streamlit 꾸미기를 해보자 - 데이터 프레임 활용편

이 포스팅 역시 앞 부분과 관련되어 작성되었음을 알리지만 꼭 따라해볼 필요는 없다.

이 전에 다룬 마크다운 문법을 활용한 꾸미기가 궁금하다면 아래 링크를 보고오길 바란다.

2023.07.28 - [python] - streamlit 꾸미기를 해보자 - 마크다운 활용편

streamlit 꾸미기를 해보자 - 마크다운 활용편

 

1. 데이터 프레임 import

내가 사용할 데이터 프레임을 import 해주자

 

2. 데이터 불러오기

아래 코드를 참고해 데이터를 가져오자

이 때, 앞의 포스팅부터 따라와서 위에 내용이 있다면 꼭 들여쓰기를 해줘야하며, 앞 부분 이후에 작성해주도록 하자

 

 ## 데이터 프레임
    st.title("데이터 프레임")
    df = sns.load_dataset('iris')
    st.dataframe(df.head(50))
    st.write(df.head(50))

 

여기서 중요한것!!

⭐ st.dataframe과 st.write의 차이점 ⭐

dataframe의 경우 width, height의 변경이 가능하지만, write는 표를 위한 것이 아니라 조정이 불가능하다.

 

3. Metric

 

 

## metric
    tips = sns.load_dataset('tips')
    tip_max = tips['tip'].max()
    tip_min = tips['tip'].min()
    st.metric(label = "Max Tip", value = tip_max, delta = tip_max - tip_min)
    st.table(tips.describe())

 

원하는 값이 잘 나왔다면 성공!

 

4. 시각화 하기

시각화를 할 때, 우리는 plt.polt을 사용하는 방법보단, fig, ax 를 사용한 한줄 정의를 사용할 것을 권장한다.

plt.plot을 쓰면 간단하게 사용은 가능하지만 코드가 길어지고 우리가 손을 보는 것도 어려워진다.

객체 지향 문법을 사용하면 한줄로 정의를 함과 동시에 matplotlib을 모두 활용할 수 있다.

 fig는 쉽게 말하면 큰 종이이고 ax는 큰 종이를 꾸밀 다양한 도구들이라고 생각하면 되겠다.

 

 

    ## 시각화 matplotlib
    m_tips = tips.loc[tips['sex'] == 'Male', :]
    f_tips = tips.loc[tips['sex'] == 'Female', :]

    # 성별 구분해보기
    st.dataframe(m_tips)
    st.dataframe(f_tips)

    # fig, ax = plt.subplot() >> 객체지향문법, 꼭 정의하고 하기
    
    fig, ax = plt.subplots(ncols=2, figsize=(10, 6), sharex=True, sharey=True)
    ax[0].scatter(x = m_tips['total_bill'], y = m_tips['tip'])
    ax[0].set_title('Male')
    ax[1].scatter(x = f_tips['total_bill'], y = f_tips['tip'])
    ax[1].set_title('Female')
    fig.supxlabel('Total Bill($)')
    fig.supylabel('Tip($)')
    st.pyplot(fig)

 

성별로 구분한 데이터와 시각화 자료