有没有试过向不懂电子表格的人解释电子表格？他们的眼神通常会在“数据透视表”和“为什么D列隐藏了？”之间变得茫然。现在想象一下，你可以将电子表格变成一个友好的网络应用程序——有按钮！有滑块！有滑动滑块时会跳舞的图表！——而无需学习 JavaScript、CSS 或黑魔法。这就是 Streamlit，这个 Python 库可以将脚本变成可共享的应用程序，就像一台冰沙机将水果变成早餐一样。
但问题是：搜索“最佳 Streamlit 教程”，你会陷入一个既像霍格沃茨又像宜家手册的兔子洞。哪些教程真的能帮助你构建一些可以在周一向老板展示的东西？我花了一周时间研究文档、视频、社区指南，以及一些“用土豆录制”的 YouTube 视频，以整理出按技能水平和构建内容分类的最佳 Streamlit 教程。
这是你用户友好的 Pogue 式的实地指南：从哪里开始，接下来看什么，哪些示例在 Streamlit 更新时不会崩溃，以及如何避开像拉布拉多犬啃袜子一样消耗时间的陷阱。
用通俗易懂的语言解释，Streamlit 到底是什么？
Streamlit 是一个 Python 库，它可以将你的数据脚本封装在一个即时界面中。你不需要编写 Flask 应用程序或与 React 搏斗，只需在代码中添加类似 st.button、st.slider、st.line_chart 这样的 Streamlit 调用，砰——你就得到了一个可共享的网络应用程序。
- 你分享一个链接。你的老板不再给你发屏幕截图的邮件。
最佳 Streamlit 教程：一份精选的、务实的列表
我将最佳 Streamlit 教程分成了几个等级。选择你的方向；如果你有雄心壮志，也可以混合搭配。
第一级：绝对初学者（60-90 分钟内创建第一个应用程序）
- 官方的“开始使用 Streamlit”文档
为什么它很棒：它是最新的、准确的，并且由 Streamlit 团队设计。你将安装 Streamlit，了解重运行模型的工作方式（剧透：每次交互时脚本都会从上到下运行），并构建一个小的、令人满意的应用程序。在开始其他任何内容之前，请从这里开始。这是通往“我构建了一些东西”时刻的最短路径。
- 官方“创建应用程序”教程
为什么它很棒：你将构建一个真正的应用程序，用于探索 Uber 乘车数据集。翻译过来就是：你将看到小部件、图表、地图和缓存的实际应用，以及清晰的解释和可复制粘贴的、实际可以运行的代码块。如果你是视觉学习者，这个教程会让你快速上手。
- Streamlit 教程索引
为什么它很棒：一个引导式项目的中心：身份验证、数据库、文件上传、高级布局等等。它就像餐馆的菜单——从煎饼开始，然后升级到加了墨西哥辣椒的煎蛋卷。
完成第一级后，你将能够：
- 添加小部件（滑块、选择器、按钮）、渲染图表和缓存数据。
- 了解你的脚本为什么会“重新运行”，以及如何在不损坏笔记本电脑的情况下保持状态。
第二级：初学者到中级（使其有用，使其美观）
4) “在一个课程中掌握 Streamlit – 包括 4 个真实项目”（视频）
为什么它很棒：基于项目的学习更容易掌握。本课程将你从基础知识带到连接数据库和更高级的模式。如果你想感觉自己像一个真正的应用程序构建者，而不仅仅是一个带有按钮的脚本编写者，那么这是快速通道。
- “完整的 Streamlit 教程：从零到生产就绪”（文章）
为什么它很棒：它是一个关于在 2025 年构建仪表板以及权衡取舍的诚实、现代的概述。你将获得关于打包、部署以及何时使用其他工具的策略。如果你在想：“Streamlit 在实际使用中能坚持住吗？”——这是你的现实检验。
- 来自 Streamlit 高级用户的最佳实践讲座（视频）
为什么它很棒：模式，模式，模式。你将学习专业人士如何构建应用程序、管理性能和优化 UX。就像偷看你邻居一尘不染的车库，并决定你也应该拥有带标签的垃圾箱一样。
完成第二级后，你将能够：
第三级：实用、真实世界的项目（向你的团队展示一些很酷的东西）
7) 带有 AI + Streamlit 的音频转录应用程序（视频）
为什么它很棒：一个可靠的“AI meets UI”示例：文件上传、模型调用、结果显示。即使你没有构建转录应用程序，你也可以为任何支持 AI 的项目提取模式——进度条、错误处理、长时间运行的任务。
- 结合数据清理、可视化和文件转换的实践应用程序演示
为什么它很棒：真实世界的实用性。接受丑陋数据、清理数据、可视化数据并将其导出为你老板想要的格式（CSV 到 Excel，有人需要吗？）的应用程序。这是自信地迈向“我实际上可以用一个他们可以点击的仪表板取代我团队一半的手工杂务”的一步。
一个快速的题外话：Streamlit 在哪些方面表现出色——以及哪些方面不擅长
表现出色：
- 数据科学演示：图表、地图、模型滑块、“如果……会怎样？”实验。
不太擅长：
- 具有繁重身份验证、角色和企业工作流程的复杂多用户应用程序。
如果你的应用程序是“我们需要一个 Python 代码上的友好 UI”，那么 Streamlit 是一个梦想。如果你的应用程序是“我们正在重建 Airbnb”，那么可能不是。
Streamlit 心理模型的温和之旅
如果你来自传统的 Web 堆栈，Streamlit 最初会感觉……很奇怪。你不需要连接路由和模板；你编写一个 Python 脚本，每次用户交互时都会重新绘制自身。
- 缓存昂贵的工作（下载数据、加载模型），这样你的应用程序就不会爬行。
把它想象成一个 PowerPoint，它会根据你的观众的点击来更新自己——但你用 Python 控制幻灯片，而不是拖动框。
一条边做边学的路径：这个周末构建，周一给人留下深刻印象
这是一个实用、可口的小课程——最多两个下午。
星期六早上：你的第一个应用程序和“啊哈”时刻
- 安装 Streamlit 并运行 Hello 应用程序。按照官方的“开始使用”指南构建一个简单的 UI 和图表。它是最新鲜的真理来源。
- 完成“创建应用程序”——Uber 乘车、地图、过滤器。你将接触 st.cache_data，这将使你未来的自己感激涕零。
星期六下午：你实际会使用的小部件和布局
- 制作一个小的数据清理面板：用于 CSV 的 file_uploader、用于列选择的 selectbox、用于删除 NA 或小写标头的复选框，以及用于导出结果的按钮。使用像将 CSV 转换为 Excel 的实用程序应用程序这样的示例。
- 学习显示进度：st.progress、st.spinner 和 st.status 消息。人们讨厌盯着沉默的屏幕。
星期天早上：升级到多页面和状态
- 将你的应用程序分成页面。创建一个“数据”页面、“可视化”页面和一个“导出”页面。这会让你看起来很专业，而无需太多工作。
- 当用户四处跳转时，使用 st.session_state 来记住选择（选定的列、过滤器）。
星期天下午：部署和润色
- 部署到托管服务或容器；包括 requirements.txt。
- 添加 st.toast 以获得友好的确认，并添加 st.error 以获得防护栏。
- 奖励：嵌入一个小的 AI 操作——总结一个表格，清理混乱的文本，或从列名自动生成图表标题——将一个“不错的应用程序”变成一个“轰动性的应用程序”。基于 AI 的转录演练展示了处理长时间运行的操作并在结果到达时更新 UI 的模式。
清单：永远回报你的五个 Streamlit 概念
- 缓存是氧气：缓存数据加载、模型加载和长时间的计算。
- 布局是沟通：侧边栏、列、选项卡——使用它们来简化。
- 反馈胜过沉默：微调器、进度条、Toast。始终告诉用户正在发生的事情。
常见陷阱（以及如何避免它们）
- “当我单击按钮时，我的变量会重置！”那是重运行模型；使用 st.session_state 来持久化重要的东西。
- “第一次点击时速度很慢。”缓存你的重型函数。还要考虑在应用程序启动时初始化模型。
- “为什么我的图表是空的？”如果小部件默认值在运行之间发生变化，你可能会过滤掉你的数据。设置合理的默认值。
- “更新后它崩溃了。”锁定你的 requirements 或阅读迁移说明。官方教程往往保持同步。
对比角：Streamlit vs. 常见嫌疑犯
- Streamlit vs. Dash：Dash 更具可配置性和企业就绪性，但启动需要更长的时间。Streamlit 原型设计更快；Dash 更适合复杂的生产工作流程。
- Streamlit vs. Gradio：Gradio 在快速 AI 演示（尤其是模型 I/O）方面表现出色。Streamlit 对于数据应用程序和仪表板更通用。
- Streamlit vs. Flask + 前端：Flask 让你控制一切，包括很多你不想控制的东西。当你的目标是“在星期二之前交付一个决策工具”时，Streamlit 是捷径。
关于 Sider.AI 的几句话：学习和构建的有用助手
如果你是喜欢快速迭代并看到实际结果的学习者，那么将 AI 助手与 Streamlit 一起使用可以是一种超能力。例如，我见过一些演示，可以将混乱的 CSV 变成一个清理过的、可视化的仪表板，然后导出到 Excel——正是那种“我节省了团队数小时”的应用程序，你可以使用 Streamlit 的小部件和一些 AI 帮助来总结或构建数据来组合在一起。像 Sider.AI 这样的工具也可以推动你完成样板和测试场景，以便你可以专注于设计和数据逻辑。 你可以窃取的实践迷你项目（附带说明）
- 输入：CSV 上传、日期范围选择器、区域下拉列表。
- 输出：指标（收入、计数）、折线图和可下载的 Excel 文件。
- 提示：缓存数据清理步骤；将过滤后的 DataFrame 保存在 session_state 中，以便你可以立即导出。
- 输入：折扣率的滑块、广告支出的 number_input、产品级别的 selectbox。
- 输出：预测收入的条形图和文本摘要（“以 10% 的折扣，你将在 6.2 个月内恢复”）。
- 提示：使用选项卡：“假设”、“图表”、“下载”。保持模型函数缓存。
- 输入：用于 PDF 或文本的 file_uploader，用于语气的复选框（“正式”、“友好”、“项目符号样式”）。
- 输出：带有复制按钮的摘要文本；可选的行动项目 CSV。
- 提示：通过增量更新流式传输结果；显示一个微调器并解释正在发生的事情。
- 输入：file_uploader (CSV)、用于去除空格的复选框、用于日期解析的 selectbox、用于“导出到 Excel”的按钮。
- 输出：清理后的表格预览；按列显示的空值图表；一键导出。
- 提示：这是一个完美的初学者项目，并且可以很好地映射到那些实践演示。
如何为你选择最佳的 Streamlit 教程
- 如果你有两个小时：执行官方的“开始使用”流程和“创建应用程序”教程。你将以 20% 的时间完成 80% 的工作。
- 如果你有一个周末：将它们与基于项目的视频课程配对，并构建我概述的三页应用程序。到周一，你将成为工作中的“那个人”。
- 如果你想专攻：深入研究教程索引，了解身份验证、数据库和最佳实践。你将避免五次重复粉刷同一栅栏。
Streamlit 礼仪：让你的用户感到愉快
故障排除角（又名“为什么这东西不起作用？”）
- 没有名为“streamlit”的模块：你在错误的环境中。在你的活动 venv 中 pip install streamlit。
- 文件上传器不接受任何内容：检查你的文件类型；另请记住，仅当你将结果隐藏在 session_state 中时，小部件才是有状态的。
- 它在本地工作，但在部署中不起作用：锁定你的版本并在主机中设置 secrets/环境变量。还要使用小型数据集进行测试。
- 处理大型 CSV 时速度很慢：使用分块读取、预聚合或为 UI 采样。考虑缓存和卸载繁重的转换。
最后一件事：伟大工具的谦逊
Streamlit 的天才之处在于其雄心的谦逊。它并没有试图成为一个完整的平台；它试图成为将你的 Python 变成一个友好的应用程序的旋钮。有了上面最好的 Streamlit 教程——用于基础知识的官方文档、用于动力的项目视频以及用于润色的最佳实践讲座——你将跳过徘徊，直接进入人们说“等等，这是你构建的？”的部分。
这就是你为之奋斗的时刻。或者至少，你的老板不再让你发送同一电子表格的 11 个版本。
常见问题解答
Q1：对于完全的初学者来说，最好的 Streamlit 教程是什么？
从官方的“开始使用”指南和“创建应用程序”教程开始——它们是最新的、简洁的，并且保证可以与最新的 Streamlit 版本一起使用。你将在两个小时内构建一个带有图表和小部件的小型应用程序。
Q2：我该如何在 Streamlit 和 Dash 之间为我的仪表板做出选择？
当你的内部工具或快速原型需要速度和简单性时，选择 Streamlit；当你需要更深入的定制和企业工作流程时，选择 Dash。首先在 Streamlit 中尝试周末原型设计——它通常可以满足 90% 的需求。
Q3：通往生产就绪的 Streamlit 应用程序的最快路径是什么？
按照官方教程，然后跳转到基于项目的课程和最佳实践讲座，以获取结构和性能提示。缓存重型函数，使用 session_state，并锁定你的包版本以保持部署稳定。
Q4：Streamlit 可以处理像转录或摘要这样的 AI 功能吗？
是的——Streamlit 可以很好地与 Python AI 库和 API 配合使用。使用经过验证的项目演练（例如 AI 转录应用程序）来学习文件上传、进度指示器和长时间运行的作业的模式。
Q5：在哪里可以找到真实世界的 Streamlit 应用程序创意来练习？
尝试实用程序应用程序：数据清理和转换、假设情景规划器和快速的 AI 驱动的摘要器。将 CSV 转换为 Excel 并可视化清理后的数据的实际示例是非常好的练习，并且立即可用。
