ایجاد یک dataScience Webapp(قسمت ۲)

dataScience Webapp

در پست قبل با انواع روشهای استقرار پروژه علم داده و فریمورک streamlit آشنا شدیم. در این مقاله می خواهیم با ساخت اولین برنامه کاربردی بر بستر وب با streamlit آشنا شویم. با ما همراه باشید.

برای اجرای یک وب اپلیکیشن یک فایل پایتون با نام دلخواه app.py ایجاد کنید، توجه کنید که stream تنها فایل های از نوع .py را اجرا می کند. می توانید در محیط پای چارم یا vs code یک فایل پایتون ایجاد کنید.

فایل را در مسیر اجرای آناکوندا مثل مسیر ژوپیتر یا spyder یا هر محیطی که با آناکوندا lunch شده قرار می دهید.

dataDeploy

در فایل app.py دستورات زیرا وارد کنید و فایل را ذخیره کنید.

import streamlit as st

st.title(‘My first app’)

st.text(‘Streamlit is great’)

مرحله بعد ترمینال دیگری از anaconda باز کنید و دستور زیر را اجرا کنید. مسیرفایل را بدرستی وارد کنید:

در مرورگر شما اولین خطوط دستور زیر در یک صفحه وب اجرا خواهد شد:

حال می توانید هر خطوط کدی از پروژه یادگیری ماشین را در فایل خود نوشته و صفحه مرورگر لوکال هست با دستور Return آپدیت خواهد شد. مانند اجرای یک اسلایدشو

x = st.slider(‘Select a value’)

st.write(x, ‘squared is’, x * x)

برای کار با کتابخانه های دیگر مانند پانداس می توانید خطوط زیر را اجرا و یک دیتا فریم در صفحه وب رسم کنید.

هم چنین می توانید هر نموداری را برای تحلیل بیشتر داده ها رسم کنید:

برای آشنایی بیشتر با قابلیت های فریمورک streamlit و نمونه کد ها این سایت را ببینید.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

20 + 15 =