『Plotly实战指南』--Plotly与Streamlit结合实战
关于Streamlit的介绍，可参考《玩转Streamlit》系列在当今数据驱动的时代，快速构建交互式工具并直观地将数据分析结果交付给用户，已成为数据应用开发的核心需求。
无论是企业内部的决策支持系统，还是面向公众的数据可视化平台，都需要一种高效且灵活的开发方式。
Plotly和Streamlit的结合，正是满足这一需求的完美解决方案。
Plotly作为一个强大的交互式图表库，支持多种图表类型，能够轻松创建动态且美观的可视化效果。
而 Streamlit 是一个轻量级、低代码的 Web 应用框架，专注于简化数据应用的开发流程，让开发者能够快速构建并部署交互式应用。
二者的互补性显而易见：
[*]Plotly：支持 40+ 交互式图表类型，从基础折线图到 3D 曲面图应有尽有
[*]Streamlit：用纯 Python 脚本即可创建 Web 应用，部署时间从数周缩短到数小时
本文主要介绍如何结合Plotly和Streamlit开发动态数据应用，并优化其性能。
1. Streamlit应用中嵌入Plotly图表
1.1. 静态图表嵌入
将Plotly图表嵌入Streamlit应用的基础方法是通过st.plotly_chart()函数直接渲染Plotly图表。
这种方式简单直接，能够快速将图表展示在页面上。
以下是一个将折线图和热力图嵌入 Streamlit 页面的示例代码：
import streamlit as st
import plotly.express as px
import pandas as pd
# 创建一个简单的折线图
df = pd.DataFrame({"x": , "y": })
line_fig = px.line(df, x="x", y="y", title="折线图示例")
# 创建一个热力图
heatmap_data = pd.DataFrame({"A": , "B": , "C": })
heatmap_fig = px.imshow(heatmap_data, title="热力图示例")
# 在 Streamlit 中展示图表
st.plotly_chart(line_fig)
st.plotly_chart(heatmap_fig)
1.2. 图表与组件交互
Plotly图表的强大之处不仅在于其静态展示能力，更在于其动态交互性。
通过结合Streamlit的交互组件（如st.slider和st.selectbox），可以实现图表参数的动态控制，从而为用户提供更加灵活的可视化体验。
以下是一个案例，展示如何通过用户选择的日期范围实时更新K 线图：
import streamlit as stimport plotly.graph_objects as goimport pandas as pd# 获取K线数据data = pd.read_parquet( r"/path/to/BTC-USDT_1h.parquet")# 创建日期范围选择器start_date = st.date_input("开始日期", value=data["candle_begin_time"].min())end_date = st.date_input("结束日期", value=data["candle_begin_time"].max())# 根据选择的日期范围筛选数据filtered_data = data.query( "candle_begin_time >= @start_date & candle_begin_time
页:
[1]