假设您训练了一个回归模型，它可以根据卧室、浴室的数量、建造年份和位置来预测房价。然而，你从来没有公开让其他人真正使用它来预测现实世界。
或者，也许你创建了一个时间序列预测模型；任何感兴趣的人只需在网上拖放一个csv文件，就可以实时查看预测值，而无需编写任何代码。
作为一名数据科学家，您总是希望超越 Jupyter 笔记本电脑和台式机环境，创造其他人可以使用的产品。但是有些事阻碍了你。
也就是说，你认为你需要学习 HTML、CSS、JS、Flask、Django 等等，这样你就可以在野外创建和部署一个应用。你其实没有错。人们普遍认为一个数据科学家需要是一个“百事通”的独角兽。还记得著名的数据科学维恩图吗？
数据科学维恩图。(来源:德鲁·康威，知识共享许可)
仅仅因为你擅长为数据科学问题编写代码，不一定你也会有 web 开发和软件工程技能。将代码投入生产需要完全不同的技能，你可能有也可能没有。
细流前来救援；确实！这是生产流程中的一条捷径。现在，您可以成为一名出色的数据科学家，并且仍然能够部署您的项目，而无需具备前端经验和软件工程技能。
所有的序言都是说我正在为绝对的初学者写一系列关于 Streamlit 的文章。如果这是你第一次听说 Streamlit ，或者你以前听说过但还没开始学(是的，我们都是拖延症！)这个系列可能对你有用。在这个系列的最后，我不能保证你会成为一名专家，但是如果你坚持下去，我可以告诉你你会有动力。
我将这个系列分为 10 个部分(我们可以称之为#10daysofcode 吗？)关注不同的实际方面:
01)开始(今天)
02)显示文本和图像
03)创建交互式小部件
04)描述性统计/EDA
05)数据可视化
06)时间序列分析
07)创建应用程序— I(回归问题)
08)创建应用程序— II(分类问题)
09)在 Heroku 上部署应用程序
10)进一步学习的资源
实际上，一开始只需要很少的设置。在本系列课程中，我们将根据需要安装数据科学库，但是现在，只需确保您安装了最新版本的 Python(Python 3.6 或更高版本)。
打开命令提示符，在你的电脑上安装 Streamlit :
pip install streamlit
现在，在 Python IDE 或文本编辑器上创建一个新文件，写下“Hello，world！!"。然后用名称 hello.py. 将 python 文件保存在您的计算机上
现在进入命令提示符，将目录更改为 hello.py 所在的位置，并运行streamlit run hello.py
一个新的标签会在你的浏览器中打开，上面写着“Hello World！!"。
瞧啊。！你写了你的第一个应用！
感谢您的阅读，我很乐意听到任何反馈或问题，欢迎在这里发表评论或联系 Twitter 或 LinkedIn 。
直到下一次…