从笔记本到仪表板
分享他人可以使用的结果
从笔记本到仪表板 是 CoddyKit 上的免费 Data Science Academy 课时。 这是第 4 节课，共 4 节。 你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。 这是 Data Science Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 Data Science Academy 课程共包含 4 节课。
走出笔记本
笔记本适合您自己使用，但利益相关者不会运行代码单元。要让他们看到成果，您需要将分析转化为可分享的仪表板。🚀
为什么使用仪表板
仪表板让非编程人员能够实时探索您的结果，通过筛选和点击进行操作，而不必每次都请求您重新运行代码。
静态还是交互式
请尽早决定：静态报告是固定的快照，而交互式应用允许用户更改输入并查看更新结果。
最简单的路径
对于 Python 用户，Streamlit 几乎无需编写前端代码，就能将普通脚本转换为网页应用。
import streamlit as st
st.title("Sales Dashboard")展示一个数字
关键指标可以立即提供背景信息。Streamlit 的指标组件会并排显示一个数值及其相对于目标值的变化。
st.metric("Revenue", "$1.2M", "+8%")嵌入图表
将任何 matplotlib 或 plotly 图形直接传给应用，它就会在页面中渲染出来，并复用您已经制作好的图表。
st.pyplot(fig)添加筛选器
一个小组件就能让数据变得可探索。selectbox 允许用户选择一个类别，整个页面会根据他们的选择做出响应。
region = st.selectbox("Region", df["region"].unique())缓存耗时步骤
将耗时的加载操作放入缓存，让应用保持快速：数据只读取一次，之后在每次用户交互中重复使用。
@st.cache_data
def load():
return pd.read_csv("sales.csv")在本地运行
您可以从终端启动应用，Streamlit 会在浏览器中提供服务，让您在广泛分享之前先进行测试。
streamlit run app.py与世界分享
将脚本推送到代码仓库，并部署到 Streamlit Community Cloud 等托管平台，为同事提供一个简单的网址。
保持可信
实时仪表板需要持续维护：刷新数据、注明最近更新时间，并记录假设条件，让用户持续信任它。
快速检查
为什么要将分析从笔记本迁移到仪表板？
回顾
您使用 Streamlit 将笔记本转化成了可分享的仪表板，其中包含指标、图表、筛选器、缓存和部署功能。这就打通了从数据到决策的闭环。🎉
用 AI 导师学习 Python — 免费
在浏览器中编写并运行真实代码，获得全天候 AI 导师的即时帮助，并在网页或应用中继续学习。
- 课程
- 30
- 课程
- 120
常见问题解答
「从笔记本到仪表板」课时是免费的吗？
是的 — 「从笔记本到仪表板」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 Data Science Academy 课程的其余内容，请升级到 CoddyKit PRO。 Data Science Academy 课程共包含 4 节课。
「从笔记本到仪表板」这节课中我会学到什么？
分享他人可以使用的结果 你通过在浏览器中直接运行的动手代码来练习 Data Science Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。
学习 Data Science Academy 需要有经验吗？
无需任何先前经验。CoddyKit 上的 Data Science Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。 这是第 4 节课，共 4 节。
「从笔记本到仪表板」课时需要多长时间？
大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。
我能在这节 Data Science Academy 课中编写并运行代码吗？
能。每节 Data Science Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。
此课程中的所有课时
- 特征重要性和 SHAP
- 部分依赖的直观理解
- 能够说服利益相关者的图表
- 从笔记本到仪表板