使用 Streamlit 创建表格的多种方法
在数据驱动的时代，清晰、直观地呈现数据是每位开发者都需要掌握的核心技能。Streamlit 框架的出现，极大地简化了这一过程，它就像一个为你量身打造的数据展示平台，仅需几行代码，就能将静态数据集转化为高度交互、易于探索的可视化界面。本文将深入探讨如何利用 Streamlit 的几种核心方法，高效地实现表格展示，满足不同场景下的需求。
方法一：使用 st.dataframe() 展示交互式数据框
这是最常用且功能最丰富的方法。st.dataframe() 专为 Pandas DataFrame 设计，能够自动生成一个功能完备的交互式表格。用户可以直接在网页界面上对数据进行排序、筛选和浏览，操作体验流畅直观。
具体操作流程分为三个简单步骤：
首先，请确保您的 Python 环境中已安装 Pandas 和 Streamlit 库。随后，在代码文件的开头导入必要的模块：
import streamlit as st
import pandas as pd
接下来，创建一个示例数据框。例如：
data = pd.DataFrame({‘列1’: [1, 2], ‘列2’: [3, 4]})
最后，调用 st.dataframe(data) 函数。运行 Streamlit 应用后，一个功能齐全的交互式表格便会立即呈现在网页中。您可以尝试点击列标题进行排序，体验其便捷性。
方法二：使用 st.table() 展示静态表格
在某些情况下，您可能不需要复杂的交互功能，而仅希望展示一个格式规整、内容不可更改的静态表格。此时，st.table() 便是最理想的选择。
其使用方法与 st.dataframe() 类似：导入库，创建 DataFrame，然后调用函数。示例如下：
data = pd.DataFrame({‘列1’: [1, 2], ‘列2’: [3, 4]})
st.table(data)
两者的核心区别在于，st.table() 渲染出的表格是纯静态的，不具备排序等交互元素。其样式更为固定，在需要生成简洁、稳定的数据报告或文档时，这种方法反而更加合适。
方法三：使用 st.write() 灵活展示多种数据格式
如果说前两种方法是“专业工具”，那么 st.write() 则是一位“全能助手”。它最大的优势在于其智能性——您只需传入一个 DataFrame 对象，它会自动判断并选择最合适的展示方式（通常是 st.dataframe()）来呈现数据。
使用方法极为简洁：
st.write(data)
这种方式的优势在于代码极其精简，特别适合进行快速原型验证，或者在不确定最终输出格式时使用。st.write() 不仅能处理表格，还能直接输出文本、图表、字典等多种 Python 对象，是 Streamlit 中通用性最强的输出命令之一。
综上所述，利用 Streamlit 创建数据表格的过程非常简单高效。从功能强大的交互式 st.dataframe()，到简洁稳定的静态 st.table()，再到灵活智能的 st.write()，这三种核心方法覆盖了绝大部分数据可视化展示的需求。它们如同工具箱中不同规格的工具，各有其适用的场景。选择哪一种，完全取决于您对最终用户体验的具体要求。现在就可以动手尝试，亲身体验代码迅速转变为可视化应用的强大魔力。
