木鸟杂记

分布式系统，数据库，存储

数据可视化利器—— Streamlit 的有趣哲学

发表于 分类于 ，

streamlit 是一款可以快速进行简单网页开发的 Python 库，其 slogan 是：

A faster way to build and share data apps

即“一种快速构建、分享数据应用的方法”。其在机器学习、数据科学，甚至当今大模型领域非常流行。其优点非常突出：

  1. 使用上述领域开发者最喜欢的语言：Python。不用写前端，pip 安装就能用。
  2. 简单几行代码就能快速攒出一个数据可视化、打标等小工具的网页。
  3. 还支持丰富的第三方组件扩展，比如社区开发的 code_editor 。

当然，如果你还想要低延迟、高并发、深度定制等需求，那对不起，这是 streamlit 被 tradeoff 出去的那一部分。但对于面向内部少数人使用的小工具来说，streamlit 简直是利器。可以说这个小生态位被它卡的太好了，所以能在 2022 年以 8 亿美金卖给 Snowflake。

本文我们就一块来看看其基本设计哲学和一些简单实践。

设计哲学

其基本设计哲学可以概括为：

  1. 用后端语言写前端
  2. 收到新事件会重新构建
  3. 支持会话级别的缓存

作者：木鸟杂记 https://www.qtmuniao.com/2025/03/18/streamlit/ 转载请注明出处

上面三点是依次递进的设计：由于是用后端语言写前端，因此每次响应用户请求都会全部重新执行一遍代码，当然也就不支持局部刷新；为了避免每次全部执行带来的不必要的数据加载，引入了细粒度（每次用户主动刷新页面会丢失）的缓存，从而达到了类似局部刷新的目标——不需要刷新的部分缓存起来复用就好了。

总结成一句话就是：顺序执行以保持简洁，按需缓存来提高效率。

看个例子

我们把功能搞简单一点：用户输入一个 parquet 格式本地路径，我们将其读出展示可视化。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
# app.py

import streamlit as st
import pandas as pd
import pyarrow.parquet as pq
import os

# 加载 Parquet 文件
def load_parquet(file_path):
    return pq.read_table(file_path).to_pandas()

st.title("学生绩点可视化")

file_path = st.text_input("请输入 Parquet 文件的地址:", value="students.parquet")

# 检查文件是否存在
if os.path.exists(file_path):
    # 加载数据
    data = load_parquet(file_path)
    st.write("数据预览:")
    st.dataframe(data)

    # 可选项1：显示统计信息
    if st.checkbox("统计信息"):
        st.write(data.describe())

    # 可选项2：绘制直方图
    if st.checkbox("直方图"):
        st.bar_chart(data.set_index('姓名')['绩点']
else:
    st.error("输入的文件路径不存在，请检查后再试。")

简单构造了包括学生名和绩点两列的数据，存在 parquet 文件中（构造代码会放在附录中）。运行以下命令：

1
streamlit run app.py

然后访问 http://localhost:8501 即可看到页面：

streamlit-example.png

从该例子可以大致看出 streamlit 的语法相当简洁：

  1. 组件构造：通过 st.title，st.dataframe，st.checkbox 等接口就可以快速构造很多标准组件，而不用在意其样式。
  2. 顺序执行：和 js 事件驱动不同，streamlit 的代码就是自上而下顺序执行的，非常容易理解和调试。每次重新输入路径、重新点击复选框后整个页面都会重新渲染。

缓存

那么问题来了，如果学生表的数据量很大，每次重新输入路径后都会全部重新执行、重新加载，岂不是冗余且很慢？为此，我们可以通过 streamlit 的缓存机制，将数据缓存下来。

可以使用 st.session_state 显式的进行缓存：

1
st.session_state[file_path] = data

也可以通过在加载数据上的函数增加注解 st.cache_data进行缓存，此时缓存的 key 就是函数的输入参数，本例中也是 file_path。

1
2
3
@st.cache_data
def load_parquet(file_path):
    return pq.read_table(file_path).to_pandas()

但其实，在 streamlit 中，我们不仅可以缓存数据，也可以缓存组件（widget）。比如说 st.dataframe，如果我们不想其每次都重新渲染怎么办？给其一个 key！

1
st.dataframe(data, key=f"df-{file_path}")

这样，只要 key 不变，该 dataframe 就不会重新渲染。

至此，我们大概从感性上明白了 streamlit 的哲学：通过顺序执行来保持简洁、通过按需缓存来保持效率。下面用一张图来概括下：

streamlit-architecture.png

小结

本文非常浅显的通过一个小例子来分析了下 streamlit 的设计哲学，帮助大家建立一个感性的认识，如果有类似面向团队内部的可 GUI 需求，不妨一试。

但囿于篇幅，并没有剖析其背后是如何实现的，也没有讲更多的进阶使用，如果大家对这些东西感兴趣，欢迎留言告诉我。

参考资料

官方文档：https://docs.streamlit.io/get-started/fundamentals/advanced-concepts

附录

需要安装的库：

1
pip install streamlit pyarrow pandas

构造数据的代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import pandas as pd

# 创建学生数据
data = {
    '姓名': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
    '绩点': [3.5, 3.8, 2.9, 3.2, 3.9]
}

# 创建 DataFrame
df = pd.DataFrame(data)

# 写入 Parquet 文件
df.to_parquet('students.parquet', index=False)

print("学生数据已写入 students.parquet 文件。")

我是青藤木鸟，一个喜欢摄影、专注大规模数据系统的程序员，欢迎关注我的公众号：“木鸟杂记”，有更多的分布式系统、存储和数据库相关的文章，欢迎关注。 关注公众号后，回复“资料”可以获取我总结一份分布式数据库学习资料。 回复“优惠券”可以获取我的大规模数据系统付费专栏《系统日知录》的八折优惠券。

我们还有相关的分布式系统和数据库的群，可以添加我的微信号：qtmuniao，我拉你入群。加我时记得备注：“分布式系统群”。 另外，如果你不想加群，还有一个分布式系统和数据库的论坛（点这里），欢迎来玩耍。

wx-distributed-system-s.jpg