Streamlit

Description:

Pythonスクリプトを数分でインタラクティブなWebアプリケーションに変換できる、データサイエンス・機械学習向けのオープンソースライブラリ。

URL: https://streamlit.io/

GitHub:

https://github.com/streamlit/streamlit

Tags:

Explore:

Qiita Zenn note Hatena

Updated:

2026/02/05

概要

Streamlit は、データサイエンスや機械学習のプロジェクト、ダッシュボードを迅速に作成するためのオープンソース Python ライブラリです。HTML、CSS、JavaScript の知識がなくても、純粋な Python だけで直感的で強力な Web アプリケーションを構築できることが最大の特徴です。

主な特徴

純粋な Python で構築: フロントエンドのコードを書くことなく、Python スクリプトだけで UI コンポーネント（ボタン、スライダー、サイドバーなど）を配置可能。
インタラクティブなウィジェット: ユーザーの操作に応じてアプリケーションが自動的に再実行され、結果がリアルタイムで反映。
豊富な可視化ライブラリとの連携: Matplotlib, Seaborn, Plotly, Altair, Bokeh, Vega-Lite, deck.gl などの主要な可視化ツールを公式にサポート。
データキャッシュ機能: @st.cache_data や @st.cache_resource デコレータにより、重い計算やデータ読み込みを効率化。
マルチページ対応: 複数の .py ファイルを組み合わせて、大規模なマルチページ・アプリケーションを構成可能。
簡単なデプロイ: Streamlit Community Cloud を利用すれば、GitHub リポジトリから 1 クリックで世界中に公開可能。

活用例

データダッシュボード: リアルタイムデータの可視化や KPI のモニタリング。
機械学習モデルのデモ: 学習済みモデルの推論結果をブラウザ上で簡単に試せるインターフェースの構築。
データ探索ツール: Pandas データフレームを読み込み、フィルタリングやソートを直感的に行えるツールの作成。
社内用プロトタイプ: 新しいアルゴリズムやデータの知見をチーム内で素早く共有するためのツール作成。

構築・初期設定

Python 環境が必要です（Python 3.8 以上を推奨）。

インストール

pip install streamlit

動作確認

インストール後、公式のデモアプリを起動して動作を確認できます。

streamlit hello

利用方法

基本的なスクリプト例

app.py という名前で以下のコードを作成します。

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

st.title('マイ・データアプリ')

# テキストの表示
st.write("Streamlit へようこそ！")

# スライダーウィジェット
x = st.slider('値を選択してください', 0, 100, 50)
st.write(f"選択された値の 2 乗は {x * x} です。")

# チャット・プロット
chart_data = pd.DataFrame(
     np.random.randn(20, 3),
     columns=['a', 'b', 'c'])

st.line_chart(chart_data)

アプリの起動

ターミナルで以下のコマンドを実行すると、ブラウザが自動的に開きアプリが表示されます。

streamlit run app.py