京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者:俊欣
来源:关于数据分析与可视化
小编最近碰上了一个数据分析利器,可以将我们需要的数据展示在网页上,并且进行相对深度的数据分析与挖掘,所以就打算借此机会和大家分享一下。
我们知道用Streamlit模块来进行web应用的开发真的非常的方便,但是在展示表格方面则显得十分地简陋,只有两个简单的接口函数,分别是st.table(df)和st.dataframe(df),对于字段较多的表格数据的展示非常的不友好,今天小编就来介绍一款Streamlit的插件,streamlit-aggrid,它的基础功能包括
首先我们先通过pip命令下载该模块
pip install streamlit-aggrid
我们先来写一个简单的demo,看一下该模块到底能实现哪些功能,代码如下
import pandas as pd import streamlit as st from st_aggrid import AgGrid
st.set_page_config(page_title="网飞(Netflix)的电影数据分析", layout="wide")
st.title("网飞(Netflix)的电影数据分析")
shows = pd.read_csv("netflix_titles.csv")
AgGrid(shows)
output
我们和st.dataframe(shows)出来的结果相比,发现调用streamlit-aggrid模块展示出来的表格更加美观,如下图所示
不同方法的结果对比
当然我们还能够给数据进行排序,如下图所示
并且还可以根据指定的条件来进行数据的筛选,如下图所示
我们还可以按照自己的喜好来拖拽表格当中的每一列的数据,调整表格的顺序
除了上面的一些基本操作之外,streamlit-aggrid模块展示出来的表格数据还支持翻页操作,代码如下
import pandas as pd import streamlit as st from st_aggrid import AgGrid from st_aggrid.grid_options_builder import GridOptionsBuilder
st.set_page_config(page_title="网飞(Netflix)的电影数据分析", layout="wide")
st.title("网飞(Netflix)的电影数据分析")
shows = pd.read_csv("netflix_titles.csv")
gb = GridOptionsBuilder.from_dataframe(shows)
gb.configure_pagination()
gridOptions = gb.build()
AgGrid(shows, gridOptions=gridOptions)
output
我们平常在Pandas模块当中用到的groupby分组统计来streamlit-aggrid模块当中也可以轻松地实现,代码如下
import pandas as pd import streamlit as st from st_aggrid import AgGrid from st_aggrid.grid_options_builder import GridOptionsBuilder
st.set_page_config(page_title="网飞(Netflix)的电影数据分析", layout="wide")
st.title("网飞(Netflix)的电影数据分析")
shows = pd.read_csv("netflix_titles.csv")
gb = GridOptionsBuilder.from_dataframe(shows)
gb.configure_pagination()
gb.configure_side_bar()
gb.configure_default_column(groupable=True, value=True, enableRowGroup=True, aggFunc="sum", editable=True)
gridOptions = gb.build()
AgGrid(shows, gridOptions=gridOptions, enable_enterprise_modules=True)
这样,在表格的最左侧会出现工具栏,我们可以在其中进行进一步的操作,如下图所示
在Pandas模块当中我们可以给指定的数据高亮显示,那么同样地在streamlit-aggrid模块当中也可以实现,代码如下
shows = pd.read_csv("netflix_titles.csv")
gb = GridOptionsBuilder.from_dataframe(shows)
cellsytle_jscode = JsCode( """
function(params) {
if (params.value.includes('United States')) {
return {
'color': 'white',
'backgroundColor': 'red'
}
} else {
return {
'color': 'black',
'backgroundColor': 'white'
}
}
};
""" )
gb.configure_column("country", cellStyle=cellsytle_jscode)
gridOptions = gb.build()
data = AgGrid(
shows,
gridOptions=gridOptions,
enable_enterprise_modules=True,
allow_unsafe_jscode=True )
我们将国家为“美国”的电影数据用红色高亮显示出来,如下图所示
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26在CDA(Certified Data Analyst)数据分析师的能力体系中,线性回归是连接描述性统计与预测性分析的关键桥梁,也是CDA二级认证的 ...
2026-03-26在数据分析、市场研究、用户画像构建、学术研究等场景中,我们常常会遇到多维度、多指标的数据难题:比如调研用户消费行为时,收 ...
2026-03-25在流量红利见顶、获客成本持续攀升的当下,营销正从“广撒网”的经验主义,转向“精耕细作”的数据驱动主义。数据不再是营销的辅 ...
2026-03-25