开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

无法选择列名列表并在Streamlit中查看这些列中的数据

在Streamlit中，要实现选择列名列表并查看这些列中的数据，可以通过以下步骤完成：

首先，确保已经安装了Streamlit库。可以使用以下命令进行安装：

pip install streamlit

创建一个Python脚本（例如app.py），并导入所需的库：

import streamlit as st
import pandas as pd

加载数据集并创建一个DataFrame对象：

data = pd.read_csv("your_dataset.csv")  # 替换为你的数据集路径
df = pd.DataFrame(data)

使用Streamlit的多选框（multiselect）组件来选择要显示的列名列表：

selected_columns = st.multiselect("选择要显示的列名", df.columns)

根据用户选择的列名列表，过滤并显示相应的数据：

filtered_data = df[selected_columns]
st.dataframe(filtered_data)

完整的代码示例：

import streamlit as st
import pandas as pd

data = pd.read_csv("your_dataset.csv")  # 替换为你的数据集路径
df = pd.DataFrame(data)

selected_columns = st.multiselect("选择要显示的列名", df.columns)
filtered_data = df[selected_columns]
st.dataframe(filtered_data)

这样，用户就可以在Streamlit应用程序中选择要显示的列名列表，并查看相应的数据。请注意，这只是一个简单的示例，你可以根据实际需求进行扩展和定制。

相关搜索:如何根据列名中的单词列表选择列使用列名向量列表从列表中的数据框中选择列根据列名中的编号选择数据框列在python中，根据streamlit中选择的下拉列表重命名csv列选择数据帧列表中的列根据下拉列表中的选择查看输出数据如果列不在特定列表中，则从Pandas数据框中删除这些列根据列表中存在的列名的索引减去数据帧的列拆分列名并从列名中的数据创建新列为什么列名没有遍历实际的列并在dataframe中创建新列？根据列中的列表选择行 PHP -选择下拉列表并在文本框中显示数据无法保存图像并在我的图库中查看从列表中的名称中选择数据框列无法更改数据框中的列名向列表中多个数据框中的选定列名添加列值前缀从数据库中选择所有表，并在每个表中查询相同的列名无法选择表中存在的列基于列名的下拉列表中的表数据选择并转换pyspark数据框中的列名

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

Python和Streamlit交互式仪表板开发入门

仪表板对于商业场景带来各种优点，通常使用称为BI工具的软件进行创建，但即使是免费可用的BI工具也往往有功能限制。

02

Python streamlit框架开发数据分析网站并免费部署

近期公司有一个需求，将设备导出的温度数据，使用线上的方式进行分析，取代原先使用Excel的方式分析查看图表，看了python的streamlit web框架，符合此次开发需求，可以快速开发

01

Streamlit颜色选择器

Streamlit的一个有用功能是颜色选择器工具。这使你可以通过让用户选择任何颜色，而不是使用默认的硬编码颜色，为你的仪表板添加灵活性。

01

SQL基本语法和书写格式

插入 insert [into] 表名 [(列名列表)] values (值列表)

01

如何在 Pandas DataFrame中重命名列？

分析人员重命名列名称的动机之一是确保这些列名称是有效的Python属性名称。这意味着列名称不能以数字开头，而是带下画线的小写字母数字。好的列名称还应该是描述性的，言简意赅，并且不应与现有的DataFrame或Series属性冲突。

02

对比Excel，Python pandas在数据框架中插入列

在Excel中，可以通过功能区或者快捷菜单中的命令或快捷键插入列，对于Python来说，插入列也很容易。

02

pandas基础：重命名pandas数据框架列

重命名pandas数据框架列有很多原因。例如，可能希望列名更具描述性，或者可能希望缩短名称。本文将介绍如何更改数据框架中的名称。

03

总结了67个pandas函数，完美解决数据处理，拿来即用！

不管是业务数据分析，还是数据建模。数据处理都是及其重要的一个步骤，它对于最终的结果来说，至关重要。

03

用Python执行SQL、Excel常见任务？10个方法全搞定！

数据从业者有许多工具可用于分割数据。有些人使用 Excel，有些人使用SQL，有些人使用Python。对于某些任务，使用 Python 的优点是显而易见的。以更快的速度处理更大的数据集。使用基于 Python 构建的开源机器学习库。你可以轻松导入和导出不同格式的数据。

02

Power Query中批量处理列的函数详解

Table.TransformColumns(table as table, transformOperations as list, optional defaultTransformation as nullable function, optional missingField as nullable MissingField.Type) as table

02

pandas技巧4

本文中记录Pandas操作技巧，包含：导入数据导出数据查看、检查数据数据选取数据清洗数据处理：Filter、Sort和GroupBy 数据合并常识 # 导入pandas import pandas as pd # axis参数：0代表行，1代表列导入数据 pd.read_csv(filename) # 从CSV文件导入数据 pd.read_table(filename) # 从限定分隔符的文本文件导入数据 pd.read_excel(filename) # 从Excel文件导入数据

02

MySQL进阶

当使用 WITH CHECK OPTION 子句创建视图时，MySQL 会通过视图检查正在更改的每个行，例如插入，更新，删除，以使其符合视图的定义。MySQL 允许基于另一个视图创建视图，它还会检查依赖视图中的规则以保持一致性。为了确定检查的范围，mysql 提供了两个选项：CASCADED 和 LOCAL，默认值为 CASCADED。

02

Pandas 25 式

原文的数据集是 bit.ly 短网址的，我这里在读取时出问题，不稳定，就帮大家下载下来，统一放到了 data 目录里。

00

解决FileNotFoundError: [Errno 2] No such file or directory: '/home/bai/Myprojects/

在进行文件操作时，有时可能会遇到文件不存在的错误，其中一个常见的错误是FileNotFoundError: [Errno 2] No such file or directory。该错误意味着程序无法找到指定路径下的文件或目录。在本篇文章中，我们将探讨一些解决这个错误的方法。

03

SQL Server常用Sql语句

30.使用COMPUTE BY子句可以对BY后面给出的列进行分组分组显示，并进行列的小计

04

如何用 Python 执行常见的 Excel 和 SQL 任务

作者：ROGER HUANG 本文翻译自：http://code-love.com/2017/04/30/excel-sql-python/ 来源：https://www.jianshu.com/p/51bb7726231b 本教程的代码和数据可在 Github 资源库中找到。有关如何使用 Github 的更多信息，请参阅本指南。数据从业者有许多工具可用于分割数据。有些人使用 Excel，有些人使用SQL，有些人使用Python。对于某些任务，使用 Python 的优点是显而易见的。以更快的速度处理更大

06

PQ-M及函数：为什么加了新的内容，拆分列不对了？

大海：嗯。这个直接操作的方法是有点儿问题，主要是因为，操作分列的时候，PQ会直接生成固定的列名，原来最多只要3个内容，就只生成了3列，所以以后有更多的数据时，就没有地方放了。你看原来生成的代码：

02

SQL语句汇总（二）——数据修改、数据查询

注：修改多个列的值时用逗号隔开。要想设置某一列的值为空，只需让<列名>=NULL 即可。WHERE表示过滤条件。

01

用Pandas和Streamlit对时间序列数据集进行可视化过滤

我们每天处理的数据最多的类型可能是时间序列数据。基本上，使用日期，时间或两者同时索引的任何内容都可以视为时间序列数据集。在我们工作中，可能经常需要使用日期和时间本身来过滤时间序列数据。根据任何其他形式的索引过滤dataframe是一件相当麻烦的任务。尤其是当日期和时间在不同的列中时。

03

懂Excel也能轻松入门Python数据分析包pandas(二)：高级筛选(上)

经常听别人说 Python 在数据领域有多厉害，结果学了很长时间，连数据处理都麻烦得要死。后来才发现，原来不是 Python 数据处理厉害，而是他有数据分析神器—— pandas 。

01

分组时需要求和的数据有几十列，有快捷方法吗？

在我以前的文章中，涉及分组依据操作的内容，需要聚合（求和等）的列通常不会太多，因此，手工操作一下也很快，但有朋友还是碰到了需要对几十列进行求和的问题，这个时候，如果还是手工一项项地设置的话，的确会有点儿烦。

02

SQL命令 ORDER BY（一）

ORDER BY子句根据指定列的数据值或以逗号分隔的列序列对查询结果集中的记录进行排序。该语句对单个结果集进行操作，这些结果集要么来自SELECT语句，要么来自多个SELECT语句的UNION。

03

懂Excel也能轻松入门Python数据分析包pandas(二)：高级筛选(上)

经常听别人说 Python 在数据领域有多厉害，结果学了很长时间，连数据处理都麻烦得要死。后来才发现，原来不是 Python 数据处理厉害，而是他有数据分析神器—— pandas 。

02

数据分析篇 | PyCon 大咖亲传 pandas 25 式，长文建议收藏

Kevin Markham，数据科学讲师，2002 年，毕业于范德堡大学，计算机工程学士，2014 年，创建了 Data School，在线教授 Python 数据科学课程，他的课程主要包括 Pandas、Scikit-learn、Kaggle 竞赛数据科学、机器学习、自然语言处理等内容，迄今为止，浏览量在油管上已经超过 500 万次。

02

SQL命令 CREATE VIEW（一）

CREATE VIEW命令定义视图的内容。定义视图的SELECT语句可以引用多个表，也可以引用其他视图。

02

MySQL进阶之视图

这里给大家介绍了视图的创建、查询、修改、删除，那么我们能不能通过视图来插入、更新数据呢？接下来，做一个测试。

04

MySQL数据库原理学习（二十三）

当我们在执行删除的SQL语句时，会锁定id为1这一行的数据，然后事务提交之后，行锁释放。但是当我们在执行如下SQL时。

02

人工智能_4_k近邻_贝叶斯_模型评估

机器学习常用算法 k近邻算法求出未知点与周围最近的 k个点的距离查看这k个点中大多数是哪一类根号((x已知-x未知)^2+(y已知-y未知)^2) 即平面间2点距离公式收异常点影响较大,因此需要做标准化处理 API:sklearn.neighbors.KNeighborsClassifier(n_neighbors=5,algorithm="auto") algorithm:{"auto","ball_tree","kd_tree","brute"}

02

python自动化系列之Pandas操作Excel读写

pandas库是python中几乎最长使用的库，其功能非常多。这里只记录下pandas对Excel文件的简单操作；

00

独家 | Bamboolib:你所见过的最有用的Python库之一（附链接）

校对：欧阳锦本文约3200字，建议阅读5分钟本文介绍了Python数据分析的一个利器——Bamboolib，它无需编码技能，能够自动生成pandas代码。

02

帮助数据科学家理解数据的23个pandas常用代码

返回给定轴缺失的标签对象，并在那里删除所有缺失数据（’any’：如果存在任何NA值，则删除该行或列。）。

04

Python应用开发——30天学习Streamlit Python包进行APP的构建（9）

这是围绕 st.altair_chart 的语法糖。主要区别在于该命令使用数据自身的列和指数来计算图表的 Altair 规格。因此，在许多 "只需绘制此图 "的情况下，该命令更易于使用，但可定制性较差。

01

再见了！Pandas！！

先把pandas的官网给出来，有找不到的问题，直接官网查找：https://pandas.pydata.org/

01

MySQL学习笔记-基础介绍

支持：CSV、ARCHIVE、BLACKHOLE、MRG_MYISAM、MYISAM、PERFORMANCE_SCHEMA、InnoDB、MEMORY

01

小站工具|重磅更新~GSEA上线：测序、芯片、TCGA都可用。美图输出PDF~最重要的：免费！

2）如果基因名是ENSGxxxx的不要担心，在2的位置ENSG所在那列的名字。在3的地方勾选。下面的456就不要改动了。

01

如何使用简单的Python为数据科学家编写Web应用程序？

可以转到本地URL：localhost:8501在浏览器中，查看Streamlit应用程序的运行情况。开发人员提供了一些不错的演示，请花点时间并感觉一下工具的功能。

02

pandas操作excel全总结

pandas是基于Numpy创建的Python包，内置了大量标准函数，能够高效地解决数据分析数据处理和分析任务，pandas支持多种文件的操作，比如Excel，csv，json，txt 文件等，读取文件之后，就可以对数据进行各种清洗、分析操作了。

04

GenerateTableFetch

该处理器用于生成在表中执行分页查询的SQL 查询语句，分区(属性partition)大小以及表的行数决定页面的大小和数量以及生成的流文件。此外，可以通过设置最大值列来实现增量抓取数据，处理器会跟踪列的最大值，从而只抓取列值超过已记录到的最大值的行，该处理器只在主节点上运行，可以接受传入的连接;

02

Streamlit 光速搭建你的主页

Streamlit 官方介绍：能在几分钟内把 Python 脚本变成可分享的网站。只需使用纯 Python ，无需前端经验。甚至，你只需要懂 markdown ，然后按照一定规则去做也能搞个网页出来。它还支持免费部署，感动到落泪。

01

Python常用小技巧总结

数据分析中pandas的小技巧，快速进行数据预处理，欢迎点赞收藏，持续更新，作者：北山啦

02

对比MySQL，学会在Pandas中实现SQL的常用操作

本文旨在对比SQL，说明如何使用Pandas中执行各种SQL操作。真的！好像对比起来，学习什么都快了。

02

pandas数据清洗详细教程_excel数据清洗工具

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请发送邮件至举报，一经查实，本站将立刻删除。

01

mysql 列column常用命令

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/haluoluo211/article/details/77970945

02

Python 应用开发：Streamlit 布局篇（容器布局）

要在返回的容器中添加元素，可以使用 with 符号（首选）或直接调用返回对象的方法。请参见下面的示例。

01

六年开发经验，整理Mysql数据库技巧笔记，全网最详细的笔记集合！

数据库 create database db1; create database if not exists db2; create database db3 charset gbk; -- 查看所有的数据库 show databases; -- 查看某个数据库的定义信息 show create database db1; -- 修改字符集改成utf8，注：不是utf-8，是utf8 alter database db3 character set utf8; drop database 库名;--

02

Python应用开发——30天学习Streamlit Python包进行APP的构建（10）

它是 st.pydeck_chart 的包装器，用于在地图上快速创建散点图表，并具有自动居中和自动缩放功能。

01

SQL聚合函数 COUNT

COUNT可以在引用表或视图的SELECT查询或子查询中使用。 COUNT可以在SELECT列表或HAVING子句中与普通字段值一起出现。

02

读 DataFrame 不只是读 DataFrame ,还能读出这么多信息

前面写了两篇 pandas 的入门，分别是Python 中的 pandas 快速上手之:概念初识、pandas 快速上手系列：自定义 dataframe，没看过的可以点对应的文章链接查看。

00

MySQL数据库学习

MySQL 数据库学习 MySQL数据库软件安装 … 配置 MySQL服务启动手动。 cmd–> services.msc 打开服务的窗口使用管理员打开cmd net start mysql //启动mysql的服务 net stop mysql //关闭mysql服务 MySQL登录 mysql -uroot -p密码 mysql -hip -uroot -p连接目标的密码 mysql --host=ip --user=root --password=连接目标的密码 MySQL退出 exit qu

02

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭