摘要：streamlit.dataframe(data=None, width=None, height=None)data：要显示的数据对象，类型可以是pandas.DataFrame、pandas.Styler、numpy.ndarray、Iterable、di
使用streamlit的dataframe方法显示Pandas数据帧，支持交互。
streamlit.dataframe(data=None, width=None, height=None)data：要显示的数据对象，类型可以是pandas.DataFrame、pandas.Styler、numpy.ndarray、Iterable、dict或None。 如果是pandas.Styler对象，那么将被应用到DataFrame对象上。Streamlit支持自定义单元值和颜色，不过不支持 pandas的某些样式特性，例如条形图、鼠标悬停效果和说明文字。Styler的支持目前还是实验性质的。width：UI元素的期望宽度，单位：像素，类型为Int或None，如果是None的话，Streamlit将基于页面宽度计算元素宽度height：UI元素的期望高度，单位：像素，类型为Int或None示例：
# coding: utf-8import numpy as npimport pandas as pdimport streamlit as stdf = pd.DataFrame(np.random.randn(50, 20),columns=('%d' % (i+1) for i in range(20)))st.dataframe(df) # st.write(df)运行结果：
也可以传入一个Pandas Styler对象来修改所渲染的DataFrame的样式：
# coding: utf-8import numpy as npimport pandas as pdimport streamlit as stdf = pd.DataFrame(np.random.randn(50, 20),columns=('%d' % (i+1) for i in range(20)))st.dataframe(df.style.highlight_max(axis=0))运行结果：
使用streamlit的table方法显示静态数据表。与dataframe方法的区别 在于，这个方法显示的表格是静态不可交互的。
streamlit.table(data=None)data：要显示的数据对象，类型可以是：pandas.DataFramepandas.Stylernumpy.ndarrayIterabledictNone示例：
# coding: utf-8import numpy as npimport pandas as pdimport streamlit as stdf = pd.DataFrame(np.random.randn(20, 10),columns=('%d' % (i+1) for i in range(10)))st.table(df)运行结果：
streamlit的json方法可以显示缩进格式的JSON对象内容。
streamlit.json(body)body：要显示的JSON对象或JSON字符串，如果是JSON字符串的话， 则假设其包含序列化的JSON对象示例：
# coding: utf-8import numpy as npimport pandas as pdimport streamlit as stst.json([{'name': '李霞','sex': '女','chinese': 90,'math': 89,'english': 78},{'name': '刘波','sex': '男','chinese': 93,'math': 82,'english': 88}])运行结果：
来源：IT职业教育