Skip to main content

streamlit으로 인터랙티브 웹 대시보드

streamlit 라이브러리 소개​

  • streamlit: Python 언어만으로 데이터 과학자나 개발자가 쉽고 빠르게 데이터 기반 웹 애플리케이션을 구축할 수 있도록 지원하는 오픈소스 프레임워크
  • 특징:
    • 적은 코드로 인터랙티브한 웹 UI 구현
    • 실시간 코드 변경 감지 및 자동 앱 새로고침
    • 데이터 시각화, 위젯 등 다양한 컴포넌트 제공
  • 설치: Anaconda Prompt (또는 명령 프롬프트, 터미널) 실행 후 다음 명령어 입력
    • pip install streamlit

VS Code 소개​

  • Visual Studio Code (VS Code) 소개:

    • Microsoft에서 개발한 무료 소스 코드 편집기 (IDE - 통합 개발 환경에 가까움)
    • 다양한 프로그래밍 언어 지원 (Python, JavaScript, Java 등)
    • 강력한 기능: 디버깅, Git 연동, 확장 프로그램, 터미널 통합 등
    • 특징: 가볍고 빠르며, 사용자 맞춤 설정이 용이

  • Jupyter Notebook vs. Visual Studio Code (Streamlit 개발 관점):

특징Jupyter NotebookVisual Studio Code
주요 용도데이터 탐색, 실험, 빠른 프로토타이핑, 교육웹 애플리케이션 개발, 복잡한 프로젝트 관리, 전체적인 소프트웨어 개발
실행 단위셀(Cell) 단위 실행 및 즉각적 결과 확인전체 스크립트(.py) 실행 또는 디버깅 모드
파일 관리개별 노트북 파일(.ipynb) 중심프로젝트 폴더 기반의 파일 및 모듈 관리 용이
애플리케이션 배포노트북 자체는 웹 앱 배포에 부적합.py 스크립트 기반으로 Streamlit 앱 실행 및 배포
편집 기능코드 셀 + 마크다운 셀고급 코드 편집 기능, 자동 완성, 리팩토링 등

streamlit 애플리케이션 실행 방법​

  • dashboard.py 를 만들고 작업
  • 임포트: 파이썬 스크립트 상단에 다음과 같이 작성
import streamlit as st

실행: 터미널(Anaconda Prompt 등)에서 다음 명령 입력

streamlit run dashboard.py
  • 실행 결과: 명령 실행 시 웹 브라우저가 자동으로 열리면서 애플리케이션 실행
  • 기본적으로 로컬호스트 http://localhost:8501 에서 실행

웹 페이지에 제목 및 부제목 표시​

  • st.title('페이지 제목 텍스트'): 웹 애플리케이션의 가장 큰 제목 표시
  • st.header('섹션 제목 텍스트'): 주요 섹션의 제목 표시
  • st.subheader('소제목 텍스트'): 하위 섹션 또는 부가 설명 제목 표시
  • dashboard.py를 다음과 같이 수정 후 저장
  • 대시보드에서 상단 "Always rerun"을 선택하면, 파일 저장 시 자동으로 업데이트
import streamlit as st
st.title('나의 첫 Streamlit 앱')
st.header('데이터 분석 결과')
st.subheader('상세 분석 내용')

다양한 형태의 텍스트 표시​

  • st.text('일반 텍스트 내용'): 고정폭 글꼴로 단순 텍스트 표시
  • st.markdown('마크다운 형식 지원 텍스트'): 마크다운 문법 사용 가능 (굵게: **굵게**, 기울임: *기울임*, 목록, 링크 등)
  • st.write(*args): 다용도 출력 함수. 문자열, 숫자, 데이터프레임, 차트 등 다양한 객체 자동 인식 및 적절한 형태로 표시
  • dashboard.py끝에 다음 내용을 추가 후 저장
st.markdown("분석 **결과**는 다음과 같습니다:")

pandas DataFrame 표 형태로 표시​

  • st.dataframe(pandas_dataframe): 인터랙티브한 테이블 형태로 DataFrame 표시 (정렬, 크기 조절 등 가능)
  • 다음 내용 추가 후 저장
import pandas as pd
df = pd.read_excel('실습 데이터/car.xlsx')
st.dataframe(df)
  • 단순히 write를 사용해도 됨
st.write(df)
  • st.table(pandas_dataframe): 정적인 테이블 형태로 DataFrame 표시 (단순 표 출력)
  • 위의 st.dataframe을 st.table로 변경 후 저장
st.table(df)

데이터 시각화 차트 웹 앱에 표시​

  • st.pyplot(matplotlib_figure_object): Matplotlib 또는 Seaborn(Matplotlib 기반)으로 생성한 Figure 객체를 Streamlit 앱에 표시
import seaborn as sns
ax = sns.lineplot(x='year', y='price', data=df) # 차트
st.pyplot(ax.figure) # 차트의 그림(figure)

pyplot은 write로 변경해도 동일:

st.write(ax.figure)

인터랙션​

사용자의 입력에 따라 다른 결과를 제시

model = st.selectbox('차종', options=['전체', 'Avante', 'K3'])
if model == '전체':
    st.write('## 전체 차종의 가격 분포')
    ax = sns.boxplot(y='price', data=df)
else:
    st.write(f'## {model} 차종의 가격 분포')
    ax = sns.boxplot(y='price', data=df[df['model'] == model])
st.write(ax.figure) # 차트의 그림(figure)

캐시​

  • 인터랙션이 있을 때마다 모든 계산을 다시 수행
  • 시간이 오래 걸리는 계산은 캐시(cache, 임시 저장)를 해두면 반응 속도를 높일 수 있음
import time
@st.cache_resource  # 이 함수의 실행 결과는 캐시됨
def long_running_function(): # 오래 걸리는 함수
    time.sleep(10)  # 10초 대기
    return 123

# 버튼 클릭 시 오래 걸리는 함수 실행
if st.button('오래 걸리는 함수 실행'):
    with st.spinner('잠시만 기다려 주세요...'):
        result = long_running_function()
    st.success(f'결과: {result}')

퀴즈​