交互类组件
在
Web
应用程序中至关重要，它们允许用户与应用进行实时互动，能够显著提升用户体验。

用户不再只是被动地接收信息，而是可以主动地输入数据、做出选择或触发事件，从而更加深入地参与到应用中来。

此外，对于某些复杂的任务或操作，
交互类组件
可以将其分解成一系列简单的步骤或选择，从而降低用户的认知负担和学习成本

。这使得用户能够更轻松地完成这些任务，提高应用的易用性。

Streamlit
中交互类组件有很多，本篇介绍其中最常用的几种，这也是
Web
页面中最常见到的几种组件。

• st.text_input
  ：允许用户输入文本，用于收集用户输入的字符串信息。
• st.button
  ：提供一个可点击的按钮，用户点击后触发特定操作或事件。
• st.selectbox
  ：显示下拉列表，让用户从预设选项中选择一个。
• st.multiselect
  ：提供下拉多选功能，允许用户从预设选项中选择多个。
• st.radio
  ：显示单选按钮组，让用户从多个选项中选择一个。
• st.checkbox
  ：提供复选框，让用户选择或取消选择特定选项。

1. 组件概述

1.1. st.text_input

用于输入普通文本或者密码，类似于HTML中的
<input type="text">
。

核心的参数有：

1.2. st.button

提供一个按钮用来出发特定事件，类似于HTML中的
<button>
。

核心的参数有：

1.3. st.selectbox

下拉选择框，类似于HTML中的
<select>
。

核心的参数有：

1.4. st.multiselect

可以多选的下拉选择框，类似于HTML中的
<select multiple>
。

核心的参数有：

1.5. st.radio

单选按钮组，类似于HTML中的
<input type="radio">
。

核心的参数有：

1.6. st.checkbox

复选框，类似于HTML中的
<input type="checkbox">
。

核心的参数有：

2. 组件使用示例

下面通过从实际场景中简化而来的示例，来看看如何使用
Streamlit
的交互类组件。

2.1. "用户偏好调查"示例

这个示例模拟了一个真实的用户调查场景，

通过
Streamlit
的交互式组件，用户可以轻松地输入和选择信息，并提交给应用进行处理和显示。

import streamlit as st

# 标题
st.title("用户偏好调查")

# 文本输入框：收集用户名
username = st.text_input("请输入您的姓名：")

# 下拉单选框：选择性别
gender = st.selectbox("请选择您的性别：", ["男", "女", "其他"])

# 下拉多选框：选择兴趣爱好
hobbies = st.multiselect(
    "请选择您的兴趣爱好：", ["阅读", "运动", "旅行", "音乐", "电影"]
)

# 单选按钮组：选择喜欢的颜色
favorite_color = st.radio("请选择您喜欢的颜色：", ["红色", "蓝色", "绿色", "黄色"])

# 复选框：是否同意接收推送
accept_push = st.checkbox("您是否同意接收推送消息？")

# 按钮：提交调查
if st.button("提交调查"):
    # 收集所有输入信息并显示
    user_info = {
        "姓名": username,
        "性别": gender,
        "兴趣爱好": ", ".join(hobbies),
        "喜欢的颜色": favorite_color,
        "是否同意接收推送": "是" if accept_push else "否",
    }

    st.subheader("您的调查信息如下：")
    st.write(user_info)

2.2. "数据分析项目仪表板"示例

这个示例模拟了一个数据分析项目的仪表板，

通过
Streamlit
的交互式组件，用户可以轻松地与数据进行交互，选择他们感兴趣的分析方式，并查看和下载分析结果。

import streamlit as st
import pandas as pd
import numpy as np

# 假设数据集
data = pd.DataFrame(
    {
        "日期": pd.date_range(start="2023-01-01", periods=100, freq="D"),
        "类别": np.random.choice(["A", "B", "C"], 100),
        "销售额": np.random.randint(100, 1000, 100),
        "利润": np.random.randint(10, 100, 100),
    }
)

# 标题
st.title("数据分析项目仪表板")

# 文本输入框：输入项目名称
project_name = st.text_input("请输入项目名称：")

# 下拉单选框：选择分析类别
analysis_category = st.selectbox("请选择分析类别：", data["类别"].unique())

# 下拉多选框：选择显示的列
display_columns = st.multiselect("请选择要显示的列：", data.columns)
selected_data = data[display_columns]

# 单选按钮组：选择汇总方式
agg = st.radio("请选择汇总方式：", ["总和", "平均值", "最大值", "最小值"])
agg_dict = {
    "总和": "sum",
    "平均值": "mean",
    "最大值": "max",
    "最小值": "min",
}

# 复选框：是否按类别汇总
group_by_category = st.checkbox("是否按类别汇总？")

# 按钮：执行分析
if st.button("执行分析"):
    # 根据用户选择进行分析
    if group_by_category:
        grouped_data = (
            selected_data.groupby("类别")
            .agg({col: agg_dict[agg] for col in selected_data.columns if col != "类别"})
            .reset_index()
        )
    else:
        grouped_data = (
            selected_data.agg({col: agg_dict[agg] for col in selected_data.columns})
            .to_frame()
            .T
        )

    # 显示分析结果
    st.subheader("分析结果：")
    st.dataframe(grouped_data)

3. 总结

总之，这些交互式组件使得用户可以通过文本输入、选择、勾选等方式与应用进行互动，从而根据用户需求动态地展示和分析数据。

它们极大地增强了应用的灵活性和用户体验，使得数据分析、数据可视化等任务变得更加直观和便捷。