poetry add streamlit
poetry run streamlit run app.py

import streamlit as st

st.title("控件速览")

name = st.text_input("你的名字", "Walter")     # 返回输入框里的字符串
age = st.slider("年龄", 0, 100, 30)             # 返回滑块当前值
ok = st.checkbox("我同意")                       # 返回 True / False
city = st.selectbox("城市", ["合肥", "上海", "北京"])

if st.button("提交"):                            # 点了返回 True(仅本次重跑)
    st.write(f"你好 {name},{age} 岁,来自 {city}")
    st.success("提交成功") if ok else st.warning("请先勾选同意")

import streamlit as st

st.sidebar.header("过滤条件")                    # 放进左侧边栏
threshold = st.sidebar.slider("阈值", 0, 100, 50)

col1, col2 = st.columns(2)                       # 并排两栏
col1.metric("今日订单", "1,204", "+8%")
col2.metric("失败率", "0.3%", "-0.1%")

tab_a, tab_b = st.tabs(["概览", "明细"])          # 标签页
with tab_a:
    st.write("这里放概览")
with tab_b:
    st.write("这里放明细表")

with st.expander("查看原始日志"):                 # 默认折叠,点开才显示
    st.code("2026-07-05 INFO ...", language="log")

import streamlit as st

# 初始化(只在第一次进入时执行有效值)
if "count" not in st.session_state:
    st.session_state.count = 0

st.write("当前计数:", st.session_state.count)

if st.button("加一"):
    st.session_state.count += 1     # 改它,重跑后依然在
    st.rerun()                      # 可选:立刻再跑一次刷新显示

import streamlit as st
import pandas as pd

@st.cache_data           # 缓存"数据":同样的入参,只算一次
def load_data(path):
    return pd.read_csv(path)

@st.cache_resource       # 缓存"资源":数据库连接、模型这类全局单例
def get_model():
    from sklearn.linear_model import LinearRegression
    return LinearRegression()

df = load_data("sales.csv")   # 第一次读盘,之后秒回

# dashboard.py  —— 运行: poetry run streamlit run dashboard.py
import streamlit as st
import pandas as pd
import numpy as np

st.set_page_config(page_title="销售看板", layout="wide")
st.title("📊 销售数据看板")

@st.cache_data
def load(file):
    return pd.read_csv(file)

# 没上传就造一份示例数据,保证读者不用准备文件也能跑
file = st.sidebar.file_uploader("上传 CSV", type="csv")
if file:
    df = load(file)
else:
    st.info("未上传文件,使用示例数据")
    df = pd.DataFrame({
        "城市": np.random.choice(["合肥", "上海", "北京"], 200),
        "销量": np.random.randint(50, 500, 200),
    })

# 侧边栏过滤
cities = st.sidebar.multiselect("城市", df["城市"].unique(), df["城市"].unique())
view = df[df["城市"].isin(cities)]

# 顶部指标
c1, c2, c3 = st.columns(3)
c1.metric("记录数", len(view))
c2.metric("总销量", int(view["销量"].sum()))
c3.metric("平均销量", round(view["销量"].mean(), 1))

# 图 + 表两个标签页
tab1, tab2 = st.tabs(["按城市汇总", "明细数据"])
with tab1:
    st.bar_chart(view.groupby("城市")["销量"].sum())
with tab2:
    st.dataframe(view, use_container_width=True)
    st.download_button("下载筛选结果", view.to_csv(index=False), "filtered.csv")

with st.form("filter"):
    kw = st.text_input("关键词")
    n = st.slider("数量", 1, 100, 10)
    if st.form_submit_button("查询"):   # 只有这一下才触发
        st.write(f"查询 {kw},取 {n} 条")

@startmindmap
<style>
mindmapDiagram {
  node {
    BackgroundColor #F8F9FA
    RoundCorner 10
    Padding 10
    FontSize 13
  }
  :depth(0) {
    BackgroundColor #1E3A5F
    FontColor white
    FontSize 18
    FontStyle bold
  }
  :depth(1) {
    FontSize 15
    FontStyle bold
  }
  :depth(2) {
    FontSize 13
  }
}
</style>

* Streamlit 深入浅出
** 设计理念
*** 交互即整脚本重跑
*** 不是改房子是重拍照
*** 代价1 变量会重置
*** 代价2 慢操作反复跑
** 常用法
*** 控件返回值即当前值
*** 布局 sidebar/columns/tabs
*** session_state 记住状态
*** cache_data / cache_resource
** 完整实例
*** CSV 看板
*** 上传 过滤 图表 导出
*** 八十行搞定
** 最佳实践
*** 状态进 session_state
*** 慢活进 cache 并分清 data/resource
*** form 打包一次提交
*** fragment 局部刷新
*** secrets 存密码
*** pages 拆多页
*** 想好并发模型
** 最后
*** 门槛压到会写脚本
*** 好工具让你回到问题本身
@endmindmap