Python streamlit框架开发数据分析网站并免费部署

近期公司有一个需求，将设备导出的温度数据，使用线上的方式进行分析，取代原先使用Excel的方式分析查看图表，看了python的streamlit web框架，符合此次开发需求，可以快速开发

1.数据分析思路

查看分析设备数据

设备导出的数据为CSV文件，从第14行开始为温度数据，数据使用科学计数表示，数据之间使用“逗号分隔”，数据组织较为简单

2.程序开发思路

根据对CSV温度数据的分析，如此我们可以使用“pandas”库来读取所有数据，并将科学计数的数据转换为10进制表示，将转换完的数据使用图表matplotlib库展示出来即可，

3.开发

import streamlit as st
import pandas as pd
from dataprocessing import dataprocessing,datatimeSubdatatime,max_min_avg_stand
import matplotlib.pyplot as plt

import streamlit as st：导入streamlit 框架包，

import pandas as pd：读取分析CSV数据

from dataprocessing import dataprocessing,datatimeSubdatatime,max_min_avg_stand：分析时间，分析数据取最大值最小值等

import matplotlib.pyplot as plt：图表显示库

3.1 主要程序

根据对CSV文件的分析，我们使用Python中的列表存储数据，方便我们对数据进行筛选

#开始处理CSV文件并显示
# 读取CSV文件
my_bar = st.progress(0)
my_bar.progress(10, text="开始读取CSV文件")
data = pd.read_csv(uploaded_files, encoding='utf16', skiprows=13)
# 获取行数
lines = data.values.shape
print(lines)
# 提取第一行数据并去除分号
infolist = []
my_bar.progress(12, text="开始分析CSV文件")
for i in range(lines[0]):
  newinfolist = []
  cleaned_data = str(data.values[i][0]).split(';')

  # 打印清洗后的数据
  # HB时间
  HBdata = f"{cleaned_data[0]}:{cleaned_data[1]}"
  # 设定温度（电流）
  temperature = dataprocessing(cleaned_data[2])
  # 正线
  Mainline = dataprocessing(cleaned_data[3])
  # 回流管
  Returnline = dataprocessing(cleaned_data[4])
  # 流量
  Flowrate = dataprocessing(cleaned_data[11])
  # 系统压力
  Systempressure = dataprocessing(cleaned_data[14])
  # 调节比率
  Regulationratio = dataprocessing(cleaned_data[9])
  # 设定值系统压力
  Setvaluesystempressure = dataprocessing(cleaned_data[13])
  # 泵压差
  Pumppressuredifferential = dataprocessing(cleaned_data[16])
  newinfolist.append(HBdata)
  newinfolist.append(temperature)
  newinfolist.append(Returnline)
  newinfolist.append(Flowrate)
  newinfolist.append(Systempressure)
  newinfolist.append(Mainline)
  newinfolist.append(Regulationratio)
  newinfolist.append(Setvaluesystempressure)
  newinfolist.append(Pumppressuredifferential)
  infolist.append(newinfolist)

数据展示示例

 ['2023-07-06:21:52:03', 40.0,39.3, 10.0,   0.7,   38.6,   0.7,        0,       0.1]

有了列表组成的数据，那么我们对其进行找出最大值最小值就容易多了

如求出最大值，下面这个函数，将我们需要分析的列表数据的索引传到里面，并将所有数据也传进去，将返回最大值，最小值等

Settempervalue = max_min_avg_stand(1,infolist)

def max_min_avg_stand(index:int,infolist):
    # 计算每个子列表中第二个元素的最大值
    max_values = max(sublist[index] for sublist in infolist)
    # 计算每个子列表中第二个元素的最小值
    min_values = min(sublist[index] for sublist in infolist)
    # 计算平均值
    average_value = sum(sublist[index] for sublist in infolist) / len(infolist)
    # 提取第二个元素到一个列表中
    second_elements = [sublist[index] for sublist in infolist]
    # 计算标准差
    standard_deviation = np.std(second_elements)
    # 输出结果
    return [max_values, min_values, average_value,standard_deviation]

还需要实现一个功能，就是人员选择什么就是就在图表中显示什么数据，

那么我们使用streamlit框架创建一个多选框，多选框会返回一个数据，包含索引和“”列名

options = st.multiselect(
        '请选择需要查看的数据',
        ['Set temperature(current)', 'Return line', 'Flow rate', 'System pressure', 'Main line', 'Regulation ratio',
         'Set value system pressure', 'Pump pressure differential'],
        ['Set temperature(current)'])

我们再次声明一个空列表，将选择的数据名称放入其中，已便后续对已选择的数据做判断

    for count in range(len(options)):
        optionslist.append(options[count])

判断已选择的数据是否存在，存在则在图表中创建相关数据图

 if "Set temperature(current)" in optionslist:
                ax.plot(xlist, ylist, color='#000000', label='Set temperature(current)')

至此，主要代码逻辑完成

展示效果：地址：Streamlit (mgghbcsv.streamlit.app)

全部代码地址：GitHub - yigedaigua/MGHB: 这是一个通过python Steamlit框架开发的HB模温机数据分析Web

4.部署

官方提供了免费的部署，速度还行，

需要注意：

需要将代码上传至GitHub，并在代码中包含requirements.txt所有依赖信息，

使用命令“pip freeze > requirements.txt”生成

官方部署：Streamlit • A faster way to build and share data apps