Fra notebook til dashboard
Del resultater, som andre kan bruge.
Fra notebook til dashboard er en gratis Data Science Academy-lektion på CoddyKit. Dette er lektion 4 af 4. Du kan læse hele lektionen gratis nedenfor — og derefter øve dig praktisk i browseren med en indbygget kodeeditor og en AI-vejleder, der er tilgængelig døgnet rundt. Den er en del af læringsforløbet i Data Science Academy, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. Data Science Academy-kurset indeholder 4 lektioner i alt.
Ud over notebooken
En notebook er god til dig, men interessenter kommer ikke til at køre celler. For at nå dem skal du omdanne analysen til et delbart dashboard. 🚀
Hvorfor et dashboard?
Et dashboard lader ikke-programmører udforske dine resultater live, filtrere og klikke i stedet for at bede dig køre koden igen hver gang.
Statisk eller interaktivt
Beslut det tidligt: En statisk rapport er et fast øjebliksbillede, mens en interaktiv app lader brugerne ændre input og se opdateringer.
Den nemmeste vej
For Python-brugere omdanner Streamlit et almindeligt script til en webapp med næsten ingen nødvendig frontend-kode.
import streamlit as st
st.title("Sales Dashboard")Vis et tal
En fremtrædende metrik giver øjeblikkelig kontekst. Streamlits metrik-widget viser en værdi og dens ændring i forhold til et mål side om side.
st.metric("Revenue", "$1.2M", "+8%")Indsæt et diagram
Send et hvilket som helst matplotlib- eller plotly-diagram direkte til appen, så vises det direkte i appen, og du kan genbruge de plots, du allerede har lavet.
st.pyplot(fig)Tilføj et filter
Én widget gør dataene udforskbare. En selectbox lader brugerne vælge en kategori, hvorefter hele siden reagerer på deres valg.
region = st.selectbox("Region", df["region"].unique())Cache langsomme trin
Pak tunge indlæsninger ind i en cache, så appen forbliver hurtig: Dataene læses én gang og genbruges ved alle brugerinteraktioner.
@st.cache_data
def load():
return pd.read_csv("sales.csv")Kør den lokalt
Du starter appen fra en terminal, og Streamlit viser den i din browser, så du kan teste den, før du deler den bredt.
streamlit run app.pyDel med hele verden
Push scriptet til et repository, og implementér det på en vært som Streamlit Community Cloud, så du kan give kollegerne en enkel URL.
Bevar tilliden
Et live-dashboard kræver vedligeholdelse: Opdatér dataene, notér den seneste opdatering, og dokumentér antagelserne, så brugerne bliver ved med at have tillid til det.
Hurtigt tjek
Hvorfor flytte en analyse fra en notebook til et dashboard?
Opsummering
Du omdannede en notebook til et delbart dashboard med Streamlit: metrikker, diagrammer, filtre, caching og implementering. Det afslutter kredsløbet fra data til beslutning. 🎉
Lær Python med en AI-underviser — gratis
Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.
- Kurser
- 30
- Lektioner
- 120
Ofte stillede spørgsmål
Er lektionen “Fra notebook til dashboard” gratis?
Ja — hele teksten til “Fra notebook til dashboard” kan læses gratis her på nettet. Hvis du vil øve dig interaktivt med en indbygget kodeeditor og en AI-vejleder døgnet rundt og få adgang til resten af Data Science Academy-kurset, skal du opgradere til CoddyKit PRO. Data Science Academy-kurset indeholder 4 lektioner i alt.
Hvad lærer jeg i “Fra notebook til dashboard”?
Del resultater, som andre kan bruge. Du øver dig i Data Science Academy med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.
Skal jeg have erfaring for at begynde på Data Science Academy?
Der kræves ingen tidligere erfaring. Data Science Academy på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 4 af 4.
Hvor lang tid tager lektionen “Fra notebook til dashboard”?
De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.
Kan jeg skrive og køre kode i denne Data Science Academy-lektion?
Ja. Alle Data Science Academy-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.
Alle lektioner i dette kursus
- Feature importance og SHAP
- Intuition bag partial dependence
- Diagrammer, der overbeviser interessenter
- Fra notebook til dashboard