Skip to content

Streamlit AgGrid: 데이터 시각화의 힘을 발휘하세요

데이터 분석 및 시각화의 영역에서 프로세스를 간소화하고 결과물을 향상시키는 도구는 항상 높은 수요를 받습니다. 이러한 도구 중 하나인 Streamlit AgGrid는 파이썬 커뮤니티에서 큰 반향을 일으키고 있습니다. 이 강력한 도구는 Streamlit의 간편성과 AgGrid의 다양성을 결합하여 상호 작용형 데이터 애플리케이션을 만들 수 있는 사용자 친화적인 플랫폼을 제공합니다. 이 글에서는 Streamlit AgGrid의 기능, 설치 과정, 사용자 정의 옵션 및 실제 응용 분야에 대해 자세히 알아보겠습니다.

Streamlit 앱을 Tableau로 변환해주는 멋진 데이터 분석 및 데이터 시각화 도구를 들어보셨나요?

PyGWalker (opens in a new tab)는 Streamlit 앱을 손쉽게 Tableau와 유사한 사용자 인터페이스로 장식하는 Python 라이브러리입니다.

Streamlit에서 데이터 시각화를 위한 PyGWalker (opens in a new tab)

Streamlit AgGrid 이해하기

Streamlit AgGrid란 무엇인가요?

Streamlit AgGrid는 파이썬 웹 애플리케이션용으로 설계된 오픈소스 그리드 시스템입니다. Pablo Fonseca가 만들었으며, 속도와 사용의 편리성으로 알려진 JavaScript 기반 그리드 시스템인 AgGrid를 기반으로 구축되었습니다. Streamlit AgGrid는 머신러닝과 데이터 과학 웹 앱을 구축하기 위한 인기 있는 프레임워크인 Streamlit에 AgGrid의 기능을 제공하여 데이터 시각화를 단순화하고 전반적인 사용자 경험을 향상시킵니다.

Streamlit AgGrid는 어떻게 작동하나요?

Streamlit AgGrid는 JavaScript 기반 그리드 시스템입니다. 이는 JavaScript 코드를 사용하여 작동하며, JsCode 라이브러리를 통해 Python과 통합됩니다. 이 라이브러리를 사용하면 그리드 내에서 JavaScript 코드를 사용할 수 있어 매우 유연하고 사용자 정의가 가능합니다.

Streamlit AgGrid는 dataframe을 읽어오는 GridOptionsBuilder 객체를 생성하고 이를 구성하여 작동합니다. 이 객체를 사용하여 편집 가능한 열, 체크박스 사용 여부 및 다중 선택 여부를 결정할 수 있습니다.

Streamlit AgGrid의 기능

Streamlit AgGrid는 여러 엔터프라이즈 기능을 갖추고 있습니다. 멋진 그래프와 테이블을 생성하여 데이터의 시각적 매력을 높일 수 있습니다. 그 중에서도 GridOptionsBuilder는 뛰어난 기능으로, configure_columns, configure_selection, configure_pagination, configure_grid_options 등의 다양한 메서드를 통해 AgGrid 구성을 제공합니다. 이러한 메서드를 사용하여 그리드를 사용자의 요구에 맞게 맞춤 설정할 수 있으므로 고도의 사용자 정의가 가능합니다.

Streamlit AgGrid 설치 및 사용자 정의

Streamlit AgGrid 설치하기

시스템에서 Streamlit AgGrid를 시작하는 것은 간단합니다. 몇 가지 특정 라이브러리를 가져와 가변 및 상호 작용 테이블을 생성하는 것만으로 가능합니다. 다음은 간단한 설치 과정입니다:

pip install streamlit-aggrid

이 명령을 사용하여 Streamlit AgGrid를 시작할 수 있습니다. 하지만 악마는 세부 사항에 있습니다. 이 글의 다음 섹션에서는 단계별 설치 과정 및 필요한 라이브러리에 대해 더 자세히 알아보겠습니다.

Streamlit AgGrid 사용자 정의하기

Streamlit AgGrid는 일상적인 해결책이 아닌 도구입니다. 고유한 요구에 맞게 조정할 수 있는 도구입니다. 열 또는 셀의 배경 속성을 변경하려면 어떻게 해야 할까요? 문제 없습니다! JavaScript 코드를 Python 코드에 추가하여 이를 수행할 수 있습니다.

다음은 빠른 예시입니다:

from streamlit_aggrid import AgGrid, JsCode
 
js_code = JsCode("""
function(params) {
    if (params.value > 0) {
        return {backgroundColor: 'green'}
    } else {
        return {backgroundColor: 'red'}
    }
}
""")
 
gridOptions = {
    'columnDefs': [
        {'headerName': "Value", 'field': "value", 'cellStyle': js_code},
    ],
    ...
}
 
AgGrid(df, gridOptions=gridOptions)

이 예시에서는 JsCode 라이브러리를 사용하여 그리드에서 JS 코드를 사용하고 있습니다. 이를 통해 셀 값에 따라 셀 배경색을 변경할 수 있습니다.

Streamlit AgGrid 사용 실전 가이드

데이터와 함께 Streamlit AgGrid 사용하기

Streamlit AgGrid를 설치하고 사용자 정의한 후에는 그것을 사용해야 합니다. 이를 위해 Ag Grid 객체를 생성하고 화면에 나타내는 작업이 필요합니다. 다음은 간단한 예시입니다:

from streamlit_aggrid import AgGrid
 
df = pd.DataFrame(
    np.random.randint(-100, 100, size=(100, 10)),
    columns=list('ABCDEFGHIJ'))
 
AgGrid(df)

이 예시에서는 무작위 값으로 DataFrame을 생성하고 AgGrid를 사용하여 표시했습니다. 사용자가 필요한 업데이트를 수행한 후에는 get_data 함수를 사용하여 AgGrid의 현재 데이터프레임을 가져올 수 있습니다.

Streamlit AgGrid 예시 및 튜토리얼

Streamlit AgGrid의 강력하고 다양한 기능을 이해하기 위해서는 실제로 사용하는 모습을 보는 것이 도움이 됩니다. 앞으로의 섹션에서는 Streamlit AgGrid를 사용하는 실용적인 예제를 통해 대화형 테이블 생성부터 복잡한 데이터셋 시각화까지 살펴보겠습니다. 또한 초보자를 위한 자습서도 제공하여 이 강력한 도구를 최대한 활용할 수 있는 지식과 기술을 습득할 수 있도록 하겠습니다.

아래 예제들을 살펴보겠습니다:

예제 1. 기본 대화형 테이블 생성

첫 번째 예제에서 Streamlit AgGrid를 사용하여 대화형 테이블을 만들어 보겠습니다.

from st_aggrid import AgGrid
import pandas as pd
 
# 데이터를 pandas DataFrame으로 불러오기
df = pd.read_csv('your_dataset.csv')
 
# DataFrame을 AgGrid 테이블로 표시하기
AgGrid(df)

예제 2: 복잡한 데이터셋 시각화

샘플 데이터셋을 사용하여 AgGrid 테이블에 표시된 데이터를 기반으로 대화형 차트와 그래프를 생성하는 방법을 보여줍니다.

import streamlit as st
from st_aggrid import AgGrid
import pandas as pd
import plotly.express as px
 
# 데이터를 pandas DataFrame으로 불러오기
df = pd.read_csv('your_dataset.csv')
 
# DataFrame을 AgGrid 테이블로 표시하기
table = AgGrid(df)
 
# 테이블에서 업데이트된 데이터 가져오기
updated_data = table['data']
 
# 업데이트된 데이터를 기반으로 차트 생성하기
fig = px.bar(updated_data, x='column1', y='column2')
 
# 차트 표시하기
st.plotly_chart(fig)

예제 3. 외부 데이터베이스에 연결하여 사용하기

Streamlit AgGrid를 Google Sheets 또는 SQL 데이터베이스와 같은 외부 데이터베이스에 연결하는 것도 가능합니다. 연결하는 방법, 데이터를 가져오는 방법, 대화형 AgGrid 테이블에 표시하는 방법 등을 배우게 될 것입니다. 또한 데이터를 업데이트하고 데이터베이스에 유지하는 기술도 다룰 것이며, 실시간 협업 및 외부 데이터 소스와의 원활한 통합을 가능하게 할 것입니다.

from st_aggrid import AgGrid
import pandas as pd
import gspread
 
# Google Sheets에 연결하기
gc = gspread.service_account(filename='credentials.json')
sh = gc.open('your_google_sheet')
worksheet = sh.get_worksheet(0)
 
# Google Sheets에서 데이터를 pandas DataFrame으로 가져오기
data = worksheet.get_all_records()
df = pd.DataFrame(data)
 
# DataFrame을 AgGrid 테이블로 표시하기
AgGrid(df)

제공된 예제 코드는 단순화된 예제이며, 환경에 맞게 파일 경로, 자격증명 또는 API 설정 등을 변경해야 할 수도 있습니다.

Stramlit AGrid로 할 수 있는 다른 기능들

데이터 시각화를 위한 Streamlit AgGrid

데이터 시각화는 Streamlit AgGrid의 핵심 기능입니다. 세련된 그래프와 테이블을 통해 데이터를 시각적으로 표현할 수 있습니다. 다음은 몇 가지 주요 기능입니다:

  • 컬럼 정의의 사용자 정의: Streamlit AgGrid에서 컬럼의 모양과 동작을 사용자 정의할 수 있습니다.
  • 대화형 기능: Streamlit AgGrid는 정렬, 필터링, 컬럼 크기 조정과 같은 대화형 기능을 지원합니다.

대용량 데이터셋에 적합한 Streamlit AgGrid

Streamlit AgGrid의 주요 장점 중 하나는 대용량 데이터셋을 처리할 수 있는 능력입니다. 이는 대용량 데이터 분석과 시각화에 탁월한 도구로 사용할 수 있습니다. 다음은 Streamlit AgGrid가 대용량 데이터셋을 처리하는 방법입니다:

  • 효율적인 랜더링: Streamlit AgGrid는 현재 보이는 행만 렌더링합니다. 이는 성능 저하 없이 대용량 데이터셋을 처리할 수 있습니다.
  • 서버 측 작업: Streamlit AgGrid는 정렬, 필터링, 그루핑과 같은 서버 측 작업을 지원합니다. 이를 통해 브라우저 메모리에 맞지 않는 대용량 데이터셋을 처리할 수 있습니다.

웹 애플리케이션을 위한 Streamlit AgGrid

Streamlit AgGrid는 데이터 분석뿐만 아니라 웹 애플리케이션 개발에도 강력한 도구입니다. JavaScript 기반의 그리드 시스템은 Python 웹 애플리케이션과 완벽하게 통합되어 대화형 데이터 애플리케이션을 생성하는 사용자 친화적인 플랫폼을 제공합니다. 데이터 분석용 대시보드나 완전한 웹 애플리케이션을 개발하고자 할 때, Streamlit AgGrid는 귀하의 도구 상자에 가치 있는 도구가 될 수 있습니다.

머신러닝 및 데이터 분석을 위한 Streamlit AgGrid

Streamlit AgGrid는 머신러닝과 데이터 분석 분야에서도 가치 있는 도구입니다. 대용량 데이터셋을 처리하고 대화형 시각화를 생성하는 능력을 바탕으로 이러한 응용 분야에 적합한 선택지가 됩니다. 다음은 Streamlit AgGrid를 머신러닝 및 데이터 분석에 활용하는 몇 가지 방법입니다:

  • 탐색적 데이터 분석 (EDA): Streamlit AgGrid의 대화형 기능은 EDA에 훌륭한 도구로 활용할 수 있습니다.
  • 특성 선택: 데이터셋에서 다른 특성의 중요성을 시각화하기 위해 Streamlit AgGrid를 활용할 수 있습니다.
  • 모델 평가: Streamlit AgGrid를 사용하여 다른 모델의 성능을 시각화할 수 있습니다.

Streamlit AgGrid 대체 도구

Streamlit AgGrid은 강력한 도구이지만, Python에서 데이터 시각화를 위한 유일한 선택지는 아닙니다. PyGWalker (opens in a new tab)는 Streamlit AgGrid의 대안으로 사용할 수 있는 또 다른 훌륭한 도구입니다.

PyGWalker + Streamlit 온라인 데모 (opens in a new tab)

PyGWalker (opens in a new tab)는 Tableau와 비슷한 UI를 손쉽게 Streamlit 앱에 통합해주는 Python 라이브러리입니다.

Coding is Fun (opens in a new tab)의 Sven이 만든 놀라운 비디오에서 이 강력한 데이터 시각화 Python 라이브러리를 사용하여 Streamlit 앱에 기능을 추가하는 자세한 단계를 확인해보세요!


PyGWalker 커뮤니티에 대한 Sven과 그의 훌륭한 기여 (opens in a new tab)에 특별히 감사드립니다!

추가로 다음 자료도 확인해볼 수 있습니다:

PyGWalker를 사용하여 Streamlit에서 데이터 시각화 (opens in a new tab)

PyGWalker 외에도, 각각의 강점과 약점을 가진 여러 대안이 있습니다:

  • Matplotlib: Python에서 정적, 애니메이션 및 대화형 시각화를 생성하기 위한 다목적 라이브러리입니다.
  • Seaborn: Matplotlib을 기반으로 한 Python 데이터 시각화 라이브러리입니다. 매력적이고 유익한 통계 그래픽을 그리기 위한 고수준 인터페이스를 제공합니다.
  • Plotly: 대화형, 출판 수준의 그래프를 생성하는 그래프 라이브러리입니다.

결론

Streamlit AgGrid는 Streamlit의 간단함과 AgGrid의 다양성을 결합한 강력한 도구로, 대화형 데이터 애플리케이션을 만들기 위한 사용자 친화적인 플랫폼을 제공합니다. 복잡한 데이터셋을 시각화하기 위한 데이터 과학자, 대화형 애플리케이션을 구축하는 웹 개발자, 탐색적 데이터 분석을 수행하는 머신러닝 엔지니어 등 다양한 분야에서 Streamlit AgGrid는 가치를 제공합니다. 큰 데이터셋을 처리할 수 있는 능력과 사용자 정의 기능 및 사용 용이성을 결합한 이 도구는 다양한 응용 분야에 탁월한 선택지입니다. 그렇다면 더 이상 기다릴 필요는 없습니다. Streamlit AgGrid의 세계로 빠져들어 상호작용적 데이터 시각화의 힘을 발견해보세요!

자주 묻는 질문

Streamlit AgGrid란 무엇인가요?

Streamlit AgGrid는 Python 웹 애플리케이션을 위해 설계된 오픈소스 그리드 시스템입니다. Streamlit의 간단함과 AgGrid의 다양성을 결합하여 대화형 데이터 애플리케이션을 만들기 위한 사용자 친화적인 플랫폼을 제공합니다.

AgGrid를 반응형으로 만드는 방법은 무엇인가요?

AgGrid를 반응형으로 만들기 위해 domLayout 속성을 'autoHeight'로 설정할 수 있습니다. 이렇게 설정하면 그리드의 높이가 자동으로 내용에 맞게 조정됩니다. 또한 CSS를 사용하여 그리드의 너비와 높이를 백분율로 설정할 수 있으며, 이렇게 설정하면 그리드가 컨테이너의 크기에 따라 크기가 조정됩니다.

AgGrid 필터의 높이는 어떻게 되나요?

AgGrid 필터의 높이는 고정되어 있지 않으며 필요에 따라 조정할 수 있습니다. 기본적으로 필터는 스크롤 없이 내용에 맞게 충분한 행을 표시합니다. 그러나 필터 파라미터에서 maxDisplayedRows 속성을 사용하여 필터의 최대 높이를 설정할 수도 있습니다.

Streamlit 컴포넌트란 무엇인가요?

Streamlit 컴포넌트는 Streamlit의 기능을 확장하기 위해 사용되는 Python 라이브러리입니다. 다른 JavaScript 라이브러리와 프레임워크와 통합하거나, 새로운 종류의 시각화를 생성하거나, 새로운 사용자 인터페이스 요소를 추가하는 데 사용할 수 있습니다. Streamlit AgGrid는 Streamlit 컴포넌트의 예입니다.