d

dataframe

用 Streamlit + Tabulator.js 展示 DataFrame,支援欄位過濾、分頁、編輯,前端美觀又實用 🚀

0 0 0 1
1 import streamlit as st
2 import pandas as pd
3 import json
4 import streamlit.components.v1 as components
5
6 # 假設有一個 DataFrame
7 df = pd.DataFrame({
8 "訂單單別": ["A", "B", "C"],
9 "訂單單號": [101, 102, 103],
10 "客戶簡稱": ["客戶1", "客戶2", "客戶3"],

此程式碼用於取得目前 Python 環境中所有已安裝的套件名稱和版本,並將結果整理成 CSV 檔案,方便進行記錄、分享或系統排查。

0 0 0 1
1 # 引入需要用到的套件
2 import pandas as pd # 用來處理資料,還能幫我們存成 CSV 檔
3 from pkg_resources import working_set # 用來拿到所有已安裝的套件清單
4
5 # 步驟 1: 把所有已安裝的套件名稱和版本抓出來,直接變成 Pandas DataFrame
6 # 用列表生成式搭配 DataFrame,省去不必要的中間變數
7 df_packages = pd.DataFrame(
8 [(pkg.key, pkg.version) for pkg in working_set],
9 columns=["Package", "Version"]
10 ).sort_values(by="Package")

透過 st.session_state 讓 Streamlit 應用能夠保存並管理可編輯的 DataFrame,避免頁面重整導致資料丟失,適用於數據管理與即時編輯應用。

0 0 0 1
1 import streamlit as st
2 import pandas as pd
3
4 def main():
5 # 初始化 session_state
6 if "data" not in st.session_state:
7 st.session_state.data = pd.DataFrame({
8 "ID": [1, 2, 3],
9 "Name": ["Alice", "Bob", "Charlie"],
10 "Age": [25, 30, 35],

此範例展示如何使用 Streamlit 處理大量資料,並提供可視化表格 (dataframe) 和可編輯表格 (data_editor) 來動態調整資料。支援圖片預覽、進度條顯示及類別選擇,適用於資料分析與管理應用。

0 0 0 1
1 import streamlit as st
2 import pandas as pd
3 import numpy as np
4
5 st.write("Got lots of data? Great! Streamlit can show [dataframes](https://docs.streamlit.io/develop/api-reference/data) with hundred thousands of rows, images, sparklines – and even supports editing! ✍️")
6
7 num_rows = st.slider("Number of rows", 1, 10000, 500)
8 np.random.seed(42)
9 data = []
10 for i in range(num_rows):