Streamlit: o que é e como usar a ferramenta para criar apps interativos

Você quer criar aplicativos interativos e visualizações de dados de forma rápida e fácil? Com o Streamlit, uma biblioteca open-source em Python, isso é possível com apenas algumas linhas de código. Ideal para cientistas de dados e engenheiros de Machine Learning, essa ferramenta permite transformar seus scripts em web apps compartilháveis, sem necessidade de experiência prévia em desenvolvimento web.

Neste post, você aprenderá a instalar o Streamlit, criar um app interativo do zero e explorar suas potentes funcionalidades — indo da construção de dashboards dinâmicos à integração com bibliotecas populares como Pandas e Matplotlib.

O que é o Streamlit?

O Streamlit é uma ferramenta projetada para criar aplicativos web de maneira rápida e simples. Ele se destaca pela sua facilidade de uso, permitindo que usuários sem experiência em desenvolvimento web consigam criar aplicativos interativos e visualizações de dados de forma dinâmica. A principal função do Streamlit é transformar scripts de dados em web apps compartilháveis, usando para isso apenas algumas linhas de código.

Com o Streamlit, é possível gerar aplicações de aparência impressionante sem a necessidade de conhecimentos técnicos avançados. O foco do Streamlit é atender às necessidades de profissionais que desejam desenvolver e compartilhar rapidamente suas análises de dados.

Outra grande vantagem do Streamlit é a sua integração com diversas bibliotecas populares do ecossistema Python, como Pandas, NumPy, e Matplotlib, permitindo realizar análises complexas e representar visualmente os dados de forma atrativa.

Como instalar o Streamlit?

Para instalar o Streamlit, você tem várias opções, dependendo da sua preferência e do ambiente de desenvolvimento que está utilizando:

Opção 1: Usando a linha de comando

1. Configure seu ambiente de desenvolvimento Python.

2. Execute o comando:

   pip install streamlit
   

3. Valide a instalação executando o aplicativo de exemplo:

   streamlit hello
   

Opção 2: Usando uma interface gráfica

• Se você prefere uma interface gráfica, pode instalar o Streamlit utilizando a Anaconda Distribution, o que pode ser mais simples, especialmente se você estiver no Windows ou não tiver o Python instalado.

Opção 3: Usando um ambiente baseado em nuvem

• Utilize o Streamlit Community Cloud com GitHub Codespaces, onde você não precisa se preocupar em instalar o Python e configurar o ambiente.

Opção 4: Ambiente seguro e controlado na nuvem

• Você pode usar o Streamlit no Snowflake para desenvolver seus aplicativos na nuvem, ao lado dos seus dados, com controles de acesso baseados em funções.

Escolha a opção que melhor se adeque ao seu cenário!

Como criar e rodar um app Streamlit?

Para criar e rodar uma aplicação Streamlit, siga estas etapas simples:

1. Crie um novo script Python: Abra seu editor ou IDE favorito e crie um arquivo, como uber_pickups.py.

2. Adicione as importações necessárias: Insira as linhas essenciais ao seu script:

   import streamlit as st
   import pandas as pd
   import numpy as np
   

3. Defina um título para o seu app: Segue um exemplo:

   st.title('Uber pickups in NYC')
   

4. Execute seu app: Para isso, utilize o seguinte comando na linha de comando:

   streamlit run uber_pickups.py
   

   O app será iniciado e deve abrir automaticamente em uma nova aba do seu navegador.

5. Carregue os dados: Escreva uma função para carregar os dados. Use um conjunto de dados, como o da Uber:

   DATE_COLUMN = 'date/time'
   DATA_URL = ('https://s3-us-west-2.amazonaws.com/'
               'streamlit-demo-data/uber-raw-data-sep14.csv.gz')
   
   @st.cache_data
   def load_data(nrows):
       data = pd.read_csv(DATA_URL, nrows=nrows)
       data[DATE_COLUMN] = pd.to_datetime(data[DATE_COLUMN])
       return data
   

6. Teste a função de carregamento de dados: Adicione linhas ao seu script para que os dados sejam carregados:

   data_load_state = st.text('Loading data...')
   data = load_data(10000)
   data_load_state.text('Done! (using st.cache_data)')
   

7. Adicione funcionalidades interativas. Utilize os widgets do Streamlit, como st.slider() e st.checkbox(), para permitir que os usuários interajam com os dados.

Com esses passos, você terá um app interativo pronto para ser visualizado e utilizado em seu navegador.

O que você pode fazer com Streamlit?

Com o Streamlit, você pode construir e compartilhar rapidamente aplicativos de dados interativos e dashboards. Aqui estão algumas das funcionalidades que você pode explorar:

1. Visualização de dados

O Streamlit se integra a bibliotecas populares de Python, como Pandas, Matplotlib, Seaborn e Plotly, facilitando a exibição e a análise de dados em formatos atraentes.

2. Interatividade

Adicione widgets interativos (inputs, botões e sliders) às suas aplicações, permitindo que os usuários interajam com as análises de forma dinâmica.

3. Desenvolvimento simples

O desenvolvimento se torna descomplicado, com código modularizado e de fácil leitura, permitindo criar aplicativos com pouco esforço.

4. Deploy em nuvem

Permite a implantação em diversas plataformas, como Docker e Kubernetes, além de opções de deploy em serviços como Google Cloud e AWS.

5. Compartilhamento de projetos

Possui uma comunidade ativa onde você pode encontrar inspirações, códigos-fonte e exemplos de projetos que podem ser adaptados.

Como criar visualizações de dados com Streamlit?

Para criar visualizações de dados com Streamlit, siga estas etapas:

1. Importação das bibliotecas:

   import streamlit as st
   import pandas as pd
   import plotly.express as px
   

2. Criação de um DataFrame: Utilize pandas para criar um DataFrame:

   df = pd.DataFrame({
       'Fruta': ['Maçãs', 'Laranjas', 'Bananas'],
       'Quantidade': [10, 20, 30]
   })
   

3. Escolha do tipo de gráfico: Algumas opções:

   • Gráfico de barras:

     st.bar_chart(df.set_index('Fruta'))
     

   • Gráfico de linhas:

     st.line_chart(df.set_index('Fruta'))
     

   • Gráficos interativos com Plotly:

     fig = px.bar(df, x='Fruta', y='Quantidade', title='Quantidade de Frutas')
     st.plotly_chart(fig)
     

4. Personalização de gráficos: Customize seus gráficos ajustando cores, títulos e etiquetas:

   import matplotlib.pyplot as plt
   
   plt.plot(df['Fruta'], df['Quantidade'], color='blue', marker='o')
   plt.title('Frutas x Quantidade')
   st.pyplot()
   

5. Adicionando interatividade: Use widgets para tornar suas visualizações mais interativas, como um slider para selecionar uma quantidade mínima:

   quantidade_min = st.slider('Selecione a quantidade mínima:', 0, 50, 10)
   df_filtered = df[df['Quantidade'] >= quantidade_min]
   st.bar_chart(df_filtered.set_index('Fruta'))
   

6. Executando o aplicativo: Salve seu código em um arquivo Python e execute com o comando:

   streamlit run app.py
   

7. Explorando mais tipos de visualizações: O Streamlit permite criação de tabelas usando st.dataframe(df) ou gráficos de dispersão e mapas.

Essas etapas oferecem uma base sólida para você começar a explorar visualizações de dados com Streamlit de maneira efetiva e dinâmica.

Conclusão

Neste post, você aprendeu como instalar o Streamlit e criar aplicativos interativos com facilidade, aproveitando suas integrações com bibliotecas populares de Python. Também exploramos como desenvolver visualizações dinâmicas, permitindo que seus dados se tornem mais acessíveis e interessantes para o público.

Agora que você está familiarizado com as funcionalidades do Streamlit, é hora de colocar em prática esse conhecimento e experimentar a criação de seus próprios projetos. O potencial dessa ferramenta é vasto e pode transformar a maneira como você apresenta suas análises de dados.