ટિસ કરવા માટે હું વાસ્તવિક-વિશ્વ Streamlit એપ આઇડિયા ક્યાંથી શોધી શકું?
યુટિલિટી એપ્સ અજમાવો: ડેટા ક્લિનિંગ અને કન્વર્ઝન, વ્હોટ-ઇફ પ્લાનર્સ અને ઝડપી AI-સંચાલિત સારાંશ. CSV ને Excel માં કન્વર્ટ કરવા અને સાફ કરેલા ડેટાને વિઝ્યુલાઇઝ કરવાના વાસ્તવિક ઉદાહરણો શ્રેષ્ઠ પ્રેક્ટિસ છે અને તરત જ ઉપયોગી છે.
