Guía para empezar con Streamlit en Python

Si buscas una guía para empezar con Streamlit en Python, aquí aprenderás cómo crear y compartir aplicaciones interactivas de datos de forma sencilla.

En esta sesión de la Comunidad Ninja, exploramos esta librería de Python que permite crear aplicaciones web de manera sencilla y rápida.

¿Cómo empezar con Streamlit en Python?

Streamlit es una librería de Python pensada para la visualización de datos, machine learning y creación de dashboards sin necesidad de experiencia en frontend.

Fue desarrollada por Snowflake y su principal ventaja es la facilidad de uso: permite construir aplicaciones web interactivas en minutos.

A diferencia de otras herramientas como Dash o Power BI, Streamlit está orientado a pequeños proyectos de datos.

No es la mejor opción si buscas una plataforma robusta para desarrollos complejos, pero si lo que quieres es compartir un análisis con un dashboard rápido e interactivo, es una opción ideal.

Ventajas de Streamlit:

• Facilidad de uso: Si sabes Python, puedes aprender Streamlit en minutos.
• Integración con librerías populares: Funciona perfectamente con Pandas, Matplotlib, Plotly y muchas más.
• Interactividad sencilla: Permite agregar botones, sliders y selectores de manera intuitiva.
• Despliegue rápido: Puedes compartir tus aplicaciones en la nube con un par de clics.
• Comunidad activa: Hay muchos ejemplos y aplicaciones públicas que puedes explorar y adaptar.

Limitaciones:

• Personalización limitada: No es la mejor opción si buscas un diseño altamente personalizado.
• No sustituye a herramientas avanzadas: No es un reemplazo para Power BI, Tableau o Dash en entornos empresariales.

Casos de uso prácticos

En la sesión, Javier nos explica varias aplicaciones que ha creado con Streamlit, entre ellas:

• Calculadora de hipotecas: Permite ingresar la cantidad del préstamo, el plazo y la tasa de interés para obtener el pago mensual.
• Dashboard del IBEX 35: Extrae datos en tiempo real desde Yahoo Finance y muestra los retornos de diferentes activos financieros.

Además, exploramos la galería de aplicaciones de Streamlit, donde puedes encontrar proyectos de machine learning, dashboards financieros y visualizaciones interactivas listas para usar y modificar.

En esta sesión encontrarás una guía para empezar con Streamlit en Python y todo lo necesario para crear tu primera aplicación.

¡Dentro vídeo! 📺