Install Streamlit in Anaconda-Navigator macOS/Windows
En este tutorial abordaremos como instalar la libreria streamlit en macOS & windows. Esta librería es muy utilizada para crear Data Apss, Dashboard o portafolios para proyectos de data science & data analytics.
Streamlit es compatible con multiples librerías de visualización Plotly, bokeh, Altair. Librerías de machine learning y deep learning scikit-learn, Keras, TensorFlow, PyTorch y OpenCV.
Instalada la herramienta Anaconda-Navigator en tu computador. Es necesario crear un nuevo entorno de trabajo. En mí tutorial conda enviroment repasamos la importancia de trabajar con los entornos virtuales y com, crearlos.
Para instalar streamlit, clonare el entorno base de Anaconda-Navigator y creare uno nuevo llamado “streamlit_datapps”.
macOS Big Sur
conda create -n streamlit_datapps --clone base
Windows 10
conda create -n streamlit_datapps --clone base
Creado el nuevo entorno virtual de trabajo, lo activaremos para instalar la librería streamlit. En un entorno conda se debe utilizar el comando pip para instalar.
conda activate streamlit_datapps
pip install streamlitCorroboramos la instalación buscando en los paquetes del entorno virtual la librería streamlit version 0.87.0 esto podría variar segun la fecha en que realices este tutorial.
Para listar los paquete del entorno: conda list
Otra forma de validar la instalación, es ejecutar la siguiente linea de código en el entorno virtual streamlit hello. Se desplegara un mensaje en nuestra terminal para vincular nuestro correo como developer partners, en caso contrario se puede omitir no ingresando un correo apretando la tecla enter.
Luego de haber presionado la tecla enter, se levanta el servidor local para la herramienta streamlit http://localhost:8501 en el navegador predeterminado de tu maquina. Esta URL contiene 4 demos que explotan el potencial de esta librería.
Para detener la ejecución del servidor local basta con colocar el siguiente comando en la terminal control + c.
Con estos sencillos pasos hemos instalado streamlit una herramienta potente que todo data science/data analytics debe manejar y tener dentro de su stack.
