ఒక స్ప్రెడ్షీట్ను స్ప్రెడ్షీట్ గురించి తెలియని వ్యక్తికి వివరించడానికి ఎప్పుడైనా ప్రయత్నించారా? వారు “pivot” మరియు “Column D ఎందుకు దాచబడింది?” అనే వాటి మధ్య ఎక్కడో తడబడుతుంటారు. జావాస్క్రిప్ట్, CSS లేదా గారడీ విద్యలు నేర్చుకోకుండా, ఆ స్ప్రెడ్షీట్ను స్నేహపూర్వక చిన్న వెబ్ యాప్గా మార్చగలరని ఊహించుకోండి—బటన్లు! స్లయిడర్లు! మీరు స్లయిడర్ను కదిలించినప్పుడు నాట్యం చేసే చార్ట్లు! ఇది Streamlit, ఇది Python లైబ్రరీ, ఇది స్క్రిప్ట్లను స్మూతీ మెషిన్ పండును అల్పాహారంగా మార్చినట్లుగా, షేర్ చేయగల యాప్లుగా మారుస్తుంది.
కానీ ఇక్కడ ఒక చిక్కు ఉంది: “best Streamlit tutorials” కోసం వెతకండి, మీరు ఒక రంధ్రంలో పడిపోతారు, అది కొంతవరకు హాగ్వార్ట్స్, కొంతవరకు Ikea మాన్యువల్ లా ఉంటుంది. వాటిలో ఏవి మీరు సోమవారం నాటికి మీ బాస్కు చూపించగల దేనినైనా నిర్మించడానికి నిజంగా సహాయపడతాయి? డాక్స్, వీడియోలు, కమ్యూనిటీ గైడ్లు మరియు కొన్ని “ఇది బంగాళాదుంపపై రికార్డ్ చేయబడింది” YouTubeల ద్వారా ఒక వారం గడిపాను, నైపుణ్యం స్థాయి మరియు మీరు ఏమి నిర్మిస్తారనే దాని ఆధారంగా ఉత్తమ Streamlit ట్యుటోరియల్లను మ్యాప్ చేయడానికి.
ఇది మీ యూజర్-ఫ్రెండ్లీ, Pogue-శైలి ఫీల్డ్ గైడ్: దేనితో ప్రారంభించాలి, తరువాత ఏమి చూడాలి, Streamlit నవీకరణలప్పుడు ఏ ఉదాహరణలు విరిగిపోవు మరియు సమయాన్ని సాక్తో లాబ్రడార్ తినేసినట్లు తినేసే చిక్కులను ఎలా తప్పించుకోవాలి.
సరళమైన ఆంగ్లంలో Streamlit అంటే ఏమిటి?
Streamlit అనేది ఒక Python లైబ్రరీ, ఇది మీ డేటా స్క్రిప్ట్లను తీసుకొని వాటిని తక్షణ ఇంటర్ఫేస్లో చుట్టేస్తుంది. Flask యాప్ను వ్రాయడానికి లేదా Reactతో కుస్తీలు పట్టడానికి బదులుగా, మీరు st.button, st.slider, st.line_chart వంటి Streamlit కాల్లతో మీ కోడ్ను నింపండి మరియు బూమ్—మీకు షేర్ చేయగల వెబ్ యాప్ వచ్చేసినట్టే.
- Streamlit వెబ్ పేజీని నిర్వహిస్తుంది.
- మీరు లింక్ను షేర్ చేస్తారు. మీ బాస్ మీకు స్క్రీన్షాట్లను ఇమెయిల్ చేయడం ఆపివేస్తారు.
ఉత్తమ Streamlit ట్యుటోరియల్లు: నిర్వహించబడిన, అర్థంలేని జాబితా
నేను ఉత్తమ Streamlit ట్యుటోరియల్లను స్థాయిలుగా నిర్వహించాను. మీ మార్గాన్ని ఎంచుకోండి; మీరు ప్రతిష్టాత్మకంగా ఉంటే కలపండి మరియు సరిపోల్చండి.
స్థాయి 1: పూర్తి అనుభవం లేని వ్యక్తి (60–90 నిమిషాల్లో మొదటి యాప్)
- అధికారిక “Streamlitతో ప్రారంభించండి” డాక్స్
ఇది ఎందుకు గొప్పది: ఇది ప్రస్తుత, ఖచ్చితమైన మరియు Streamlit బృందం రూపొందించినది. మీరు Streamlitని ఇన్స్టాల్ చేస్తారు, రన్ మోడల్ ఎలా పనిచేస్తుందో నేర్చుకుంటారు (స్పోయిలర్: మీరు ప్రతిసారీ ఇంటరాక్ట్ అయినప్పుడు స్క్రిప్ట్ పై నుండి క్రిందికి రన్ అవుతుంది) మరియు చిన్న, సంతృప్తికరమైన యాప్ను నిర్మిస్తారు. మరేదైనా ప్రారంభించే ముందు ఇక్కడ ప్రారంభించండి. ఇది “నేను ఏదో నిర్మించాను” అనే క్షణానికి అతి తక్కువ మార్గం.
- అధికారిక “యాప్ను సృష్టించు” ట్యుటోరియల్
ఇది ఎందుకు గొప్పది: మీరు Uber పికప్స్ డేటాసెట్ను అన్వేషించే నిజమైన యాప్ను నిర్మిస్తారు. అనువాదం: మీరు విడ్జెట్లు, చార్ట్లు, మ్యాప్లు మరియు కాషింగ్ను చర్యలో చూస్తారు, స్పష్టమైన వివరణలు మరియు కాపీ-పేస్ట్ చేయగల భాగాలుగా వాస్తవానికి రన్ అవుతాయి. మీరు దృశ్య అభ్యాసకులైతే, ఇది త్వరగా క్లిక్ అవుతుంది.
- Streamlit ట్యుటోరియల్స్ సూచిక
ఇది ఎందుకు గొప్పది: గైడెడ్ ప్రాజెక్ట్ల కేంద్రం: ప్రామాణీకరణ, డేటాబేస్లు, ఫైల్ అప్లోడ్లు, అధునాతన లేఅవుట్ మరియు మరిన్ని. ఇది డైనింగ్లో మెను లాంటిది—పాన్కేక్లతో ప్రారంభించండి, అదనపు జలపెనోస్తో ఆమ్లెట్కు ఎదగండి.
స్థాయి 1 తర్వాత మీరు ఏమి చేయగలరు:
- Python స్క్రిప్ట్ నుండి పని చేసే యాప్ను సృష్టించండి.
- విడ్జెట్లను (స్లయిడర్లు, సెలెక్ట్లు, బటన్లు) జోడించండి, చార్ట్లను రెండర్ చేయండి మరియు డేటాను కాష్ చేయండి.
- మీ స్క్రిప్ట్ ఎందుకు “రీ-రన్” అవుతుందో మరియు మీ ల్యాప్టాప్ను విసిరివేయకుండా స్థితిని ఎలా ఉంచుకోవాలో అర్థం చేసుకోండి.
స్థాయి 2: అనుభవం లేని వ్యక్తి నుండి మధ్య స్థాయికి (ఉపయోగకరంగా చేయండి, అందంగా చేయండి)
4) “ఒక కోర్సులో Streamlitలో నైపుణ్యం సంపాదించండి – 4 నిజమైన ప్రాజెక్ట్లు చేర్చబడ్డాయి” (వీడియో)
ఇది ఎందుకు గొప్పది: ప్రాజెక్ట్ ఆధారిత అభ్యాసం అతుక్కుపోతుంది. ఈ కోర్సు మిమ్మల్ని ప్రాథమిక అంశాల నుండి డేటాబేస్లను వైరింగ్ చేయడానికి మరియు మరింత అధునాతన నమూనాల వరకు తీసుకువెళుతుంది. మీరు బటన్లతో కూడిన స్క్రిప్టర్గా కాకుండా, నిజమైన యాప్ బిల్డర్గా భావించాలనుకుంటే, ఇది వేగవంతమైన మార్గం.
- “పూర్తి Streamlit ట్యుటోరియల్: సున్నా నుండి ఉత్పత్తికి సిద్ధంగా” (వ్యాసం)
ఇది ఎందుకు గొప్పది: ఇది 2025లో డాష్బోర్డ్లను నిర్మించడం మరియు ట్రేడ్-ఆఫ్ల గురించి నిజాయితీగల, ఆధునిక అవలోకనం. మీరు ప్యాకేజింగ్, విస్తరణ మరియు ఇతర సాధనాల కోసం ఎప్పుడు చేరుకోవాలో వ్యూహాలను పొందుతారు. మీరు ఇలా ఆలోచిస్తుంటే: “నిజమైన ఉపయోగంలో Streamlit నిలబడుతుందా?”—ఇది మీ రియాలిటీ చెక్.
- Streamlit పవర్ యూజర్ నుండి ఉత్తమ-ఆచరణల గురించి చర్చ (వీడియో)
ఇది ఎందుకు గొప్పది: నమూనాలు, నమూనాలు, నమూనాలు. నిపుణులు యాప్లను ఎలా నిర్మిస్తారు, పనితీరును ఎలా నిర్వహిస్తారు మరియు UXను ఎలా మెరుగుపరుస్తారో మీరు నేర్చుకుంటారు. ఇది మీ పొరుగువారి మచ్చలేని గ్యారేజీని తొంగి చూడటం మరియు మీకు కూడా పేరు పెట్టబడిన బిన్లు ఉండాలని నిర్ణయించుకోవడం లాంటిది.
స్థాయి 2 తర్వాత మీరు ఏమి చేయగలరు:
- శుభ్రమైన నిర్మాణంతో బహుళ-పేజీ యాప్లను నిర్మించండి.
- స్పఘెట్టి లేకుండా యాప్ స్థితిని నిర్వహించండి.
- కాషింగ్ మరియు డేటా వ్యూహాలతో నెమ్మదిగా ఉన్న యాప్లను వేగవంతం చేయండి.
- మానసిక తనిఖీ జాబితాతో నమ్మకంగా విస్తరించండి.
స్థాయి 3: ఆచరణాత్మక, నిజ-ప్రపంచ ప్రాజెక్ట్లు (మీ బృందానికి ఏదైనా కూల్గా చూపించండి)
7) AI + Streamlitతో ఆడియో ట్రాన్స్క్రిప్షన్ యాప్ (వీడియో)
ఇది ఎందుకు గొప్పది: ఒక దృఢమైన “AI UIని కలుస్తుంది” ఉదాహరణ: ఫైల్ అప్లోడ్, మోడల్ కాల్, ఫలితాల ప్రదర్శన. మీరు ట్రాన్స్క్రిప్షన్ యాప్ను నిర్మించకపోయినా, మీరు ఏదైనా AI-ప్రారంభించబడిన ప్రాజెక్ట్ కోసం నమూనాలను పొందుతారు—ప్రోగ్రెస్ బార్లు, ఎర్రర్ హ్యాండ్లింగ్, ఎక్కువసేపు నడిచే టాస్క్లు.
- డేటా క్లీనింగ్, విజువలైజేషన్ మరియు ఫైల్ మార్పిడిని కలిపే చేతులతో చేసే యాప్ డెమోలు
ఇది ఎందుకు గొప్పది: నిజ-ప్రపంచ యుటిలిటీ. అసభ్యకరమైన డేటాను అంగీకరించే యాప్లు, దానిని శుభ్రపరచడం, విజువలైజ్ చేయడం మరియు మీ బాస్ కోరుకునే ఫార్మాట్కు ఖచ్చితంగా ఎగుమతి చేయడం (CSV నుండి Excel, ఎవరైనా ఉన్నారా?). ఇది “నేను నా బృందంలోని సగం మంది మాన్యువల్ పనులను వారు క్లిక్ చేయగల డాష్బోర్డ్తో భర్తీ చేయగలను” అనే విశ్వాసంతో కూడిన అడుగు.
త్వరిత దారి మళ్లింపు: Streamlit దేనిలో అద్భుతంగా ఉంటుంది—మరియు అది ఎక్కడ కాదు
దేనిలో అద్భుతంగా ఉంటుంది:
- నిజమైన యాప్ల వలె కనిపించే వేగవంతమైన నమూనాలు.
- మీ బృందం వాస్తవానికి ఉపయోగించగల అంతర్గత సాధనాలు మరియు డాష్బోర్డ్లు.
- డేటా సైన్స్ డెమోలు: చార్ట్లు, మ్యాప్లు, మోడల్ స్లయిడర్లు, “ఏమి అయితే?” ప్రయోగాలు.
దేనిలో అంత అద్భుతంగా లేదు:
- భారీ ప్రామాణీకరణ, పాత్రలు మరియు ఎంటర్ప్రైజ్ వర్క్ఫ్లోలతో కూడిన సంక్లిష్టమైన బహుళ-వినియోగదారు యాప్లు.
- పిక్సెల్-పర్ఫెక్ట్, కళాత్మక ఫ్రంట్-ఎండ్లు.
- దాని చుట్టూ కొంత అదనపు ఇంజనీరింగ్ లేకుండా భారీ, అధిక-సమన్వయ పబ్లిక్ యాప్లు.
మీ యాప్ “మాకు Python కోడ్పై స్నేహపూర్వక UI అవసరం” అయితే, Streamlit ఒక కల. మీ యాప్ “మేము Airbnbని పునర్నిర్మిస్తున్నాము” అయితే, కాకపోవచ్చు.
Streamlit మానసిక నమూనా యొక్క సున్నితమైన పర్యటన
మీరు సాంప్రదాయ వెబ్ స్టాక్ల నుండి వస్తున్నట్లయితే, Streamlit మొదట వింతగా అనిపిస్తుంది. మీరు మార్గాలు మరియు టెంప్లేట్లను వైర్ చేయరు; వినియోగదారు ఇంటరాక్ట్ అయిన ప్రతిసారీ తనను తాను పునరావృతం చేసుకునే Python స్క్రిప్ట్ను మీరు వ్రాస్తారు.
- స్క్రిప్ట్ ప్రతి ఇంటరాక్షన్పై పై నుండి క్రిందికి రన్ అవుతుంది.
- విడ్జెట్ విలువలు ప్రతి రన్లో చదవబడతాయి.
- రన్ల మధ్య ఎంపికలను గుర్తుంచుకోవడానికి సెషన్ స్థితిని ఉపయోగించండి.
- ఖరీదైన పనిని (డేటాను డౌన్లోడ్ చేయడం, మోడల్లను లోడ్ చేయడం) కాష్ చేయండి, తద్వారా మీ యాప్ నెమ్మదిగా కదలదు.
మీ ప్రేక్షకులు క్లిక్ చేసే వాటి ఆధారంగా తనను తాను నవీకరించే పవర్పాయింట్గా దీని గురించి ఆలోచించండి—కానీ మీరు బాక్స్లను చుట్టూ లాగడానికి బదులుగా Pythonతో స్లయిడ్లను నియంత్రిస్తారు.
చేయడం ద్వారా నేర్చుకునే మార్గం: ఈ వారాంతంలో నిర్మించండి, సోమవారం ఆకట్టుకోండి
ఇక్కడ ఒక ఆచరణాత్మక, స్నాక్ చేయదగిన పాఠ్యాంశం ఉంది—రెండు మధ్యాహ్నాలు గరిష్టంగా.
శనివారం ఉదయం: మీ మొదటి యాప్ మరియు “అహా” క్షణాలు
- Streamlitని ఇన్స్టాల్ చేయండి మరియు Hello యాప్ను రన్ చేయండి. సాధారణ UI మరియు చార్ట్ను నిర్మించడానికి అధికారిక “ప్రారంభించండి” గైడ్ను అనుసరించండి. ఇది సత్యానికి అత్యంత తాజా మూలం.
- Uber పికప్లు, మ్యాప్లు, ఫిల్టర్లు—“యాప్ను సృష్టించండి” ద్వారా పని చేయండి. మీరు st.cache_dataను తాకుతారు, ఇది మీ భవిష్యత్తును కృతజ్ఞతతో కన్నీళ్లు పెట్టేలా చేస్తుంది.
శనివారం మధ్యాహ్నం: మీరు నిజంగా ఉపయోగించే విడ్జెట్లు మరియు లేఅవుట్
- నియంత్రణలను ప్రధాన ప్రవాహం నుండి బయటకు తరలించడానికి st.sidebarని జోడించండి.
- చిన్న డేటా-క్లీనింగ్ ప్యానెల్ను తయారు చేయండి: CSV కోసం file_uploader, కాలమ్ ఎంపిక కోసం సెలెక్ట్బాక్స్, NAని వదలడానికి లేదా చిన్న అక్షరాల హెడర్లను ఉపయోగించడానికి చెక్బాక్స్లు మరియు ఫలితాలను ఎగుమతి చేయడానికి బటన్. CSVని Excelకి మార్చే యుటిలిటీ యాప్ల వంటి ఉదాహరణలను ఉపయోగించండి.
- ప్రోగ్రెస్ను చూపించడానికి నేర్చుకోండి: st.progress, st.spinner మరియు st.status సందేశాలు. ప్రజలు నిశ్శబ్దంగా ఉండే స్క్రీన్లను చూడటానికి అసహ్యించుకుంటారు.
ఆదివారం ఉదయం: బహుళ-పేజీ మరియు స్థితికి ఎదగండి
- మీ యాప్ను పేజీలుగా విభజించండి. “డేటా” పేజీ, “విజువలైజ్” పేజీ మరియు “ఎగుమతి” పేజీని సృష్టించండి. ఇది ఎక్కువ కష్టపడకుండానే మిమ్మల్ని నిపుణుడిగా చూపిస్తుంది.
- వినియోగదారు చుట్టూ తిరుగుతున్నప్పుడు ఎంపికలను (ఎంచుకున్న నిలువు వరుసలు, ఫిల్టర్లు) గుర్తుంచుకోవడానికి st.session_stateని ఉపయోగించండి.
- డేటాను తెచ్చే లేదా మోడల్ను లోడ్ చేసే ఏదైనా ఫంక్షన్కు కాషింగ్ డెకరేటర్ను జోడించండి.
ఆదివారం మధ్యాహ్నం: విస్తరణ మరియు మెరుగుదల
- హోస్టింగ్ సర్వీస్ లేదా కంటైనర్కు విస్తరించండి; అవసరాలు.txtని చేర్చండి.
- స్నేహపూర్వక నిర్ధారణల కోసం st.toast మరియు గార్డ్రైల్స్ కోసం st.errorని జోడించండి.
- బోనస్: చిన్న AI చర్యను పొందుపరచడం—టేబుల్ను సంగ్రహించడం, అస్తవ్యస్తమైన వచనాన్ని శుభ్రపరచడం లేదా నిలువు వరుస పేర్ల నుండి చార్ట్ శీర్షికలను స్వయంచాలకంగా ఉత్పత్తి చేయడం—“మంచి యాప్ను” “షోస్టాపర్గా” మారుస్తుంది. ఫలితాలు వచ్చినప్పుడు ఎక్కువసేపు జరిగే కార్యకలాపాలను నిర్వహించడానికి మరియు UIని నవీకరించడానికి AI-శక్తితో కూడిన ట్రాన్స్క్రిప్షన్ నడక నమూనాను చూపుతుంది.
తనిఖీ జాబితా: మిమ్మల్ని శాశ్వతంగా తిరిగి చెల్లించే ఐదు Streamlit అంశాలు
- విడ్జెట్లు వేరియబుల్స్: వాటి విలువలను నిల్వ చేయండి మరియు వాటిని తిరిగి ఉపయోగించండి.
- కాషింగ్ అనేది ఆక్సిజన్: డేటా లోడ్లు, మోడల్ లోడ్లు మరియు ఎక్కువ గణనలను కాష్ చేయండి.
- సెషన్ స్థితి అనేది జ్ఞాపకశక్తి: రన్ల మధ్య వినియోగదారు ఎంపికలను ఉంచండి.
- లేఅవుట్ అనేది కమ్యూనికేషన్: సైడ్బార్లు, నిలువు వరుసలు, ట్యాబ్లు—వాటిని సులభతరం చేయడానికి ఉపయోగించండి.
- ఫీడ్బ్యాక్ నిశ్శబ్దాన్ని ఓడిస్తుంది: స్పిన్నర్లు, ప్రోగ్రెస్ బార్లు, టోస్ట్లు. ఏమి జరుగుతుందో వినియోగదారుకు ఎల్లప్పుడూ చెప్పండి.
సాధారణ చిక్కులు (మరియు వాటిని ఎలా తప్పించుకోవాలి)
- “నేను బటన్ను క్లిక్ చేసినప్పుడు నా వేరియబుల్స్ రీసెట్ అవుతాయి!” అది రన్ మోడల్; ముఖ్యమైన విషయాలను నిలబెట్టుకోవడానికి st.session_stateని ఉపయోగించండి.
- “మొదటి క్లిక్లో ఇది నెమ్మదిగా ఉంది.” మీ భారీ ఫంక్షన్లను కాష్ చేయండి. యాప్ ప్రారంభంలో మోడల్లను ప్రారంభించడాన్ని కూడా పరిగణించండి.
- “నా చార్ట్ ఎందుకు ఖాళీగా ఉంది?” విడ్జెట్ డిఫాల్ట్ రన్ల మధ్య మారితే, మీరు మీ డేటాను ఫిల్టర్ అవుట్ చేస్తుండవచ్చు. సహేతుకమైన డిఫాల్ట్లను సెట్ చేయండి.
- “నవీకరణ తర్వాత ఇది విరిగిపోయింది.” మీ అవసరాలను పిన్ చేయండి లేదా వలస గమనికలను చదవండి. అధికారిక ట్యుటోరియల్లు సమకాలీకరణలో ఉంటాయి.
పోలిక మూలకం: Streamlit vs. సాధారణ అనుమానితులు
- Streamlit vs. Dash: Dash మరింత కాన్ఫిగర్ చేయదగినది మరియు ఎంటర్ప్రైజ్-రెడీ, కానీ ప్రారంభించడానికి ఎక్కువ సమయం పడుతుంది. Streamlit నమూనా చేయడానికి వేగంగా ఉంటుంది; సంక్లిష్ట ఉత్పత్తి వర్క్ఫ్లో కోసం Dash బలంగా ఉంటుంది.
- Streamlit vs. Gradio: Gradio త్వరిత AI డెమోల కోసం మెరుస్తుంది, ప్రత్యేకించి మోడల్ I/O. డేటా యాప్లు మరియు డాష్బోర్డ్ల కోసం Streamlit మరింత సాధారణ-ప్రయోజనమైనది.
- Streamlit vs. Flask + ఫ్రంట్-ఎండ్: Flask మీకు ప్రతిదానిపై నియంత్రణను ఇస్తుంది, ఇందులో మీరు నియంత్రించకూడదనుకునే చాలా విషయాలు ఉన్నాయి. మీ లక్ష్యం “మంగళవారం నాటికి నిర్ణయం తీసుకునే సాధనాన్ని అందించడం” అయినప్పుడు Streamlit సత్వరమార్గం.
Sider.AI గురించి క్లుప్తంగా: నేర్చుకోవడానికి మరియు నిర్మించడానికి సహాయకారి
మీరు త్వరగా పునరావృతం చేయడానికి మరియు స్పష్టమైన ఫలితాలను చూడటానికి ఇష్టపడే అభ్యాసకులైతే, Streamlitతో పాటు AI అసిస్టెంట్ను ఉపయోగించడం ఒక సూపర్ పవర్ కావచ్చు. ఉదాహరణకు, ఒక అస్తవ్యస్తమైన CSVని శుభ్రం చేయబడిన, విజువలైజ్ చేయబడిన డాష్బోర్డ్గా మార్చే డెమోలను నేను చూశాను, ఆపై Excelకి ఎగుమతి చేస్తాను—ఖచ్చితంగా మీరు Streamlit యొక్క విడ్జెట్లు మరియు డేటాను సంగ్రహించడానికి లేదా నిర్మించడానికి కొద్దిగా AI సహాయంతో కలిసి లాగగల “నేను బృందం గంటలను ఆదా చేశాను” అనే యాప్. Sider.AI వంటి సాధనాలు బాయిలర్ప్లేట్ మరియు పరీక్షా దృశ్యాల ద్వారా మిమ్మల్ని ప్రోత్సహించగలవు, తద్వారా మీరు డిజైన్ మరియు డేటా లాజిక్పై దృష్టి పెట్టవచ్చు. మీరు దొంగిలించగల చేతులతో చేసే చిన్న-ప్రాజెక్ట్లు (గమనికలతో)
- “బాస్ ఇష్టపడే రిపోర్ట్” యాప్
- ఇన్పుట్లు: CSV అప్లోడ్, తేదీ-పరిధి పికర్, ప్రాంతం డ్రాప్డౌన్.
- అవుట్పుట్: మెట్రిక్లు (ఆదాయం, గణన), లైన్ చార్ట్ మరియు డౌన్లోడ్ చేయగల Excel ఫైల్.
- చిట్కాలు: డేటా క్లీనింగ్ దశను కాష్ చేయండి; ఫిల్టర్ చేయబడిన డేటాఫ్రేమ్ను session_stateలో సేవ్ చేయండి, తద్వారా మీరు తక్షణమే ఎగుమతి చేయవచ్చు.
- అమ్మకాల కోసం “ఏమి అయితే దృశ్యం ప్లానర్”
- ఇన్పుట్లు: డిస్కౌంట్ రేటు కోసం స్లయిడర్, ప్రకటనల ఖర్చు కోసం number_input, ఉత్పత్తి శ్రేణి కోసం సెలెక్ట్బాక్స్.
- అవుట్పుట్: అంచనా వేసిన ఆదాయం యొక్క బార్ చార్ట్ మరియు వచన సారాంశం (“10% తగ్గింపుతో, మీరు 6.2 నెలల్లో తిరిగి పొందుతారు”).
- చిట్కాలు: ట్యాబ్లను ఉపయోగించండి: “ఊహలు,” “చార్ట్లు,” “డౌన్లోడ్లు.” మోడల్ ఫంక్షన్ను కాష్ చేయండి.
- “AI-శక్తితో కూడిన గమనికల సంగ్రహకర్త”
- ఇన్పుట్లు: PDFలు లేదా వచనం కోసం file_uploader, స్వరం కోసం చెక్బాక్స్ (“అధికారిక,” “స్నేహపూర్వక,” “బుల్లెట్-శైలి”).
- అవుట్పుట్: కాపీ బటన్తో సారాంశ వచనం; చర్య అంశాల యొక్క ఐచ్ఛిక CSV.
- చిట్కాలు: పెరుగుతున్న నవీకరణలతో ఫలితాలను ప్రసారం చేయండి; స్పిన్నర్ను చూపండి మరియు ఏమి జరుగుతుందో వివరించండి.
- “డేటా క్లీనర్ మరియు ఫార్మాట్ కన్వర్టర్”
- ఇన్పుట్లు: file_uploader (CSV), వైట్స్పేస్ను తొలగించడం కోసం చెక్బాక్స్, తేదీ పార్సింగ్ కోసం సెలెక్ట్బాక్స్, “Excelకి ఎగుమతి చేయి” కోసం బటన్.
- అవుట్పుట్: శుభ్రం చేయబడిన టేబుల్ ప్రివ్యూ; నిలువు వరుస ద్వారా నల్స్ చార్ట్; ఒక-క్లిక్ ఎగుమతి.
- చిట్కాలు: ఇది ఖచ్చితమైన అనుభవం లేని వ్యక్తి ప్రాజెక్ట్ మరియు ఆ చేతులతో చేసే డెమోలకు చక్కగా మ్యాప్ చేస్తుంది.
మీ కోసం ఉత్తమ Streamlit ట్యుటోరియల్లను ఎలా ఎంచుకోవాలి
- మీకు రెండు గంటలు ఉంటే: అధికారిక ప్రారంభ ప్రవాహం మరియు యాప్ను సృష్టించు ట్యుటోరియల్ను చేయండి. మీరు 80% దూరం, 20% సమయంలో పొందుతారు.
- మీకు వారాంతం ఉంటే: వాటిని ప్రాజెక్ట్ ఆధారిత వీడియో కోర్సుతో జత చేయండి మరియు నేను వివరించిన మూడు-పేజీల యాప్ను నిర్మించండి. మీరు సోమవారం నాటికి పనిలో “ఆ వ్యక్తిగా” ఉంటారు.
- మీరు ప్రత్యేకత సాధించాలనుకుంటే: ప్రామాణీకరణ, డేటాబేస్లు మరియు ఉత్తమ పద్ధతుల కోసం ట్యుటోరియల్ సూచికలోకి ప్రవేశించండి. మీరు ఒకే కంచెకు ఐదుసార్లు రంగు వేయడం మానుకుంటారు.
Streamlit మర్యాద: మీ వినియోగదారులకు ఆనందంగా చేయండి
- సరళమైన ఆంగ్ల లేబుల్లను ఉపయోగించండి.
- ప్రధాన చర్యలను అగ్ర భాగాన ఉంచండి.
- అధునాతన ఎంపికల కోసం st.expanderని ఉపయోగించండి.
- “ఫిల్టర్లను రీసెట్ చేయి” బటన్ను జోడించండి; ప్రజలు మళ్లీ చేయడానికి ఇష్టపడతారు.
- పరీక్ష కోసం చిన్న, నిజమైన డేటా నమూనాలను అందించండి.
సమస్య పరిష్కార మూలకం (a.k.a. “ఈ విషయం ఎందుకు పని చేయడం లేదు?”)
- మాడ్యూల్ పేరు ‘streamlit’ లేదు: మీరు తప్పు వాతావరణంలో ఉన్నారు. మీ యాక్టివ్ venvలో pip install streamlit చేయండి.
- ఫైల్ అప్లోడర్ దేనినీ అంగీకరించదు: మీ ఫైల్ రకాలను తనిఖీ చేయండి; మీరు session_stateలో ఫలితాలను దాచుకుంటే మాత్రమే విడ్జెట్లు స్టేట్ఫుల్గా ఉంటాయని కూడా గుర్తుంచుకోండి.
- ఇది స్థానికంగా పని చేస్తుంది కానీ విస్తరణలో కాదు: మీ సంస్కరణలను పిన్ చేయండి మరియు హోస్ట్లో రహస్యాలు/పర్యావరణ వేరియబుల్లను సెటప్ చేయండి. చిన్న డేటాసెట్తో కూడా పరీక్షించండి.
- పెద్ద CSVలతో ఇది నెమ్మదిగా ఉంది: విడదీసిన రీడ్లను ఉపయోగించండి, ముందుగా సమగ్రపరచండి లేదా UI కోసం నమూనాను ఉపయోగించండి. భారీ రూపాంతరాలను కాషింగ్ చేయడం మరియు ఆఫ్లోడ్ చేయడం గురించి ఆలోచించండి.
చివరి విషయం: గొప్ప సాధనం యొక్క వినయం
Streamlit యొక్క మేధావితనం దాని ఆశయం యొక్క వినయం. ఇది మొత్తం ప్లాట్ఫారమ్గా ఉండటానికి ప్రయత్నించదు; ఇది మీ Pythonను స్నేహపూర్వక యాప్గా మార్చే నాబ్గా ఉండటానికి ప్రయత్నిస్తుంది. పైన ఉన్న ఉత్తమ Streamlit ట్యుటోరియల్లతో—ప్రాథమిక అంశాల కోసం అధికారిక డాక్స్, మొమెంటం కోసం ప్రాజెక్ట్ వీడియోలు మరియు మెరుగుదల కోసం ఉత్తమ-ఆచరణల చర్చలు—మీరు సంచరించడాన్ని దాటవేసి, ప్రజలు “వేచి ఉండండి, మీరు దీన్ని నిర్మించారా?” అని చెప్పే భాగంలోకి వెళ్తారు.
మరియు అది మీరు జీవించే క్షణం. లేదా కనీసం, మీ బాస్ మిమ్మల్ని ఒకే స్ప్రెడ్షీట్ యొక్క 11 సంస్కరణలను పంపమని అడగడం ఆపివేసే క్షణం.
FAQ
Q1:పూర్తి అనుభవం లేనివారికి ఉత్తమ Streamlit ట్యుటోరియల్లు ఏమిటి?
అధికారిక ప్రారంభ గైడ్ మరియు యాప్ను సృష్టించు ట్యుటోరియల్తో ప్రారంభించండి—అవి ప్రస్తుత, సంక్షిప్తమైనవి మరియు తాజా Streamlit విడుదలతో పని చేయడానికి హామీ ఇవ్వబడతాయి. మీరు రెండు గంటల్లో చార్ట్లు మరియు విడ్జెట్లతో చిన్న యాప్ను నిర్మిస్తారు.
Q2:నా డాష్బోర్డ్ కోసం Streamlit vs Dash మధ్య నేను ఎలా ఎంచుకోవాలి?
మీకు అంతర్గత సాధనాలు లేదా త్వరిత నమూనాల కోసం వేగం మరియు సరళత అవసరమైనప్పుడు Streamlitని ఎంచుకోండి; మీకు లోతైన అనుకూలీకరణ మరియు ఎంటర్ప్రైజ్ వర్క్ఫ్లోలు అవసరమైనప్పుడు Dashని ఎంచుకోండి. Streamlitలో వారాంతపు నమూనాను మొదట ప్రయత్నించండి—ఇది తరచుగా 90% అవసరాలను తీరుస్తుంది.
Q3:ఉత్పత్తికి సిద్ధంగా ఉన్న Streamlit యాప్కు వేగవంతమైన మార్గం ఏమిటి?
అధికారిక ట్యుటోరియల్లను అనుసరించండి, ఆపై నిర్మాణం మరియు పనితీరు చిట్కాల కోసం ప్రాజెక్ట్ ఆధారిత కోర్సు మరియు ఉత్తమ-ఆచరణల గురించి చర్చకు వెళ్లండి. భారీ ఫంక్షన్లను కాష్ చేయండి, session_stateని ఉపయోగించండి మరియు విస్తరణలను స్థిరంగా ఉంచడానికి మీ ప్యాకేజీ సంస్కరణలను పిన్ చేయండి.
Q4:ట్రాన్స్క్రిప్షన్ లేదా సారాంశీకరణ వంటి AI లక్షణాలను Streamlit నిర్వహించగలదా?
అవును—Streamlit Python AI లైబ్రరీలు మరియు APIలతో చక్కగా పనిచేస్తుంది. ఫైల్ అప్లోడ్లు, ప్రోగ్రెస్ సూచికలు మరియు ఎక్కువసేపు నడిచే ఉద్యోగాల కోసం నమూనాలను తెలుసుకోవడానికి నిరూపితమైన ప్రాజెక్ట్ నడకను (AI ట్రాన్స్క్రిప్షన్ యాప్ వంటిది) ఉపయోగించండి.
Q5:అభ్యాసం చేయడానికి నేను నిజ-ప్రపంచ Streamlit యాప్ ఆలోచనలను ఎక్కడ కనుగొనగలను?
యుటిలిటీ యాప్లను ప్రయత్నించండి: డేటా క్లీనింగ్ మరియు మార్పిడి, ఏమి అయితే ప్లానర్లు మరియు త్వరిత AI-శక్తితో కూడిన సంగ్రహకర్తలు. CSVని Excelకి మార్చే మరియు శుభ్రం చేయబడిన డేటాను విజువలైజ్ చేసే వాస్తవిక ఉదాహరణలు గొప్ప అభ్యాసం మరియు తక్షణమే ఉపయోగపడతాయి.
