스트림릿에서 동적 탭 만들기: 빠른 시작

Name

Olaf Källström

Updated on 2023. 7. 24.

스트림릿은 데이터 과학자들에게 인기 있는 오픈 소스 파이썬 라이브러리로, 빠르고 쉽게 대화형 웹 애플리케이션을 만들 수 있습니다. 스트림릿은 데이터 기반 애플리케이션을 구축하는 데 있어서 간결하고 효율적인 기능으로 인해 특히 선호됩니다. 스트림릿이 제공하는 주요 기능 중 하나는 탭을 만들 수 있는 능력으로, 애플리케이션의 레이아웃을 구조화하고 사용자 탐색을 개선하는 데 필수적입니다.

스트림릿 앱을 Tableau로 바꿔주는 멋진 데이터 분석 및 데이터 시각화 도구를 들어보셨나요?

PyGWalker (opens in a new tab)는 스트림릿 앱을 손쉽게 Tableau와 유사한 UI로 변환해주는 파이썬 라이브러리입니다. Coding is Fun (opens in a new tab)의 Sven이 제작한 이 멋진 비디오를 통해 강력한 데이터 시각화 Python 라이브러리로 스트림릿 앱을 개선하는 자세한 단계를 확인해보세요!

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

또한, PyGWalker GitHub 페이지 (opens in a new tab)에서 추가적인 PyGWalker 예시도 확인할 수 있습니다.

부분 1. 스트림릿 탭이란?

스트림릿 탭은 애플리케이션에서 만들고자 하는 모든 콘텐츠를 담을 수 있는 컨테이너입니다. 이는 관련된 콘텐츠 그룹 사이를 탐색하기 쉽게 해주어 애플리케이션을 더 정리되고 사용자 친화적으로 만들어줍니다. 예를 들어, 데이터 시각화, 모델 훈련, 결과 분석과 같이 머신러닝 실험의 각 부분을 분리하는 데 탭을 사용할 수 있습니다.

부분 2. 스트림릿에서 탭을 사용하는 이유

스트림릿에서 탭을 사용하는 주된 목적은 관련된 콘텐츠를 독립적인 뷰로 그룹화하는 데 있습니다. 이는 사용자 경험을 향상시키는데뿐만 아니라 깔끔하고 정리된 인터페이스로 더 효율적인 작업 흐름을 가능하게 해줍니다. 예를 들어, 머신러닝 프로젝트에서 데이터 전처리, 모델 훈련, 평가 지표, 예측 결과와 같은 개별적인 탭을 가질 수 있습니다.

부분 3. 스트림릿에서 탭 만들기 방법

스트림릿에서 탭을 만들기 위해서는 먼저 탭 제목의 목록을 만들어야 합니다. 이 목록의 각 옵션은 하나의 탭 이름에 해당합니다. 그런 다음, 각 탭에 대한 콘텐츠를 작성합니다. 다음은 간단한 예시입니다:

import streamlit as st
 
st.title('나의 애플리케이션')
 
# 탭 생성
tab_titles = ['주제 A', '주제 B', '주제 C']
tab1, tab2, tab3 = st.tabs(tab_titles)
 
# 각 탭에 콘텐츠 추가
with tab1:
    st.header('주제 A')
    st.write('주제 A의 내용')
 
with tab2:
    st.header('주제 B')
    st.write('주제 B의 내용')
 
with tab3:
    st.header('주제 C')
    st.write('주제 C의 내용')

이 예시에서는 '주제 A', '주제 B', '주제 C'라는 세 개의 탭을 만들었습니다. 각 탭은 헤더와 일부 텍스트를 표시합니다.

부분 4. 스트림릿에서 여러 탭 만들기

스트림릿에서 여러 탭을 만드는 것은 하나의 탭을 만드는 것과 동일한 과정을 따릅니다. 탭 제목 목록에 더 많은 옵션을 추가하고, 각 탭에 콘텐츠를 추가하기만 하면 됩니다. 이는 많은 관련 콘텐츠를 별도의 섹션으로 그룹화하고자 할 때 특히 유용합니다.

예를 들어, 머신러닝 프로젝트용 스트림릿 애플리케이션을 구축 중이라고 가정해봅시다. 데이터 전처리, 모델 훈련, 모델 평가, 결과 시각화와 같은 개별적인 섹션을 별도의 탭으로 그룹화할 수 있습니다. 이렇게 하면 애플리케이션이 보다 정리되고 탐색하기 쉬워집니다.

다음은 스트림릿에서 여러 탭을 만드는 예시입니다:

import streamlit as st
 
st.title('나의 머신러닝 프로젝트')
 
# 탭 생성
tab_titles = ['데이터 전처리', '모델 훈련', '모델 평가', '결과 시각화']
tabs = st.tabs(tab_titles)
 
# 데이터 전처리 탭에 콘텐츠 추가
with tabs[0]:
    st.header('데이터 전처리')
    st.write('데이터 전처리를 수행할 수 있는 곳입니다.')
 
# 모델 훈련 탭에 콘텐츠 추가
with tabs[1]:
    st.header('모델 훈련')
    st.write('모델 훈련을 수행할 수 있는 곳입니다.')
 
# 모델 평가 탭에 콘텐츠 추가
with tabs[2]:
    st.header('모델 평가')
    st.write('모델 평가를 수행할 수 있는 곳입니다.')
 
# 결과 시각화 탭에 콘텐츠 추가
with tabs[3]:
    st.header('결과 시각화')
    st.write('결과 시각화를 수행할 수 있는 곳입니다.')

이 예시에서는 머신러닝 프로젝트용 네 개의 탭을 만들었습니다. 각 탭은 프로젝트의 다른 섹션에 해당하며, 각 탭에는 고유한 콘텐츠가 포함되어 있습니다.

필요한 만큼의 탭을 추가할 수 있으며, 각 탭은 텍스트, 이미지, 플롯, 위젯 등의 모든 종류의 콘텐츠를 포함할 수 있습니다. 이로써 스트림릿 탭은 대화형 및 동적 애플리케이션을 만들기 위한 다재다능한 도구가 됩니다.

스트림릿에서 여러 탭을 만드는 것은 애플리케이션의 기능성과 사용자 경험을 향상시키는 간단하고 효과적인 방법입니다. 그러므로, 이 기능을 탐색해보고 프로젝트에 어떤 이점이 있는지 확인해보세요.

부분 5. 스트림릿에서 동적 탭 만들기 동적 탭(Streamlit)은 서버 또는 API에서 가져온 콘텐츠를 기반으로 동적으로 생성되고 렌더링되는 탭입니다. 탭의 수와 내용이 미리 알려지지 않고 시간이 지남에 따라 변경될 때 유리합니다. Streamlit에서 동적 탭을 생성하는 예제는 다음과 같습니다:

import streamlit as st
 
st.title('My Application')
 
# 서버에서 탭 콘텐츠를 가져오는 함수
def get_tab_content():
    return [
        {'title': 'Topic A', 'content': 'Topic A의 내용'},
        {'title': 'Topic B', 'content': 'Topic B의 내용'},
        {'title': 'Topic C', 'content': 'Topic C의 내용'},
    ]
 
# 서버에서 탭 콘텐츠를 가져옴
tab_contents = get_tab_content()
 
# 탭 생성
tab_names = [content['title'] for content in tab_contents]
tabs = st.tabs(tab_names)
 
# 각 탭을 반복하며 콘텐츠 작성
for tab, tab_content in zip(tabs, tab_contents):
    with tab:
        st.header(tab_content['title'])
        st.write(tab_content['content'])

이 예제에서는 먼저 서버나 API가 반환하는 것과 유사한 함수 get_tab_content를 정의합니다. 이 함수는 각각 탭 제목과 탭 콘텐츠를 포함하는 사전의 리스트를 반환합니다. 그런 다음 탭을 생성하고 콘텐츠를 작성하기 위해 각 탭을 반복합니다.

Par 6. Streamlit 탭의 실용적인 예제

Streamlit 탭은 데이터 과학과 머신 러닝의 영역을 비롯한 다양한 응용 프로그램에서 활용할 수 있는 다목적 기능입니다. Streamlit 탭의 실용적인 사용 사례 중 몇 가지를 더 자세히 살펴보겠습니다:

머신 러닝 실험용 Streamlit 탭

머신 러닝 실험에 몰두하고 있다고 상상해보십시오. 데이터 전처리, 모델 훈련, 모델 평가 및 결과 시각화가 동시에 진행되고 있습니다. 얽히고 설킨 단계와 프로세스의 소용돌이가 될 수 있습니다. 그러나 여기에서 Streamlit 탭이 구조를 구원하는 역할을 합니다. 각 단계를 별도의 탭으로 그룹화함으로써 사용자가 실험을 탐색하는 것이 더욱 쉽고 전체 프로세스에 대한 이해를 높일 수 있습니다.

예를 들어, 다음과 같은 탭이 있는 Streamlit 애플리케이션을 가질 수 있습니다:

import streamlit as st
 
st.title('My Machine Learning Experiment')
 
# 탭 생성
tab_titles = ['Data Preprocessing', 'Model Training', 'Model Evaluation', 'Results Visualization']
tabs = st.tabs(tab_titles)
 
# 각 탭에 콘텐츠 추가
with tabs[0]:
    st.header('Data Preprocessing')
    st.write('여기에서 데이터 전처리를 수행합니다...')
 
with tabs[1]:
    st.header('Model Training')
    st.write('여기에서 모델 훈련을 수행합니다...')
 
with tabs[2]:
    st.header('Model Evaluation')
    st.write('여기에서 모델 평가를 수행합니다...')
 
with tabs[3]:
    st.header('Results Visualization')
    st.write('여기에서 결과를 시각화합니다...')

이 예제에서 머신 러닝 실험의 각 단계는 별도의 탭으로 표시되어 애플리케이션을 더 구조화되고 사용자 친화적으로 만듭니다.

데이터 시각화용 Streamlit 탭

데이터 시각화는 데이터 분석과 머신 러닝의 핵심입니다. 이는 데이터를 사용하여 그림을 그리는 예술이며, Streamlit 탭은 이러한 작품을 위한 완벽한 캔버스입니다. Streamlit 탭을 사용하면 막대 차트, 산점도 그래프, 히트맵 등과 같은 다른 유형의 시각화에 대한 별도의 탭을 만들 수 있습니다. 이를 통해 사용자는 쉽게 다른 시각화 사이를 전환하며 데이터로부터 통찰력을 얻을 수 있습니다.

데이터 시각화에 Streamlit 탭을 사용하는 예는 다음과 같습니다:

import streamlit as st
import pandas as pd
import matplotlib.pyplot as plt
 
# 데이터 로드
data = pd.read_csv('data.csv')
 
st.title('My Data Visualization Application')
 
# 탭 생성
tab_titles = ['Bar Chart', 'Scatter Plot', 'Heatmap']
tabs = st.tabs(tab_titles)
 
# 각 탭에 콘텐츠 추가
with tabs[0]:
    st.header('Bar Chart')
    st.bar_chart(data)
 
with tabs[1]:
    st.header('Scatter Plot')
    fig, ax = plt.subplots()
    ax.scatter(data['x'], data['y'])
    st.pyplot(fig)
 
with tabs[2]:
    st.header('Heatmap')
    st.heatmap(data.corr())

이 예에서 각 탭은 다른 유형의 데이터 시각화를 표시하며, 사용자는 데이터를 다양한 관점에서 탐색할 수 있습니다.

대시보드 작성용 Streamlit 탭

Streamlit 탭은 대화형 대시보드를 작성하는 데 사용될 수 있습니다. 예를 들어 사용자 입력을 위한 탭, 데이터 표시를 위한 탭 및 데이터 분석 결과 표시를 위한 탭 등의 각각 별도의 탭을 가질 수 있습니다. 이를 통해 대시보드가 더 구성되고 사용자 친화적으로 만들 수 있습니다.

Streamlit을 사용한 대시보드 예제는 다음과 같습니다:

import streamlit as st
 
st.title('My Dashboard')
 
# 탭 생성
tab_titles = ['User Inputs', 'Data Display', 'Data Analysis']
tabs = st.tabs(tab_titles)
 
# 각 탭에 콘텐츠 추가
with tabs[0]:
    st.header('User Inputs')
    st.text_input('Some text 입력')
    st.number_input('Number 입력')
 
with tabs[1]:
    st.header('Data Display')
    st.table({'column1': [1, 2, 3], 'column2': [4, 5, 6]})
 
with tabs[2]:
    st.header('Data Analysis')
    st.line_chart([1, 2, 3, 4, 5])

이 예에서 'User Inputs' 탭에는 입력 위젯이 포함되어 있으며, 'Data Display' 탭에는 데이터 표가 나열되고, 'Data Analysis' 탭에는 선 그래프가 표시됩니다.

프로젝트 구성용 Streamlit 탭

여러 구성 요소로 구성된 대규모 프로젝트에서 Streamlit 탭을 사용하여 구성 요소를 별도의 섹션으로 구성할 수 있습니다. 이렇게 하면 프로젝트가 더 관리 가능해지며, 깨끗하고 조직적인 인터페이스를 제공하여 사용자 경험을 향상시킵니다.

예를 들어, 데이터 로딩, 데이터 정리, 데이터 분석 및 데이터 시각화와 같은 여러 구성 요소로 이루어진 대규모 애플리케이션을 다음과 같이 별도의 탭으로 구성할 수 있습니다:

import streamlit as st
 
st.title('My Large Project')
 
# 탭 생성
tab_titles = ['Data Loading', 'Data Cleaning', 'Data Analysis', 'Data Visualization']
tabs = st.tabs(tab_titles)
 
# 각 탭에 콘텐츠 추가
with tabs[0]:

st.header('데이터 로딩')
st.write('여기서 데이터를 로드합니다...')
 
with tabs[1]:
    st.header('데이터 클리닝')
    st.write('여기서 데이터를 정리합니다...')
 
with tabs[2]:
    st.header('데이터 분석')
    st.write('여기서 데이터를 분석합니다...')
 
with tabs[3]:
    st.header('데이터 시각화')
    st.write('여기서 데이터를 시각화합니다...')

이 예제에서 프로젝트의 각 구성 요소는 서로 다른 탭을 가지고 있으며, 이를 통해 애플리케이션을 보다 체계적이고 쉽게 탐색할 수 있게 만들 수 있습니다.

Part 7. Streamlit 탭에서의 고급 개념

Streamlit 탭은 애플리케이션의 기능성과 사용자 경험을 향상시킬 수 있는 다양한 고급 기능을 제공합니다. 여기에는 다음과 같은 Streamlit 탭의 고급 개념이 있습니다:

Streamlit 탭 컨테이너와 그 사용

Streamlit 탭 컨테이너는 탭의 내용을 담고 있는 컨테이너입니다. 텍스트, 이미지, 플롯 및 위젯과 같이 모든 내용을 탭 컨테이너에 추가할 수 있습니다. 탭 컨테이너를 사용하면 관련된 내용을 쉽게 그룹화하고 사용자의 탐색을 개선할 수 있습니다.

예를 들어, 다음과 같은 Streamlit 애플리케이션이 있는 경우:

import streamlit as st
 
st.title('내 애플리케이션')
 
# 탭 컨테이너 생성
tabs = st.tabs(['탭 1', '탭 2', '탭 3'])
 
# 첫 번째 탭에 내용 추가
with tabs[0]:
    st.header('탭 1')
    st.write('이것은 탭 1의 내용입니다.')
 
# 두 번째 탭에 내용 추가
with tabs[1]:
    st.header('탭 2')
    st.write('이것은 탭 2의 내용입니다.')
 
# 세 번째 탭에 내용 추가
with tabs[2]:
    st.header('탭 3')
    st.write('이것은 탭 3의 내용입니다.')

이 예제에서 각 탭은 자체 콘텐츠를 담고 있는 컨테이너이며, 사용자는 다른 콘텐츠를 보기 위해 탭 간에 전환할 수 있습니다.

Streamlit 탭 레이아웃과 디자인

Streamlit은 파이썬에서 상호작용하는 앱을 만들고 디자인할 수 있는 깔끔한 API를 제공합니다. 탭 레이아웃은 Streamlit이 제공하는 디자인 기능 중 하나입니다. 탭 레이아웃을 사용하면 콘텐츠를 별도의 탭으로 구성하여 애플리케이션을 체계적이고 사용자 친화적으로 만들 수 있습니다.

다음은 탭 레이아웃을 사용한 Streamlit 애플리케이션의 예입니다:

import streamlit as st
 
st.title('내 애플리케이션')
 
# 탭 레이아웃 생성
tabs = st.tabs(['탭 1', '탭 2', '탭 3'])
 
# 첫 번째 탭에 내용 추가
with tabs[0]:
    st.header('탭 1')
    st.write('이것은 탭 1의 내용입니다.')
 
# 두 번째 탭에 내용 추가
with tabs[1]:
    st.header('탭 2')
    st.write('이것은 탭 2의 내용입니다.')
 
# 세 번째 탭에 내용 추가
with tabs[2]:
    st.header('탭 3')
    st.write('이것은 탭 3의 내용입니다.')

이 예제에서는 애플리케이션이 세 개의 탭을 가진 탭 레이아웃을 가지고 있으며, 각 탭에는 고유한 콘텐츠가 포함되어 있습니다.

Streamlit 탭 내비게이션과 사용자 인터페이스

Streamlit 탭은 관련된 콘텐츠 그룹 간의 쉬운 탐색을 제공합니다. 탭 간의 전환은 빠르고 부드럽게 이루어져 사용자 경험을 향상시킵니다. 또한, 사용자가 탭의 수와 콘텐츠를 미리 알 수 없는 경우에는 탭을 동적으로 생성하고 콘텐츠를 삽입할 수 있으므로 매우 유용합니다.

예를 들어, 사용자 입력에 따라 탭의 수와 콘텐츠가 결정되는 Streamlit 애플리케이션이 있는 경우:

import streamlit as st
 
st.title('내 동적 애플리케이션')
 
# 사용자로부터 탭 수 가져오기
num_tabs = st.number_input('탭 수 입력', min_value=1, max_value=10, value=3)
 
# 탭 생성
tab_titles = [f'탭 {i+1}' for i in range(num_tabs)]
tabs = st.tabs(tab_titles)
 
# 각 탭에 내용 추가
for i in range(num_tabs):
    with tabs[i]:
        st.header(f'탭 {i+1}')
        st.write(f'이것은 탭 {i+1}의 내용입니다.')

이 예제에서 사용자는 탭의 수를 지정할 수 있으며, 애플리케이션은 탭을 동적으로 생성하고 콘텐츠를 추가합니다.

Streamlit 탭 콘텐츠와 표시

Streamlit 탭은 애플리케이션에서 만들고자하는 내용들을 기본적으로 보관하는 것입니다. 이를 통해 메트릭, 플롯, 차트 및 입력 위젯과 같은 다양한 콘텐츠를 표시할 수 있습니다. 이를 통해 Streamlit 탭은 상호작용적이고 동적인 애플리케이션을 만들 수 있는 다재다능한 도구입니다.

다음은 Streamlit 애플리케이션이 탭을 사용하여 다양한 종류의 콘텐츠를 표시하는 예입니다:

import streamlit as st
import pandas as pd
import matplotlib.pyplot as plt
 
# 데이터 로드
data = pd.read_csv('data.csv')
 
st.title('내 데이터 시각화 애플리케이션')
 
# 탭 생성
tab_titles = ['메트릭', '플롯', '차트', '입력']
tabs = st.tabs(tab_titles)
 
# 각 탭에 내용 추가
with tabs[0]:
    st.header('메트릭')
    st.metric('메트릭 1', 123)
    st.metric('메트릭 2', 456)
 
with tabs[1]:
    st.header('플롯')
    fig, ax = plt.subplots()
    ax.plot(data['x'], data['y'])
    st.pyplot(fig)
 
with tabs[2]:
    st.header('차트')
    st.line_chart(data)
 
with tabs[3]:
    st.header('입력')
    st.text_input('텍스트 입력')
    st.number_input('숫자 입력')

이 예제에서 '메트릭' 탭은 메트릭을 표시하고, '플롯' 탭은 플롯을 보여주며, '차트' 탭은 라인 차트를 표시하고, '입력' 탭에는 입력 위젯이 포함되어 있습니다.

결론

Streamlit 탭은 애플리케이션의 기능성과 사용자 경험을 크게 향상시킬 수 있는 강력한 기능입니다. 데이터 과학 프로젝트, 대시보드 작성, 복잡한 애플리케이션 구축 등을 위해 Streamlit 탭을 활용하여 콘텐츠를 체계적으로 구성하고 애플리케이션을 사용자 친화적으로 만들 수 있습니다. 그러니 오늘부터 Streamlit 탭을 활용하여 여러분의 프로젝트에 어떤 이점을 가져다줄 수 있는지 확인해 보세요.

스트림릿 앱을 Tableau로 변환해주는 멋진 데이터 분석 및 데이터 시각화 도구인 PyGWalker를 들어보신 적 있나요?

PyGWalker (opens in a new tab)는 자신의 Streamlit 앱을 쉽게 Tableau와 같은 UI로 임베드할 수 있는 Python 라이브러리입니다.

(opens in a new tab)

자주 묻는 질문

Streamlit은 탭을 지원합니까?

예, Streamlit은 탭을 지원합니다. 여러 탭을 생성하여 콘텐츠를 구성하고 사용자의 탐색을 향상시키기 위해 Streamlit 애플리케이션 내에서 사용할 수 있습니다.

Streamlit에서 요소를 배치하는 방법은 무엇인가요?

Streamlit에서는 요소를 나타내고자 하는 순서대로 작성하여 배치할 수 있습니다. Streamlit은 위에서 아래로 실행되므로 요소를 작성하는 순서가 애플리케이션에 표시되는 순서입니다.

Streamlit은 어떻게 작동하나요?

Streamlit은 Python 스크립트를 대화형 웹 애플리케이션으로 변환하여 작동합니다. 슬라이더, 체크박스 및 탭과 같은 인터랙티브한 요소를 생성하기 위한 일련의 고수준 API를 제공합니다. Streamlit 스크립트를 실행하면 웹 서버가 시작되고 해당 서버를 가리키는 브라우저 창이 열립니다.

Python에서 Streamlit의 역할은 무엇인가요?

Streamlit은 대화형 웹 애플리케이션을 만들기 위한 Python 라이브러리입니다. HTML, CSS 또는 JavaScript를 알 필요 없이 Python 개발자와 데이터 과학자들은 데이터 분석, 머신러닝 및 데이터 시각화를 위한 애플리케이션을 생성할 수 있습니다.