MENU
  1. ホーム
  2. Programming
  3. Python
  4. 【Python】Streamlit用いたデータ分析アプリ作成入門｜表・グラフ可視化できることも解説

【Python】Streamlit用いたデータ分析アプリ作成入門｜表・グラフ可視化できることも解説

Python アプリ開発 データ分析・可視化
当ページには広告が含まれています。

こんにちは、DXCEL WAVEの運営者(@dxcelwave)です！

こんな方におすすめ！
  • Streamlitについて詳しく知りたい
  • Streamlitを用いてデータ分析（表やグラフを表示）アプリの作成方法が知りたい
目次

Streamlitとは

Streamlit公式：https://streamlit.io

Streamlitとは、Snowflakeが提供するPythonでWebアプリケーションフレームワークです。

特徴

Streamlitの特徴は、他のPythonフレームワークであるDjangoやFlask等と比較して、シンプルかつ手軽にアプリ開発できる点にあります。特にデータ分析アプリの開発に優れており、最短数行のコードで実装も可能です。

対象ユーザー

Streamlitは、データ利活用・データ分析を効率化したいデータサイエンティストやマーケターにおすすめのフレームワークと言えます。Streamlitのメリットの１つにデータ可視化が簡単にできるという点があります。各ユーザーの分析目的・業務利用に併せて容易にアプリケーションの分析画面をデザインできるのは非常に魅力的と言えます。

【参考】おすすめの教材

Streamlitについて詳しく学びたい方は、こちらの教材がおすすめです。

【事前準備】Python環境の構築

Streamlitを用いたアプリ作成に際して、事前に必要なPython環境を用意しておく必要があります。環境構築が未済の場合、後述の作業を実施しましょう。

ライブラリのインストール

ターミナル（MacOS）またはコマンドプロンプト（Windows）を開き、Streamlitのライブラリをインストールしましょう。

pip install streamlit

サンプルアプリの起動＆動作確認

次にサンプルアプリを実行して動作確認を行います。次のコマンドを実行しましょう。

streamlit hello

上記を実行すると、メールアドレスの入力を促すメッセージが表示されます。

      👋 Welcome to Streamlit!

      If you’d like to receive helpful onboarding emails, news, offers, promotions,
      and the occasional swag, please enter your email address below. Otherwise,
      leave this field blank.

      Email:

上記メールアドレスを入力し、Enterを押下すると、次のようなメッセージが表示されます。

Welcome to Streamlit. Check out our demo in your browser.

  Local URL: http://localhost:8501
  Network URL: http://255.255.25.5:8501

  Ready to create your own Python apps super quickly?
  Head over to https://docs.streamlit.io

  May you create awesome apps!

上記より得られたLocal URLをコピーし、ブラウザで表示してみましょう。

このような画面が表示されれば、Streamlitが正常動作していることが確認できたと言えます。

【実践】Streamlitで簡単なアプリを構築

はじめに、Streamlitの基本操作を学びましょう。以下、簡単なアプリ作成することでStreamlitの記述イメージとブラウザでのアプリ表示方法を理解します。

Pythonファイルの作成

はじめに、Pythonファイル（.py）を作成し、次のようなサンプルコードを入力します。今回例として、Pythonファイル名はmy_app.pyとして作成してみましょう。

import streamlit as st

# ブラウザ表示メッセージ
st.write("Welcome to My First App")

Streamlitアプリケーション起動

ローカル環境で前述のPythonファイル経由でアプリを起動します。ターミナル（MacOS）またはコマンドプロンプト（Windows）を開き、次のコマンドを実行しましょう。

streamlit run <Pythonファイルパス>

Pythonファイル名がmy_app.pyであり、Pythonファイルと同じ階層からコマンドを実行した場合、次のように記述できます。

streamlit run my_app.py

上記実行後、ブラウザ画面からアプリを起動してみましょう。

上図画面が表示されたらアプリ稼働確認できたと言えます。Streamlitは非常にシンプルですね。

【実践】Streamlitで表やグラフを表示するデータ分析アプリを構築

続いて、データサイエンティストやマーケター向けのデータ分析用アプリを構築しましょう。

表データ

Streamlitアプリ上にテーブルデータを表示する方法を解説します。

Pythonファイル

import streamlit as st
import pandas as pd
import numpy as np

# ==================================================================================
# データ準備
# ==================================================================================

# ランダムな表データ作成（ダミー）
data = np.random.rand(50,2)

# データフレーム作成
df = pd.DataFrame(data, columns=["サンプル1","サンプル2"])


# ==================================================================================
# アプリ画面デザイン
# ==================================================================================

# H1見出し
st.markdown("# グラフアプリ")

# H3見出し
st.markdown("### 表データ")

# 表データをアプリ上に表示
st.dataframe(df)

出力結果

折れ線グラフ

Streamlitアプリ上に折れ線グラフを表示する方法を解説します。

Pythonファイル

import streamlit as st
import pandas as pd
import numpy as np

# ==================================================================================
# データ準備
# ==================================================================================

# ランダムな表データ作成（ダミー）
data = np.random.rand(50,2)

# データフレーム作成
df = pd.DataFrame(data, columns=["サンプル1","サンプル2"])


# ==================================================================================
# アプリ画面デザイン
# ==================================================================================

# H1見出し
st.markdown("# グラフアプリ")

# H3見出し
st.markdown("### グラフデータ")

# グラフをアプリ上に表示
st.line_chart(data=df,                     # データソース
              x="サンプル1",               # X軸
              y="サンプル2",               # Y軸
              width=0,                     # 表示設定（幅）
              height=0,                    # 表示設定（高さ）
              use_container_width=True,    # True の場合、グラフの幅を列の幅に設定
              )

出力結果

面グラフ

Streamlitアプリ上に面グラフを表示する方法を解説します。

Pythonファイル

import streamlit as st
import pandas as pd
import numpy as np

# ==================================================================================
# データ準備
# ==================================================================================

# ランダムな表データ作成（ダミー）
data = np.random.rand(50,2)

# データフレーム作成
df = pd.DataFrame(data, columns=["サンプル1","サンプル2"])


# ==================================================================================
# アプリ画面デザイン
# ==================================================================================

# H1見出し
st.markdown("# グラフアプリ")

# H3見出し
st.markdown("### グラフデータ")

# グラフをアプリ上に表示
st.area_chart(data=df,                     # データソース
              x="サンプル1",               # X軸
              y="サンプル2",               # Y軸
              width=0,                     # 表示設定（幅）
              height=0,                    # 表示設定（高さ）
              use_container_width=True,    # True の場合、グラフの幅を列の幅に設定
              )

出力結果

棒グラフ

Streamlitアプリ上に棒グラフを表示する方法を解説します。

Pythonファイル

import streamlit as st
import pandas as pd
import numpy as np

# ==================================================================================
# データ準備
# ==================================================================================

# ランダムな表データ作成（ダミー）
data = np.random.rand(50,2)

# データフレーム作成
df = pd.DataFrame(data, columns=["サンプル1","サンプル2"])


# ==================================================================================
# アプリ画面デザイン
# ==================================================================================

# H1見出し
st.markdown("# グラフアプリ")

# H3見出し
st.markdown("### グラフデータ")

# グラフをアプリ上に表示
st.bar_chart(data=df,                      # データソース
              x="サンプル1",               # X軸
              y="サンプル2",               # Y軸
              width=0,                     # 表示設定（幅）
              height=0,                    # 表示設定（高さ）
              use_container_width=True,    # True の場合、グラフの幅を列の幅に設定
              )

出力結果

アルタイルチャート

Streamlitアプリ上にアルタイルチャートを表示する方法を解説します。

Pythonファイル

import streamlit as st
import pandas as pd
import numpy as np

# アルタイルチャート用ライブラリ追加
import altair as alt

# ==================================================================================
# データ準備
# ==================================================================================

# ランダムな表データ作成（ダミー）
data = np.random.rand(50,3)

# データフレーム作成
df = pd.DataFrame(data, columns=["サンプル1","サンプル2","サンプル3"])


# ==================================================================================
# アプリ画面デザイン
# ==================================================================================

# H1見出し
st.markdown("# グラフアプリ")

# H3見出し
st.markdown("### グラフデータ")

# アルタイルチャート設定
graph = alt.Chart(df).mark_circle().encode(
                            x     = 'サンプル1',   # X軸
                            y     = 'サンプル2',   # Y軸
                            size  = 'サンプル3',   # 凡例サイズ
                            color = 'サンプル3',   # 凡例
                            ).interactive()

# グラフ可視化
st.altair_chart(graph, use_container_width=False, theme="streamlit")

出力結果

ヒストグラム

Streamlitアプリ上にヒストグラムを表示する方法を解説します。

Pythonファイル

import streamlit as st
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# ==================================================================================
# データ準備
# ==================================================================================

# ランダムな表データ作成（ダミー）
data = np.random.rand(50,3)

# データフレーム作成
df = pd.DataFrame(data, columns=["サンプル1","サンプル2","サンプル3"])


# ==================================================================================
# アプリ画面デザイン
# ==================================================================================

# H1見出し
st.markdown("# グラフアプリ")

# H3見出し
st.markdown("### グラフデータ")


# グラフ設定（matplotlib）
fig, ax = plt.subplots()

# ヒストグラム
ax.hist(df["サンプル1"],  # データ
        bins=20,          # BIN数
        )
        
# ヒストグラム可視化
st.pyplot(fig, use_container_width=True)

出力結果

【参考】Pythonでのデータ前処理・分析・可視化

当サイトではPythonを用いた「データ前処理手法」「データ分析」「グラフや表を用いた可視化」手法について幅広く解説しております。AI・機械学習にも応用できる内容となっておりますため、興味がある方は併せてご確認下さい。

Pythonを活用したデータ処理・分析手法一覧

【参考】Pythonとは・できること一覧

最後に

お問い合わせフォーム

上記課題に向けてご気軽にご相談下さい。
お問い合わせはこちら
Python アプリ開発 データ分析・可視化
Streamlit データ分析

この記事が気に入ったら
フォローしてね！

本記事をシェア！
目次