기본 데이터 앱 구조
# app.py
import streamlit as st
import pandas as pd
import numpy as np
# 페이지 설정
st.set_page_config(
page_title="데이터 대시보드",
page_icon="📊",
layout="wide",
initial_sidebar_state="expanded"
)
# 제목과 설명
st.title("📊 데이터 분석 대시보드")
st.markdown("""
이 대시보드는 **실시간 데이터 분석**을 위한 인터랙티브 도구입니다.
사이드바에서 옵션을 조절해 보세요!
""")
# 사이드바 설정
st.sidebar.header("설정")
data_size = st.sidebar.slider("데이터 크기", 100, 1000, 500)
chart_type = st.sidebar.selectbox("차트 타입", ["Line", "Bar", "Area"])
# 샘플 데이터 생성
@st.cache_data
def generate_data(size):
dates = pd.date_range(start="2024-01-01", periods=size)
return pd.DataFrame({
"날짜": dates,
"매출": np.random.randint(1000, 5000, size),
"비용": np.random.randint(500, 2000, size),
"이익": np.random.randint(200, 1500, size)
})
df = generate_data(data_size)
# 메트릭 표시
col1, col2, col3 = st.columns(3)
with col1:
st.metric("총 매출", f"${df['매출'].sum():,.0f}", "+12%")
with col2:
st.metric("평균 비용", f"${df['비용'].mean():,.0f}", "-5%")
with col3:
st.metric("순이익", f"${df['이익'].sum():,.0f}", "+8%")
# 차트 표시
st.subheader(f"{chart_type} 차트")
chart_data = df.set_index("날짜")[["매출", "비용"]]
if chart_type == "Line":
st.line_chart(chart_data)
elif chart_type == "Bar":
st.bar_chart(chart_data)
else:
st.area_chart(chart_data)
# 데이터 테이블 (확장 가능)
with st.expander("📋 상세 데이터 보기"):
st.dataframe(df, use_container_width=True)
Session State와 콜백
import streamlit as st
# Session State 초기화
if "counter" not in st.session_state:
st.session_state.counter = 0
if "messages" not in st.session_state:
st.session_state.messages = []
# 콜백 함수
def increment_counter():
st.session_state.counter += 1
def add_message():
if st.session_state.new_message:
st.session_state.messages.append(st.session_state.new_message)
st.session_state.new_message = "" # 입력 필드 초기화
# UI
st.header("Session State 데모")
# 카운터
col1, col2 = st.columns(2)
with col1:
st.button("카운터 증가", on_click=increment_counter)
st.write(f"현재 카운터: {st.session_state.counter}")
# 메시지 리스트
with col2:
st.text_input("메시지 추가", key="new_message", on_change=add_message)
for i, msg in enumerate(st.session_state.messages):
st.write(f"{i+1}. {msg}")
파일 업로드 및 ML 모델 데모
import streamlit as st
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
st.title("🤖 ML 모델 데모")
# 파일 업로드
uploaded_file = st.file_uploader("CSV 파일을 업로드하세요", type=["csv"])
if uploaded_file is not None:
df = pd.read_csv(uploaded_file)
st.subheader("데이터 미리보기")
st.dataframe(df.head())
# 컬럼 선택
st.subheader("모델 설정")
target_col = st.selectbox("타겟 컬럼", df.columns)
feature_cols = st.multiselect(
"피처 컬럼",
[c for c in df.columns if c != target_col]
)
if feature_cols and st.button("모델 학습"):
with st.spinner("모델 학습 중..."):
X = df[feature_cols]
y = df[target_col]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
model = RandomForestClassifier(n_estimators=100)
model.fit(X_train, y_train)
accuracy = model.score(X_test, y_test)
st.success(f"모델 학습 완료! 정확도: {accuracy:.2%}")
# 피처 중요도
importance_df = pd.DataFrame({
"Feature": feature_cols,
"Importance": model.feature_importances_
}).sort_values("Importance", ascending=False)
st.bar_chart(importance_df.set_index("Feature"))
Multi-page App 구조
# 디렉토리 구조
# my_app/
# ├── Home.py # 메인 페이지 (streamlit run Home.py)
# └── pages/
# ├── 1_📊_Data.py # 첫 번째 페이지
# ├── 2_📈_Charts.py # 두 번째 페이지
# └── 3_⚙️_Settings.py
# Home.py
import streamlit as st
st.set_page_config(page_title="멀티 페이지 앱", page_icon="🏠")
st.title("🏠 홈페이지")
st.markdown("""
사이드바에서 다른 페이지로 이동할 수 있습니다.
- 📊 Data: 데이터 분석
- 📈 Charts: 시각화
- ⚙️ Settings: 설정
""")
# pages/1_📊_Data.py
import streamlit as st
import pandas as pd
st.title("📊 데이터 분석")
# 페이지별 컨텐츠...