Streamlit tutorial of a step-by-step guide for a data scientist: An introduction to web apps for a data scientist (Japanese Edition):
Pythonによるデータ分析者のためのWebアプリ入門。
本書はPythonとStreamlitで実装していきます。Streamlitの基本事項を紹介しますが、Pythonの基礎知識は事前に必要としています。
データ分析に従事する人が分析結果を簡単かつ素早くWebアプリする方法を紹介します。
データ分析はPython、Webアプリ作成はPython上で使用できるStreamlitを用います。
StreamlitはDjangoやFlaskより少量のコードで実装でき、さらには直感的に使用できるため、初心者向きです。
本書では重回帰分析を例にWebアプリ化する例を紹介します。
機能の一覧は、下記の目次を参照してみてください。
また、例題として回帰分析と主成分分析をそれぞれ取り上げ、分析とWebアプリへ実装を行います。
——————————————-
目次
はじめに
Streamlitとは
コードの表記方法について
環境構築
インストール
Streamlitの実行
補足）Dockerを用いた環境構築
基本機能の紹介
マークダウン記法（マジックコマンド）
データの表示
st.titile()
st.write()
st.table()
st.dataframe()
グラフの表示
st.line_chart()
st.area_chart()
st.bar_chart()
st.pyplot()
デザイン機能
st.checkbox()
st.selectbox()
st.multiselect()
st.beta_columns()
st.radio()
st.number_input()
st.sidebar.[element name]()
【Webアプリ化の例】ボストン市の住宅価格の重回帰分析
必要ライブラリの読み込み
タイトルの表示
データセットの読み込み
テーブルデータの表示
説明変数とその説明
データの可視化： 説明変数 vs 目的変数
前処理
使用しない変数の選択
対数変換
標準化
データセットの分割
モデルの訓練
結果の表示
モデル精度
結果の可視化
コード全体
【Webアプリ化の例】主成分分析(PCA)
タイトルの表示
データセットの読み込み
テーブルデータの表示
データの前処理(標準化)
主成分分析（PCA）
主成分数の指定
主成分分析の実装
結果の表示
コード全体
#amazon #python #japanese
