当数据科学家使用Python处理数据，并希望创建展示ML模型的数据应用程序，以及进行易于创建的交互式可视化时，那么Streamlit将是最理想的选择。Streamlit for Data Science(第2版)向数据科学家展示了如何在Python内快速创建和部署小部件和仪表板。这可以帮助他们在几小时内而不是几天内创建原型。 为了掌握Streamlit这项技术，需要通过大量的实际案例来学习。本书由一个富有创造力的Streamlit用户编写，他在第一版发布后就一直使用该技术，本选题建立在前一版的实用性基础上，带来大量的更新，包括将Streamlit连接到Snowflake数据仓库，部署在Hugging Face上，以及在GitHub上提供完全更新的代码库，通过这些内容可以帮助读者练习新发布的技能。 读者将从Streamlit的基础知识开始Streamlit的学习，并通过使用机器学习模型和制作高质量的交互式应用程序逐渐熟悉Streamlit的使用技巧。本书通过实际示例帮读者掌握许多更具挑战性的主题，如Streamlit组件、美化应用程序和快速部署。 通过本书，读者将能够轻松快速地在Streamlit中创建动态web应用程序。

第1章 Streamlit简介技术要求\t002
为什么选择Streamlit\t002
安装Streamlit\t003
组织Streamlit应用程序\t004
Streamlit绘图演示\t005
从头开始创建一个应用程序\t008
在Streamlit应用中使用用户输入\t015
在Streamlit中添加文本\t018
本章小结\t020
第2章 上传、下载和操作数据技术要求\t021
环境设置：使用Palmer的Penguins
数据集\t022
探索Palmer的Penguins数据集\t023
Streamlit中的流程控制\t034
调试Streamlit应用程序\t037
在Streamlit中开发\t038
在Jupyter中探索，然后复制到
Streamlit中\t038
Streamlit中的数据操作\t039
缓存简介\t040
会话状态的持久性\t044
本章小结\t048
第3章 数据可视化技术要求\t050
旧金山树木（SF Tree）数据集：
一个新的数据集\t050
Streamlit可视化用例\t052
Streamlit的内置图表函数\t052
Streamlit的内置可视化选项\t058
Plotly\t059
Matplotlib和Seaborn\t060
Bokeh\t062
Altair\t064
PyDeck\t066
配置选项\t067
本章小结\t074
第4章 Streamlit中的机器学习和人工智能技术要求\t076
标准机器学习工作流程\t076
预测企鹅的种类\t077
在Streamlit中利用预训练的
机器学习模型\t081
在Streamlit应用程序中训练模型\t085
理解机器学习结果\t090
集成外部机器学习库：
Hugging Face示例\t094
集成外部AI库：OpenAI示例\t096
在OpenAI中进行身份验证\t097
OpenAI API的成本\t097
Streamlit和OpenAI\t097
本章小结\t103
第5章 使用Streamlit社区云部署Streamlit技术要求\t105
使用Streamlit社区云\t105
GitHub快速入门\t106
使用Streamlit社区云进行部署\t112
调试Streamlit社区云\t115
Streamlit Secrets\t116
本章小结\t119
第6章 美化Streamlit应用程序技术要求\t121
设置旧金山（SF）树木数据集\t121
在Streamlit中使用列\t122
探索页面配置\t127
使用Streamlit标签\t130
使用Streamlit侧边栏\t132
使用颜色选择器输入颜色\t137
创建多页应用程序\t139
可编辑的DataFrame\t143
本章小结\t146
第7章 探索Streamlit组件技术要求\t149
使用streamlit-aggrid添加可编辑的 DataFrame\t150
使用streamlit-plotlyevents
创建可钻取的图表\t154
使用Streamlit组件――streamlit-lottie\t158
使用Streamlit组件
――streamlit-pandas-profiling\t160
使用st-folium创建交互式地图\t163
使用streamlit-extras创建辅助函数\t167
查找更多组件\t168
本章小结\t168
第8章 使用Hugging Face和Heroku部署
Streamlit应用程序技术要求\t170
在Streamlit Community Cloud、Hugging Face和Heroku之间进行选择\t170
使用Hugging Face部署
Streamlit应用程序\t171
使用Heroku部署Streamlit
应用程序\t175
设置并登录Heroku\t176
克隆并配置本地存储库\t176
部署到Heroku\t178
本章小结\t179
第9章 连接数据库
技术要求\t181
使用Streamlit连接到Snowflake\t182
使用Streamlit连接到BigQuery\t187
向查询链接添加用户输入\t191
组织查询\t193
本章小结\t195
第10章 使用Streamlit优化求职申请
技术要求\t196
Streamlit技能展示项目\t197
机器学习-企鹅应用程序\t198
可视化-美观的树木应用\t200
在Streamlit中优化求职申请\t201
问题\t202
回答问题1\t203
回答问题2\t212
本章小结\t215
第11章 数据项目――在Streamlit中制作项目原型
技术要求\t217
数据科学创意\t217
收集和清理数据\t219
创建最小可行产品（MVP）\t221
我每年阅读多少本书\t222
我通常需要多长时间读完一本书\t223
我读的书都有多少页\t225
我所读的书籍都是哪一年出版的\t226
如何比较我与其他Goodreads
用户的书评\t229
迭代改进\t232
通过动画进行美化\t233
通过文本和额外的统计数据
构建叙述\t234
通过文本和附加统计数据
构建叙事\t236
托管和推广\t238
本章小结\t238
第12章 Streamlit资深用户
Fanilo Andrianasolo\t240
Adrien Treuille\t244
Gerard Bentley\t247
Arnaud Miribel和Zachary
Blackwood\t251
Yuichiro Tachibana\t257
本章小结\t261