Dashboards (Streamlit / Dash / Gradio)

Convierte notebooks en aplicaciones compartibles: Streamlit para dashboards de datos rápidos, Dash para productos centrados en Plotly, Gradio para demostraciones de modelos.

Receta

Tarjeta de receta de referencia rápida, lista para copiar y pegar.

# streamlit_app.py
import streamlit as st
import pandas as pd
 
@st.cache_data
def load():
    return pd.read_parquet("sales.parquet")
 
df = load()
region = st.selectbox("Región", sorted(df["region"].unique()))
filtered = df[df["region"] == region]
st.line_chart(filtered.set_index("ordered_at")["revenue"])

Cuándo usar esto:

• Los stakeholders necesitan filtros sin Jupyter
• El equipo de ML quiere una interfaz de puntuación rápida (Gradio)
• Dashboards de Plotly con callbacks y autenticación (Dash)
• Herramientas internas entregadas en días, no meses

Ejemplo de Trabajo

# Patrón mínimo de Streamlit + Plotly
import streamlit as st
import pandas as pd
import plotly.express as px
 
st.set_page_config(page_title="Explorador de Ingresos", layout="wide")
 
@st.cache_data(show_spinner="Cargando ventas...")
def load_sales() -> pd.DataFrame:
    # Reemplazar con read_parquet en producción
    return pd.DataFrame(
        {
            "ordered_at": pd.date_range("2025-01-01", periods=30, freq="D", tz="UTC"),
            "region": ["East", "West"] * 15,
            "revenue": range(30),
        }
    )
 
df = load_sales()
col1, col2 = st.columns(2)
with col1:
    regions = st.multiselect("Regiones", sorted(df["region"].unique()), default=["East"])
with col2:
    min_rev = st.slider("Ingresos mínimos", 0, int(df["revenue"].max()), 0)
 
filtered = df[df["region"].isin(regions) & (df["revenue"] >= min_rev)]
fig = px.line(filtered, x="ordered_at", y="revenue", color="region")
st.plotly_chart(fig, use_container_width=True)
st.dataframe(filtered, use_container_width=True)

Lo que esto demuestra:

• cache_data evita recargar Parquet en cada cambio de widget
• Diseño con columnas y configuración de página ancha
• Gráfico de Plotly incrustado con ancho responsivo
• Filtros compuestos con máscaras booleanas de pandas

Profundización

Cómo Funciona

• Streamlit vuelve a ejecutar el script de principio a fin en cada interacción; los widgets son declarativos.
• Dash usa callbacks de Flask + React; mejor para estado complejo y URLs.
• Gradio envuelve una función como bloques de E/S; ideal para predict(image) -> label.
• Los tres se ejecutan detrás de uvicorn/servidor integrado; pon autenticación de proxy inverso en producción.

Selector de Framework

Notas de Python

# Esqueleto de Dash (app.py separada)
from dash import Dash, html, dcc, Input, Output
import plotly.express as px
 
app = Dash(__name__)
app.layout = html.Div([dcc.Graph(id="chart"), dcc.Dropdown(id="region")])
# @app.callback(Output("chart", "figure"), Input("region", "value")) ...

Trampas

• Sin caché en cargas pesadas - cada tick del deslizador recarga Parquet. Solución: @st.cache_data / dcc.Store de Dash.
• Incrustar secretos en el repositorio - claves API solo en st.secrets o variables de entorno. Solución: nunca cometas credenciales.
• Multiselección sin límites - seleccionar todas las regiones replotea fotogramas enormes. Solución: limita la selección o agrega del lado del servidor.
• Ciclos de callback de Dash - Outputs mutuos sin salvaguardas crean bucles. Solución: almacén de estado de única fuente de verdad.
• Gradio para dashboards de BI - herramienta incorrecta - el diseño y los filtros SQL son torpes. Solución: usa Streamlit/Dash en su lugar.

Alternativas

Preguntas Frecuentes

import gradio as gr
demo = gr.Interface(fn=predict, inputs="image", outputs="label")
demo.launch()

Relacionados

• Plotly - gráficos en Dash y Streamlit
• Graficar Datos Grandes - mantén las aplicaciones responsivas
• Mejores Prácticas de Visualización - KPIs honestos en aplicaciones
• Conceptos Básicos de Análisis de Datos - preparación de datos aguas arriba

Versiones de Stack: Esta página fue escrita para Python 3.14.0 (estable 3.14, mantenimiento 3.13), FastAPI 0.115+, Django 5.2, Flask 3.1, Pydantic 2, PyTorch 2.6+, pandas 2.2+, Polars 1.x, ruff 0.9+, y uv 0.6+.