『玩转Streamlit』--页面布局

王习然

一个优秀的数据应用不仅仅是功能的强大，更在于其用户体验的打造。
而良好的页面布局，作为用户体验的重要组成部分，不仅能够提升信息的可读性，还能引导用户高效地完成操作。
反之，混乱的布局会让人感到困惑和挫败，甚至导致用户放弃使用应用。
在Streamlit中，Sidebar（侧边栏）、Columns（列布局）和Tabs（标签页）是三个至关重要的布局组件，它们各自有不同的使用场景，共同构成了应用界面的骨架。
1. 侧边栏 st.sidebar

Sidebar（侧边栏）在Streamlit应用中主要是导航作用。
Sidebar通常位于应用界面的左侧或右侧，它的优势在于，既不会占用主内容区域的空间，又同时保持了对关键功能的即时访问，特别适用于那些需要频繁切换功能或具有多层导航结构的应用。
Sidebar不是菜单，一般不用于页面的切换，它的里面可以包含其他的组件。
下面构建一个简化的数据分析场景，演示Sidebar的使用方法。
我们在Sidebar中设置需要选择的数据集和数据分类（分为测试集和验证集），
然后在主页面中获取选择的数据集和数据分类，只实现操作数据的功能。

1. # 侧边栏中选择数据集
2. dataset = st.sidebar.selectbox(
3.     "选择数据集?",
4.     (
5.         "手写数字数据",
6.         "房屋成交数据",
7.         "股市交易数据",
8.     ),
9. )
11. # 侧边栏中选择数据分类
12. data_type = st.sidebar.radio(
13.     "数据分类: ",
14.     ("测试集", "验证集", "所有数据"),
15. )
17. # 右侧页面中的模拟操作
18. st.title(f"数据集： {dataset}")
19. st.divider()
20. st.write(f"数据分类： 【{data_type}】")
21. st.write(f"TODO！！！: 操作数据的功能")

复制代码

2. 列布局 st.columns

Columns布局，即列布局，是一种将页面内容分割成多个垂直排列的列，以便更有效地展示信息的布局方式。
这种布局方式不仅提升了页面的视觉吸引力，还显著增强了用户体验，使得信息获取更加直观和便捷。
在Streamlit中，可以使用st.columns函数来创建列布局。
这个函数接受一个列表作为参数，列表中的每个元素都是一个函数，代表一列的内容。
Streamlit会按照列表的顺序和长度来渲染列。
比如，我们构造一个数据分析的示例，分3列展示内容，

• 第一列模拟选择数据
  
• 第二列模拟一些配置信息
  
• 第三列根据配置模拟绘制图形
  

1. # 绘图的类型放在session中
2. if "graph" not in st.session_state:
3.     st.session_state.graph = ""
5. # 第一列
6. def column_1():
7.     st.header("1. 选择数据")
8.     st.selectbox(
9.         "选择数据集?",
10.         (
11.             "手写数字数据",
12.             "房屋成交数据",
13.             "股市交易数据",
14.         ),
15.     )
16.     # 随机模拟的数据
17.     data = pd.DataFrame(np.random.randn(5, 3), columns=["A", "B", "C"])
18.     st.table(data)
21. def column_2():
22.     st.header("2. 配置数据")
23.     graph = st.radio(
24.         "图形类型: ",
25.         ("折线图", "柱状图", "散点图"),
26.     )
28.     st.session_state.graph = graph
31. def column_3():
32.     st.header("3. 绘制图形")
34.     chart_data = pd.DataFrame(np.random.randn(20, 3), columns=["A", "B", "C"])
35.     if st.session_state.graph == "散点图":
36.         st.scatter_chart(chart_data)
38.     if st.session_state.graph == "折线图":
39.         st.line_chart(chart_data)
41.     if st.session_state.graph == "柱状图":
42.         st.bar_chart(chart_data)
45. col1, col2, col3 = st.columns(3)
47. with col1:
48.     column_1()
50. with col2:
51.     column_2()
53. with col3:
54.     column_3()

复制代码

3. 标签页 st.tabs

Tabs组件的主要用途在于将复杂的信息结构分解为多个独立的、可切换的部分，每个部分（或称为“标签页”）都包含相关的内容或功能。
这种设计方式有助于减少用户在同一时间内需要处理的信息量，避免界面过载，同时也便于用户快速找到所需内容。
同样是上面的例子，如果数据的字段很多，配置数据的项目也很多，那么上面的Columns布局就显得很拥挤，
这时，用Tabs布局更好，代码调整很简单。

1. tab1, tab2, tab3 = st.tabs(["1. 选择数据", "2. 配置数据", "3. 绘制图形"])
3. with tab1:
4.     tab_1()
6. with tab2:
7.     tab_2()
9. with tab3:
10.     tab_3()

复制代码

上面函数tab_1()，tab_2()，tab_3()中的代码和Columns布局示例中的column_1()，column_2()，column_3()代码基本一样。

随着Columns布局的每个Columns内容逐渐增多时，可以考虑改用Tabs布局。
4. 总结

总之，这三种布局方式各有千秋，选择哪种布局取决于应用的具体需求、用户习惯以及设计目标。
Sidebar（侧边栏）提供持续可见的导航菜单，适合功能繁多或需频繁切换的应用，帮助用户快速定位所需功能，同时保持主内容区域的清晰。
Columns（列布局）则通过分割界面为多个并列区域，实现图文混排或数据报表的灵活展示。
它提高了信息密度，使得用户能够在同一视图中获取更多信息，适用于需要同时展示多种数据类型或视图的场景。
Tabs（标签页）将内容划分为多个独立的、可切换的部分，每个部分包含相关功能或信息。
它有助于节省屏幕空间，同时帮助用户对信息进行逻辑分组，提高信息检索效率。
Tabs适用于功能或信息分类明确，且用户可能需要根据不同需求切换查看的应用。

来源:https://www.cnblogs.com/wang_yb/p/18516928
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！