Streamlitとは？PythonでWebアプリを爆速開発できるフレームワーク
Streamlit（ストリームリット）とは、Pythonのスクリプトを書くだけで、データ可視化や機械学習モデルのデモ、社内ツールなどのWebアプリを簡単に作成できるオープンソースのフレームワークです。HTMLやCSS、JavaScriptといったフロントエンドの知識がなくても、Pythonだけを書いていけば、自動的に見た目の整ったWebアプリが完成します。まさに「PythonだけでWebアプリを作りたい」という人にうってつけのツールです。
Streamlitは、データサイエンティストやAIエンジニアを中心に世界中で使われており、なんとFortune 50企業の90%以上が採用しているというデータもあります。それだけ信頼性が高く、実務でも活躍しているフレームワークなのです。
この記事では、Streamlitの基本的な使い方から、メリット・デメリット、他のフレームワークとの比較、実際の活用例まで、初心者の方にもわかりやすく解説します。これを読めば、あなたも今日からStreamlitでWebアプリを作り始められるでしょう。
Streamlitの仕組み：なぜPythonだけで動くのか？
Streamlitは、Pythonスクリプトを上から順番に実行し、その結果をWeb画面に表示するというシンプルな仕組みです。通常のWebアプリ開発では、フロントエンド（見た目）とバックエンド（処理）を分けて作る必要がありますが、Streamlitはその両方をPythonコード内で完結させます。
具体的には、st.write()やst.dataframe()などの関数を呼び出すと、その結果が自動的にWebページ上に描画されます。また、ボタンやスライダーなどのウィジェットを配置すると、ユーザーが操作するたびにスクリプトが再実行され、結果がリアルタイムに更新されます。この「スクリプトを書くだけでアプリが動く」という体験が、Streamlitの最大の魅力です。
Streamlitのメリット：なぜ選ばれるのか？
Streamlitがこれほど人気なのには、明確な理由があります。ここでは、主なメリットを5つ紹介します。
1. 圧倒的な開発スピード
Streamlitを使えば、わずか数行のコードでWebアプリのプロトタイプが完成します。例えば、CSVファイルを読み込んでグラフを表示するアプリは、以下のようなコードで書けます。
import streamlit as st
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv('data.csv')
st.line_chart(df)
このコードを保存してstreamlit run app.pyを実行するだけで、ブラウザ上でインタラクティブなグラフが表示されます。開発にかかる時間は、従来のWeb開発の数分の一です。
2. フロントエンド知識が不要
HTMLやCSS、JavaScriptを一切書かなくても、Streamlitが自動的にモダンでレスポンシブなUIを生成してくれます。デザインに悩むことなく、ロジックに集中できるのは大きな利点です。
3. データ可視化との相性が抜群
Streamlitは、Pandas、Matplotlib、Plotly、Altairなど、Pythonの主要なデータ可視化ライブラリとシームレスに連携します。データフレームをそのまま表示したり、インタラクティブなチャートを埋め込んだりするのが非常に簡単です。
4. リアルタイムなインタラクション
ボタン、スライダー、テキスト入力、セレクトボックスなど、豊富なウィジェットが用意されており、ユーザーが操作するたびにアプリが即座に反応します。データ分析ツールやダッシュボードに最適です。
5. デプロイが簡単
Streamlit Community Cloudを使えば、GitHubリポジトリを連携するだけで、無料でアプリを公開できます。Dockerやサーバー設定の知識がなくても、数クリックで世界中に公開できます。
Streamlitのデメリット：注意すべき点
もちろん、Streamlitにも弱点はあります。プロジェクトの要件によっては、他のフレームワークの方が適している場合もあるので、注意点を理解しておきましょう。
1. 複雑なUIのカスタマイズが難しい
Streamlitはシンプルさを重視しているため、細かいデザインの調整や複雑なレイアウトの実装には向いていません。例えば、複数ページにまたがる複雑なナビゲーションや、細かいCSSの調整が必要な場合は、自由度の高いフレームワークが必要です。
2. 大規模アプリには不向き
Streamlitは小〜中規模のアプリに最適ですが、大規模なエンタープライズアプリや、高度なユーザー認証・権限管理が必要なシステムには向いていません。そのような場合は、DjangoやFlaskなどのフルスタックフレームワークを検討すべきです。
3. パフォーマンスの制約
Streamlitはスクリプトを毎回実行するため、データ量が多かったり、処理が重かったりすると、動作が遅くなることがあります。キャッシュ機能（@st.cache_data）を使うことで改善できますが、それでも大規模なデータ処理には限界があります。
4. 日本語情報が少ない
まだ比較的新しいフレームワークのため、日本語のチュートリアルや情報は他のフレームワークに比べて少なめです。ただし、公式ドキュメントが充実しており、英語が読めれば問題ありません。
Streamlitの使い方：インストールからデプロイまで
ここからは、実際にStreamlitを動かす手順を紹介します。初心者の方でも迷わないように、ステップバイステップで解説します。
1. インストール
まず、Pythonがインストールされていることを確認してください。Python 3.8以上が必要です。次に、ターミナル（コマンドプロンプト）で以下のコマンドを実行します。
pip install streamlitインストールが完了したら、以下のコマンドでバージョンを確認できます。
streamlit --version2. 最初のアプリを作成
任意のフォルダにapp.pyというファイルを作成し、以下のコードを書きます。
import streamlit as st
st.title('Hello, Streamlit!')
st.write('これは私の最初のStreamlitアプリです。')
次に、ターミナルでそのフォルダに移動し、以下のコマンドを実行します。
streamlit run app.pyブラウザが自動的に開き、アプリが表示されます。たったこれだけで、Webアプリが完成です！
3. ウィジェットを追加
Streamlitには、ユーザーが操作できるウィジェットが多数用意されています。例えば、スライダーを追加するには、以下のように書きます。
import streamlit as st
age = st.slider('あなたの年齢は？', 0, 100, 25)
st.write('あなたの年齢は', age, '歳です。')
他にも、ボタン（st.button）、テキスト入力（st.text_input）、セレクトボックス（st.selectbox）、チェックボックス（st.checkbox）などがあります。これらを組み合わせることで、インタラクティブなアプリを簡単に作れます。
4. データを表示
データフレームを表示するには、st.dataframe()を使います。
import pandas as pd
import streamlit as st
df = pd.DataFrame({
'名前': ['太郎', '花子', '次郎'],
'年齢': [20, 21, 22]
})
st.dataframe(df)
また、st.table()を使うと静的テーブルとして表示できます。
5. グラフを表示
グラフは、st.line_chartやst.bar_chartで簡単に表示できます。
import streamlit as st
import pandas as pd
chart_data = pd.DataFrame(
{'売上': [100, 120, 90, 150]},
index=['1月', '2月', '3月', '4月']
)
st.line_chart(chart_data)
より高度なグラフが必要な場合は、PlotlyやMatplotlibと組み合わせることもできます。
6. デプロイ
作成したアプリを公開するには、Streamlit Community Cloudを使うのが最も簡単です。手順は以下の通りです。
- GitHubにアプリのコードをプッシュします。
- Streamlit Community Cloud（https://share.streamlit.io）にアクセスし、GitHubアカウントでログインします。
- 「New app」ボタンをクリックし、リポジトリとブランチ、メインファイルを指定します。
- 「Deploy」をクリックすると、数分で公開URLが発行されます。
無料で使えるので、気軽に公開できます。
Streamlitの活用例：実際に何が作れるのか？
Streamlitは、以下のようなアプリの作成に特に適しています。
- データ分析ダッシュボード
- 機械学習モデルのデモアプリ
- 社内用の業務ツール（在庫管理、売上管理など）
- プロトタイプやPoC（概念実証）
- 教育用のインタラクティブ教材
例えば、CSVファイルをアップロードすると自動でグラフを表示するアプリや、テキストを入力すると感情分析の結果を表示するアプリなど、アイデア次第でさまざまなものが作れます。
Streamlitと他のフレームワークの比較
Streamlitとよく比較されるフレームワークに、Dash、Gradio、Flask、Djangoなどがあります。それぞれの特徴を簡単に比較してみましょう。
Streamlit vs Dash
Dashは、Plotly社が開発したダッシュボード特化型のフレームワークです。Streamlitに比べてカスタマイズ性が高く、複雑なレイアウトやインタラクションが可能ですが、学習コストが高めです。一方、Streamlitはシンプルで素早く開発できるため、プロトタイプや小規模なアプリに向いています。
Streamlit vs Gradio
Gradioは、機械学習モデルのデモを簡単に作ることに特化したフレームワークです。Streamlitと似ていますが、Gradioはモデルの入出力インターフェースに特化しており、画像や音声などの入力も簡単に扱えます。Streamlitはより汎用的なWebアプリに向いています。
Streamlit vs Flask/Django
FlaskやDjangoは、本格的なWebアプリケーションを開発するためのフルスタックフレームワークです。柔軟性が高く、大規模なシステムにも対応できますが、フロントエンドの知識が必要で、開発に時間がかかります。Streamlitは、データ分析や機械学習の成果物を素早くWebアプリ化するのに適しています。
このように、目的に応じて使い分けるのが良いでしょう。Streamlitは「手軽さ」で圧倒的に優れています。
Streamlitの注意点とよくある質問
ここでは、Streamlitを使う上での注意点と、初心者がよく疑問に思うことをまとめました。
注意点
- セキュリティ：Streamlitアプリはデフォルトで認証機能がないため、公開する場合は注意が必要です。機密データを扱う場合は、適切な認証やアクセス制御を実装しましょう。
- パフォーマンス：大量のデータを扱う場合は、キャッシュ機能を活用して処理を高速化しましょう。
- バージョンアップ：Streamlitは頻繁にアップデートされるため、APIの変更に注意してください。
よくある質問
Q. Streamlitは無料で使えますか？
A. はい、Streamlit自体はオープンソースで無料です。デプロイもCommunity Cloudなら無料で利用できます。
Q. 日本語は表示できますか？
A. はい、StreamlitはUnicodeに対応しているため、日本語を含むあらゆる言語を表示できます。
Q. データベースと接続できますか？
A. はい、SQLAlchemyなどを通じて、PostgreSQLやMySQLなどのデータベースと接続できます。
Q. 複数ページのアプリは作れますか？
A. はい、Streamlit 1.0以降では、st.navigationやst.Pageを使って複数ページのアプリを作成できます。
まとめ：StreamlitはPythonでWebアプリを作る最強の選択肢
いかがでしたか？Streamlitは、Pythonの知識だけでWebアプリを開発できる非常に強力なフレームワークです。特に、データ分析や機械学習の分野では、そのシンプルさとスピードが大きな武器になります。
この記事で紹介したように、Streamlitには多くのメリットがありますが、一方で大規模なアプリや複雑なUIが必要な場合は、他のフレームワークを検討する必要があります。しかし、プロトタイプや社内ツール、データ可視化アプリを作るのであれば、Streamlitは最適な選択肢です。
ぜひ、今日からStreamlitをインストールして、あなたのアイデアを形にしてみてください。きっと、その手軽さに驚くはずです。
最後に、Streamlitの公式ドキュメントやコミュニティも活用しながら、スキルを磨いていきましょう。Happy Streamlit!
コメント