Skip to content

Como Usar Streamlit com VSCode: Guia Passo a Passo (Atualizado para 2025)

Olaf Källström
Name
Olaf Källström

Updated on

Pronto para turbinar o seu fluxo de desenvolvimento em Python?
Streamlit + VSCode continua sendo uma das formas mais rápidas de construir data apps — especialmente para engenheiros, cientistas de dados, analistas e profissionais de ML.

Esta versão atualizada (edição 2025) mostra:

  • ✔ Como configurar Streamlit corretamente no VSCode
  • ✔ Como usar ambientes virtuais (boa prática)
  • ✔ Como depurar apps Streamlit dentro do VSCode
  • ✔ Como pré-visualizar apps usando a extensão Stlite
  • ✔ Como fazer deploy de apps Streamlit com opções modernas de hospedagem em 2025
  • ✔ E como melhorar seu fluxo de trabalho com PyGWalker para visualização sem código

Vamos começar.

Conceitos Básicos: Streamlit + VSCode

O que é Streamlit?

Streamlit é um framework Python open-source para criar web apps interativos — sem precisar de HTML, CSS ou JavaScript.
Ele transforma scripts Python em data apps compartilháveis em poucos minutos.

Principais vantagens:

  • Zero conhecimento de front-end necessário
  • Hot reload em tempo real
  • Widgets fáceis (sliders, selects, upload de arquivos, gráficos)
  • Amigável para exploração de dados, dashboards e demos de ML

Em 2025, Streamlit se tornou a ferramenta padrão de muitas equipes de data science, substituindo dashboards ad-hoc, widgets do Jupyter e protótipos internos de BI.

Por que Usar Streamlit no VSCode?

VSCode melhora bastante a experiência com Streamlit:

1. 🔥 Desenvolvimento Rápido

Escreva código → Salve → O app atualiza automaticamente.

2. 🧩 Ecossistema Rico

Extensão Python, integração com Git, ferramentas de IA ao estilo Copilot/Cursor, formatação, linting e muito mais.

3. 🐞 Depuração de Primeira Classe

VSCode permite breakpoints, inspeção de variáveis e passo a passo na sua lógica Streamlit.

4. 🚀 Integração com Ferramentas Modernas

Funciona com ambientes virtuais, Conda, uv, Docker, SSH remoto, dev containers etc.

Limitações Importantes

Streamlit é poderoso, mas:

  • Não é adequado para front-end altamente customizado ou apps multi-página muito complexos
  • O design stateless torna a gestão de estados complexos mais difícil
  • UI menos flexível que frameworks web completos (FastAPI + React, Django, etc.)

Para 90% dos dashboards internos e ferramentas de ML, porém, é perfeito.

Como Usar Streamlit no VSCode (Passo a Passo 2025)

A seguir está o fluxo de trabalho moderno recomendado.

Passo 1 — Crie um Ambiente Virtual (Boa Prática)

Em vez de instalar Streamlit globalmente, faça assim:

python3 -m venv .venv
source .venv/bin/activate      # macOS / Linux
.venv\Scripts\activate         # Windows

Ou, se estiver usando uv (super rápido):

uv venv
source .venv/bin/activate

Passo 2 — Instale Streamlit

pip install streamlit

Passo 3 — Crie um Arquivo Python no VSCode

Crie um arquivo chamado example.py:

import streamlit as st
 
st.title("My First Streamlit App")
st.write("Hello, VSCode + Streamlit!")

Passo 4 — Rode Streamlit a partir do Terminal do VSCode

Abra o terminal:

  • Windows / Linux: Ctrl + Shift + `
  • macOS: Cmd + J

Depois execute:

streamlit run example.py

Seu navegador abrirá automaticamente em:

http://localhost:8501 (opens in a new tab)

Bônus: Debug de Apps Streamlit no VSCode

Adicione um .vscode/launch.json:

{
  "version": "0.2.0",
  "configurations": [
    {
      "name": "Debug Streamlit App",
      "type": "python",
      "request": "launch",
      "module": "streamlit",
      "args": ["run", "example.py"],
      "console": "integratedTerminal"
    }
  ]
}

Agora você pode depurar com breakpoints, execução passo a passo e painel de variáveis.

Crie um App de Visualização em Streamlit com PyGWalker (Atualizado)

PyGWalker (opens in a new tab) adiciona uma UI ao estilo Tableau ao Streamlit com quase nenhum código.

Perfeito para:

  • Exploração de dados
  • Protótipos de dashboard
  • Compartilhar resultados de análises

Exemplo mínimo:

import streamlit as st
import pygwalker as pyg
import pandas as pd
 
df = pd.read_csv("your-data.csv")
pyg.walk(df, env="streamlit")

Demo ao vivo → https://pygwalkerapp-d0iztqkzcmr.streamlit.app/ (opens in a new tab)

Tutorial em vídeo por Sven (CodingIsFun):

Extensão VSCode: Stlite (Informações Atualizadas)

A extensão Stlite oferece:

  • Realce de sintaxe
  • Snippets para funções comuns do Streamlit
  • Painel de preview embutido no VSCode
  • Não é preciso abrir o navegador para testes rápidos

Como usar:

  1. Abra o Command Palette → Launch stlite preview
  2. Escolha um arquivo .py
  3. O preview aparece no painel do editor do VSCode

Limitações

  • Usa uma versão WebAssembly do Streamlit
  • Alguns componentes se comportam de forma diferente do backend Python completo
  • Precisa de rede para recursos WASM (modo offline é limitado)

Ainda assim, é fantástico para prototipagem rápida.

Deploy: Como Fazer Deploy de Apps Streamlit

O antigo “Streamlit Sharing” foi descontinuado.

Opções modernas de deploy:

✅ Streamlit Community Cloud (recomendado para iniciantes)

Gratuito, rápido, simples.

✅ Railway.app

Deploy com um clique e builds automáticos.

✅ Render.com

Camada gratuita + autoscaling.

✅ HuggingFace Spaces

Perfeito para demos de ML.

✅ AWS / GCP / Azure

Para uso em produção — com Docker + balanceamento de carga.

Tutorial: ➡ /topics/Streamlit/deploy-streamlit-app

Perguntas Frequentes

1. Como interromper o Streamlit no VSCode?
Use o botão de Stop no terminal do VSCode ou pressione Ctrl+C.

2. Como abrir o app?
Acesse: http://localhost:8501

3. Posso usar Streamlit no Google Colab?
Sim — instale Streamlit e use pyngrok para criar o túnel.

4. Por que usar ambientes virtuais?
Eles isolam suas dependências e evitam conflitos de versão.

5. Quais são as limitações comuns do Streamlit?
Customização de UI limitada, complexidade por ser stateless e não é ideal para apps de front-end em larga escala.

6. Para que Streamlit é usado?
Demos de ML, dashboards, ferramentas internas, exploração de dados e apps interativos rápidos.

Conclusão

Streamlit + VSCode é uma das formas mais rápidas de construir aplicações de dados em 2025.
Esteja você explorando dados, criando dashboards ou colocando ferramentas internas em produção, esse fluxo de trabalho oferece:

  • iteração rápida
  • desenvolvimento organizado
  • depuração poderosa
  • opções modernas de deploy

Combine com PyGWalker, Stlite e o ecossistema de IA em constante evolução do VSCode — e você terá um ambiente completo para desenvolvimento de data products.