본문 바로가기

streamlit11

[Streamlit] 프로젝트: 생활패턴으로 알아보는 비만정도 예측 앱 미리보기:  앱 주소: http://www.esyoo.site:8501/ 앱 설명:https://github.com/eyoo95/Streamlit_obesity 특이사항: 파이차트를 사용하기 위해 년도별로 데이터프레임을 분리하는 함수 작성 def year_separater(df,year,value,label): v18 = df.loc[df[year]== 2018 ,][value].to_list() l18 = df.loc[df[year]== 2018 ,][label].to_list() v19 = df.loc[df[year]== 2019 ,][value].to_list() l19 = df.loc[df[year]== 2019 ,][label].to_list() v20 = df.loc.. 2022. 6. 9.
[Streamlit] 프로젝트: 기상정보를 통한 교통사고율 예측 앱 미리보기:  앱 주소: http://www.esyoo.site:8502/ 앱 설명: https://github.com/eyoo95/Weather_And_Car_Accident 특이사항: EDA 작업중에 streamlit의 group_by 오류발생 selected_list_for_chart = st.selectbox('차트를 생성하기 원하면 컬럼을 선택하세요',col_list)if len(selected_list_for_chart) != 0: if st.button('차트확인'): st.text('{}년도 {}지역의 {} 변화량을 나타낸 차트입니다.'.format(get_year,get_region,selected_list_for_chart)) fig = plt.figu.. 2022. 5. 27.
[Streamlit] 메뉴 꾸미기 사이드바에 셀렉트박스를 넣어 만든 메뉴다. 이 메뉴를 조금 더 보기좋게 꾸며보자. 스트림릿에서 제공하는 option_menu 라이브러리를 통해 메뉴의 색상과 아이콘을 설정할수있다. in: from streamlit_option_menu import option_menu def main(): with st.sidebar: menu = option_menu('Menu',['Home','EDA','ML'], icons = ['house-door-fill','bar-chart-line-fill','gear-wide-connected'],menu_icon="caret-down-fill", default_index=0, styles={ "container": {"padding": "5!important", "bac.. 2022. 5. 27.
[Linux] 배포된 서비스 수정 먼저 파이썬 버전을 맞추기 위해 만들어 뒀던 가상환경을 실행한다. conda activate streamlit3.7 # 가상환경의 이름이 streamlit3.7이다. ll로 현재 디렉토리의 상황을 확인하고 cd로 진행할 서비스에 해당되는 폴더로 진입한다. 스트림릿을 실행시킨다. (서버에서 돌아가는 스트림릿) 실행코드: streamlit run app.py(앱 이름) 앱을 수정하고 싶을때는 먼저 로컬에서 코드 수정을 하고 테스트한다. 테스트를 할때 터미널에 커맨드 프롬프트를 연다. (가상환경으로 들어가서 시작) 로컬에서 테스트 한것: # 코드가 수정되었습니다. 라는 텍스트가 추가된것을 볼수있다. 푸티에서 실행시킨것: # 실서비스의 스트림릿은 아직 반영 안됨 테스트가 성공하면 커밋 후 깃허브에 푸시한다. 푸.. 2022. 5. 24.
[Streamlit] 로컬에서 만든 앱을 AWS로 배포, 가상환경 구성: joblib 로컬에서 만든 앱을 AWS로 배포하는 순서: 공공데이터나 캐글에서 데이터를 가져와서 코랩을 이용해서 분석한다. (EDA + ML) [이것을 파일로 저장한다.] 로컬에서 스트림릿을 이용해서 웹 대시보드를 만든다. AWS를 이용해서 배포한다. 사용할 데이터: https://startcod.tistory.com/40 [머신러닝] Scaler의 inverse_transform, RandomForest 자동차 소비자들의 데이터를 토대로 자동차 구매 가격을 예측하는 인공지능을 만들어보자 df= # 이 중에서 성별부터 자본까지만 데이터로 활용하자. 전처리과정: df.isna().sum() # NaN없음 X = df.iloc[:, startcod.tistory.com joblib.dump로 인공지능에 쓰인 파일들을 저.. 2022. 5. 20.
[Streamlit] 반응형 차트 만들기 스트림릿에서 제공해주는 line_chart와 area_chart를 사용해서 언어의 사용 빈도수를 표현해보자 in: lang_list = df1.columns[1:] choice_list = st.multiselect('언어를 선택하세요',lang_list) if len(choice_list)!=0: df_choice = df1[choice_list] st.line_chart(df_choice) st.area_chart(df_choice) out: # 먼저 데이터프레임의 컬럼명들을 리스트로 만들었다. # 그후, 멀티셀렉트를 사용해서 변수로 만들었다. 스트림릿이 제공하는 bar_chart도 있다. in: st.bar_chart(df2.iloc[:,0:-1]) out: 웹에서 사용할수있는 차트 라이브러리 중 .. 2022. 5. 20.
[Streamlit] 차트 그리기 스트림릿에서 차트를 그릴수있다. sepal_length와 sepal_width의 관계를 scatter 차트로 나타내보자 in: fig = plt.figure() plt.scatter(data= df, x='sepal_length', y= 'sepal_width') plt.title('Sepal Length vs Width') plt.xlabel('sepal length') plt.ylabel('sepal width') st.pyplot(fig) out: # 스트림릿에서 pyplot이나 seaborn 차트를 나타낼때 plt.show 함수대신 st.pyplot 함수를 사용한다. regplot을 사용해보자 in: fig3 = plt.figure() sns.regplot(data= df, x='sepal_len.. 2022. 5. 20.
[Streanlit] 파일 분리 작업 코드의 복잡도를 줄이기위해 파일을 분리해서 작업한다. 사이드바에 메뉴를 만들어 해당 메뉴를 선택하면 해당 페이지가 나오도록 한다.import streamlit as st menu = ['Home', 'EDA','ML','About'] choice = st.sidebar.selectbox('메뉴',menu) if choice == menu[0]: # 여기 들어갈 내용을 다른 파일로 만든다. pass elif choice == menu[1]: pass elif choice == menu[2]: pass elif choice == menu[3]: pass# 먼저 틀을 잡았다.  홈화면을 위한 코드를 작성한다. in:imp.. 2022. 5. 20.

티스토리툴바