はじめに
社内向けのデータ分析アプリを配布する方法として、stliteを検証しました。stliteはStreamlitアプリをブラウザで動作させることができるツールです。
stliteのメリット
- Streamlitの書き方でそのままWebアプリが作れる
- Python環境のインストールが不要
- 静的ファイルとして配布可能
サンプルコード
stliteバージョン
import streamlit as st
import pandas as pd
st.title("データ分析アプリ")
uploaded_file = st.file_uploader("CSVファイルを選択", type=['csv'])
if uploaded_file is not None:
try:
df = pd.read_csv(uploaded_file)
st.write("データプレビュー")
st.dataframe(df.head())
numeric_cols = df.select_dtypes(include=['float64', 'int64']).columns
if len(numeric_cols) > 0:
selected_col = st.selectbox("分析する列を選択:", numeric_cols)
if not df[selected_col].empty:
st.line_chart(df[selected_col])
except Exception as e:
st.error(f"エラーが発生しました: {str(e)}")
HTMLファイル（stlite用）
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title>データ分析アプリ</title>
<link rel="stylesheet" href="https://cdn.jsdelivr.net/npm/@stlite/mountable@0.39.0/build/stlite.css">
</head>
<body>
<div id="root"></div>
<script src="https://cdn.jsdelivr.net/npm/@stlite/mountable@0.39.0/build/stlite.js"></script>
<script>
// Pythonコードを文字列として埋め込み
const pythonCode = `...` // 上記のPythonコード
stlite.mount({
requirements: ['streamlit', 'pandas'],
entrypoint: "app.py",
files: {
"app.py": pythonCode
}
}, document.getElementById("root"));
</script>
</body>
</html>
検証で見つかった課題
1. 起動時間の問題
実際に計測したところ、以下のような結果となりました：
- stliteバージョン: 10.03秒
- 同等機能のJavaScriptバージョン: 0.01秒
この差は以下の要因によるものです：
- stliteはブラウザ内でPython環境（Pyodide）を初期化
- 必要なPythonパッケージのロード時間
- Streamlitアプリケーションの初期化時間
2. ローカルファイルの扱い
- 基本的にはhtmlファイルに書き込む
- モジュール化したコードの管理が難しい
- Chromeの設定でローカルファイルの読み込みを許可すれば、読み込めなくはない
(ただし、ユーザーの手間が増える)
bash --allow-file-access-from-files
3. 代替案としてのJavaScript実装
純粋なJavaScriptで実装した場合のメリット：
- 高速な起動時間
- ローカルファイルの取り扱いが容易
- ブラウザのネイティブ機能を活用可能
結論
stliteは以下のような場合に適しています：
- Streamlitの知識を活かしたい場合
- 起動時間が重要でない場合
- シンプルな構成で完結する場合
一方で、以下の場合は純粋なJavaScript実装を検討すべきです：
- 高速な起動が必要な場合
- ローカルファイルを多用する場合
- 複雑なモジュール構成が必要な場合