Dari Notebook ke Dasbor
Membagikan hasil yang dapat digunakan orang lain
Dari Notebook ke Dasbor adalah pelajaran Data Science Academy gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Data Science Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Data Science Academy mencakup 4 pelajaran total.
Melampaui Notebook
Notebook sangat bagus untuk Anda, tetapi pemangku kepentingan tidak akan menjalankan sel. Untuk menjangkau mereka, ubah analisis menjadi dasbor yang dapat dibagikan. 🚀
Mengapa Dasbor
Dasbor memungkinkan nonpemrogram menjelajahi hasil Anda secara langsung, dengan memfilter dan mengeklik, alih-alih meminta Anda menjalankan ulang kode setiap kali.
Statis atau Interaktif
Tentukan sejak awal: laporan statis adalah cuplikan tetap, sedangkan aplikasi interaktif memungkinkan pengguna mengubah input dan melihat pembaruan.
Cara Termudah
Bagi pengguna Python, Streamlit mengubah skrip biasa menjadi aplikasi web dengan hampir tanpa kode sisi depan.
import streamlit as st
st.title("Sales Dashboard")Tampilkan Angka
Metrik utama memberikan konteks secara langsung. Widget metrik Streamlit menampilkan nilai dan perubahannya dari target secara berdampingan.
st.metric("Revenue", "$1.2M", "+8%")Masukkan Diagram
Masukkan figur matplotlib atau plotly apa pun langsung ke aplikasi, dan figur tersebut akan ditampilkan di dalam halaman menggunakan kembali plot yang sudah Anda buat.
st.pyplot(fig)Tambahkan Filter
Satu widget membuat data dapat dieksplorasi. selectbox memungkinkan pengguna memilih kategori, dan seluruh halaman merespons pilihan mereka.
region = st.selectbox("Region", df["region"].unique())Simpan Langkah yang Lambat
Bungkus proses pemuatan yang berat dalam tembolok agar aplikasi tetap cepat: data dibaca sekali lalu digunakan kembali pada setiap interaksi pengguna.
@st.cache_data
def load():
return pd.read_csv("sales.csv")Jalankan Secara Lokal
Anda menjalankan aplikasi dari terminal, dan Streamlit menyajikannya di peramban agar Anda dapat mengujinya sebelum membagikannya secara luas.
streamlit run app.pyBagikan kepada Semua Orang
Dorong skrip ke repositori dan terapkan di host seperti Streamlit Community Cloud untuk memberikan URL sederhana kepada rekan kerja.
Jaga Kepercayaannya
Dasbor langsung memerlukan pemeliharaan: perbarui datanya, catat waktu pembaruan terakhir, dan dokumentasikan asumsi agar pengguna tetap memercayainya.
Pemeriksaan Singkat
Mengapa analisis dipindahkan dari notebook ke dasbor?
Ringkasan
Anda mengubah notebook menjadi dasbor yang dapat dibagikan dengan Streamlit: metrik, diagram, filter, penyimpanan tembolok, dan penerapan. Dengan demikian, rangkaian dari data hingga keputusan telah lengkap. 🎉
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Dari Notebook ke Dasbor” gratis?
Ya — teks lengkap “Dari Notebook ke Dasbor” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Data Science Academy, upgrade ke CoddyKit PRO. Kursus Data Science Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Dari Notebook ke Dasbor”?
Membagikan hasil yang dapat digunakan orang lain Kamu berlatih Data Science Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai Data Science Academy?
Tidak diperlukan pengalaman sebelumnya. Data Science Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.
Berapa lama pelajaran “Dari Notebook ke Dasbor” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran Data Science Academy ini?
Ya. Setiap pelajaran Data Science Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Pentingnya Fitur dan SHAP
- Intuisi Dependensi Parsial
- Grafik yang Meyakinkan Pemangku Kepentingan
- Dari Notebook ke Dasbor