Streamlit缓存与表单技巧提升仪表盘性能

本文将深入探讨五个实用技巧，助您在短短几分钟内，轻松搭建出功能强大且用户友好的Streamlit仪表板。

图片：在几分钟内构建有用的Streamlit仪表板的5个技巧

图片来源：编辑 | ChatGPT

#引言

Streamlit 是一个基于Python的框架，能够以最少的代码创建用户友好的Web应用程序。它主要面向数据专业人士和开发人员，常用于数据探索、构建仪表板以及快速原型化机器学习应用。该框架提供简单、高级的API，易于使用，并包含许多用于开发实用仪表板的内置功能。然而，许多人仍停留在基础使用层面，未能充分发挥Streamlit的潜力。

正因如此，本文将详细介绍五个不同的技巧，帮助您在几分钟内构建出真正有用的Streamlit仪表板。

#1. 巧用缓存机制

Streamlit框架的特性是，每当输入发生变化时，它会从头开始重新运行整个脚本。这意味着如果我们不必要地重复数据加载或模型加载等操作，计算成本将变得非常高昂。

通过巧妙运用缓存，我们可以显著减少操作时间并降低计算内存消耗，因为相同的对象可以被重复利用。以下是代码实现的示例：

@st.cache_data
def load_data():
    return pd.read_csv("large_dataset.csv")
@st.cache_resource

def load_model():

from sklearn.ensemble import RandomForestClassifier

return RandomForestClassifier()

st.cache_data 最适合用于数据操作，例如加载CSV文件；而 st.cache_resource 则更适用于持久化资源，如机器学习模型或数据库连接。

有效利用缓存，即使面对大型数据集或复杂模型，也能让您的仪表板处理速度更快。

#2. 批量处理输入

正如前文所述，每当输入发生变化时，Streamlit都会从头开始处理脚本。在许多情况下，如果每次单一输入更改都导致整个流程重新运行，拥有多个输入的工作流将变得非常繁琐。

通过使用 st.form，我们可以将多个小部件及其操作进行分组，这样它们只会在用户点击提交按钮时才进行更新。以下是代码实现的示例：

with st.form("filters"):
    min_value = st.slider("Minimum Value", 0, 100, 10)
    max_value = st.slider("Maximum Value", 0, 100, 90)
    submitted = st.form_submit_button("Apply")
if submitted:

st.write(f"Filtering data between {min_value} and {max_value}")

上述代码有效地避免了不必要的重复计算，并赋予用户对仪表板刷新时机的控制权，尤其是在需要批量处理输入时，这一功能显得尤为重要。

#3. 持久化应用状态

有时，当输入发生变化时，我们希望保留某些应用状态，例如计数器、筛选变量或身份验证标志。这种情况下，使用缓存可能显得过于笨重，因此我们可以转而采用 st.session_state 方法来持久化状态。

通过 st.session_state，我们可以在多次重新运行中保持变量的持久性，甚至可以交互式地更新它们，这使得整个工作流程更加顺畅，并且在内存使用上更加高效。以下是代码实现的示例：

if "counter" not in st.session_state:
    st.session_state.counter = 0
if st.button("Increment"):

st.session_state.counter += 1
st.write(f"Counter: {st.session_state.counter}")

上述代码在 st.session_state 中初始化了一个变量，确保它在应用程序重新运行时依然存在，从而极大地优化了工作流程。