PL Template for NLP(5)

Template을 GUI로 사용하기 위해 Streamlit을 사용하고자 합니다.

그렇기에 Streamlit에 대해 알아보고자 합니다.

Streamlit : 빠르고 간편하게 어필리케이션을 만들 수 있는 툴

python 3.7 ~ 3.11까지 사용가능하며, Mac OS 기준으로 다음과 같이 설치 가능합니다.

>>> python -m ensurepip --upgrade
>>> pip install streamlit

Get started

• Main Concept
  streamlit run 해당 커맨드를 통해 streamlit을 시작할 수 있습니다.

  streamlit run code.py [-- script args]
  python -m streamlit run code.py

• Development Flow
  "Always rerun"을 통해 코드를 변경하고 저장하면 streamlit은 이를 자동으로 반영할 수 있습니다.
• Display and style data
  Streamlit에는 몇가지의 display 방식이 존재합니다. 그 중 magic 방법과 st.write() 방식이 존재합니다.
  • 먼저 magic의 경우 다음과 같이 코드를 작성하면 됩니다.

    import streamlit as st
    import pandas as pd
    df = pd.DataFrame({
    'first column': [1, 2, 3, 4],
    'second column': [10, 20, 30, 40]
    })
    df

    
  • 다음으로는 st.write()를 사용하는 방법입니다.

    import streamlit as st
    import pandas as pd
    st.write("Here's our first attempt at using data to create a table:")
    st.write(pd.DataFrame({
      'first column': [1, 2, 3, 4],
      'second column': [10, 20, 30, 40]
    }))

    
    하지만 모든 경우에 magic과 st.write()가 유용한 것은 아닙니다.
    해당 방식들은 display 형식을 자동으로 지정하기에 원하는 형태의 display가 나오지 않을 수 있습니다.
    이러한 경우엔 st.table, st.dataframe, Styler 등을 활용하여 원하는 방식으로 꾸밀 수 있습니다.

    import streamlit as st
    import pandas as pd
    import numpy as np
    dataframe = np.random.randn(10, 20)
    st.dataframe(dataframe)
    df = pd.DataFrame(
      np.random.randn(10, 20),
      columns=('col %d' % i for i in range(20)))
    st.dataframe(df.style.highlight_max(axis=0))

    
    이외에도 Widgets, Layout 등을 설정할 수 있습니다.
• Caching
  Streamlit에서는 caching 기능을 지원합니다.
  1. @st.cache_data : DF, csv, API calls 등 반환을 해야하는 데이터에 권장됩니다.
  2. @st.cache_resource : ML models 혹은 database connections와 같이 여러번 로드할 필요가 없는 것에 사용합니다.