Streamlit：用 Python 輕鬆快速打造與共享 Data App

情境:

大 AI 時代已經到來，我們面臨著快速變化的環境和技術挑戰。

對於企業以及使用者們，資料科學的創新和應用正快速發展，尤其是近期 AI 的興起更是加速了資訊的傳播量與流通。

因此，在後續的 10 年內，我們傳統資料分析的速度該如何跟上時代趨勢的變化?

本文將介紹如何利用 Streamlit 這個易於使用的 Python 套件，讓您成為「Low-Code」數據分析的先行者，輕鬆快速地創建和共享數據應用程序。

Streamlit 的優勢和應用

美國有超過 50% 的 Fortune 50 企業都在使用 Streamlit。

讀者們曾否想過以下 3 個現有難題?

1. 我們可以將資料更直觀、快速地視覺化呈現嗎?

2. 你們是否困擾於目前市面上現有的儀表板工具無法客製化分析需求?

3. 我們有沒有能更簡易開發網頁儀表板的低程式碼開發工具?

解決方法:

如果我們以傳統的角度切入，儘管市面上已有許多 BI 工具能快速製作漂亮的視覺儀表板，但缺乏程式開發的客製化分析，使這些儀表板用途有所限制。

另一方面，現今一些 Python 的網頁建構框架，雖然可以部署較複雜的機器學習 AI 模型以及高客製化的視覺化繪圖，然而其要求較高的程式碼能力，且開發時間與成本高、學習曲線陡峭（如下圖）。

因此我們將使用 Streamlit 這項工具協助我們解決我們的所有難題。

所以什麼是 Streamlit ?

Streamlit 是一個能用 Python 程式語言簡單製作、快速分享資料分析的 Open-Source 框架。其應用範圍非常寬廣，從機器學習模型部署到客製化的視覺化儀表板，甚至能應用在軟體設計的原型 Demo。

歡迎參觀我們做的簡單 Web App，同圖4。

我們可以將各種常見透過 Streamlit 開發的 Web App 歸納成兩大類別：

1. AI 模型部署
2. 視覺化儀表板

後續系列文章將會帶領讀者們實戰演練上述兩大類別的 Web App！

讓您無需在 HTML、CSS 和Javascript 中摸爬滾打，透過短短幾行 Python 程式碼便能打造專屬您的資料科學 Web App！

成果與應用

第一次學 Streamlit 時，被自己嚇了一大跳，沒想到自己能在短短一兩天的時間，就學會做資料分析 Web App 呢！

App 部署與維護比你想像中的簡單

我們可以部署我們自身製作的互動儀表板到網頁上（如圖 5），邀請您的使用者觀看 Web App 成品。

更多結合 Streamlit 的應用模式

此外，有別於單純使用 Streamlit， Streamlit 也能與時下最夯的 ChatGPT 串接 ！

此三大優勢包括：

• 開發 AI 程式更彈性：Streamlit 框架具有快速建構和部署應用程式的強大功能，通過串接 ChatGPT，我們可以根據自己的需求客製化開發 ChatGPT 的應用程式。
• 更高效產出文字內容： 我們可善用 Streamlit 的圖形用戶界面 （GUI） ，事先在 Streamlit 程式碼中定義要提供給 ChatGPT 的提示（Prompt）字詞，讓使用者不用在一直重複輸入相關的提示來產出 AI 文字內容，只要下關鍵字與點擊的方式，即可給出預想的文字內容！
• 自動化與改善用戶體驗： 善用所蒐集到的資料自動化串接 ChatGPT 與 Streamlit，自動化產出顧客體驗回覆。例如：可善用 Python 爬蟲外部顧客輿情資料來自動化串接 ChatGPT，並在 Streamlit 中自動產出用戶體驗的文案回覆，讓使用者可以快速確認回覆訊息，加速回饋使用者的效率、準確度與速度。

綜上所述，串接 ChatGPT 和 Streamlit 框架可以快速提升應用程式的開發速度、提高效率、自動化、以及改善用戶體驗等。

看完本篇文章之後，

讀者們是不是更想認識資料科學的 Web APP 與 AI 應用呢？

沒有比學會展示資料分析成果更快的方式了，您還在等什麼呢？

開始著手你的第一個 Web APP 應用吧！

作者：黃榮晟(臺灣行銷研究資料科學家)、劉加德(臺灣行銷研究特邀編審)、鍾皓軒(臺灣行銷研究有限公司創辦人)

作者加碼: 填問卷，購課程，送 500 元好禮！

Streamlit：用 Python 輕鬆快速打造與共享 Data App — 填問卷，購課程，送等值500元好禮！