📊 בניית Dashboard עם Streamlit ו-Python

מה זה Streamlit והאם הוא מתאים לי?

Streamlit הוא ספרייה פיתוחית פתוחה ל-Python המאפשרת לבנות יישומי דשבורדים ואפליקציות ווב אינטראקטיביות תוך דקות — ללא צורך בידע ב-HTML, CSS או JavaScript. הוא נוצר במיוחד עבור אנשי נתונים, אנליסטים ומדעני נתונים שמעוניינים להציג תוצאות, גרפים ונתונים באופן חזותי וקל לשימוש.

היתרון הגדול: אפשר להריץ את הדשבורד מקומית, לשתף אותו עם צוות דרך קישור, ולהפיץ אותו גם בענן (כמו Streamlit Cloud או Heroku) בלי לחפש פתרונות מורכבים.

התקנה והגדרת הסביבה

התחל על ידי יצירת תיקייה חדשה וסביבת וירטואלית:

# יצירת סביבה וירטואלית
python -m venv streamlit_env

# הפעלת הסביבה (Windows)
streamlit_env\Scripts\activate.bat

# הפעלת הסביבה (macOS/Linux)
source streamlit_env/bin/activate

# התקנת Streamlit וספריות נלוות
pip install streamlit pandas numpy plotly seaborn

לאחר ההתקנה, בדוק שהכל עובד:

# קובץ hello.py
import streamlit as st
st.title("שלום עולם! 🌍")
st.write("זה הדשבורד הראשון שלך עם Streamlit.")

הרץ בא терמינל: streamlit run hello.py — והדשבורד ייפתח באוטומטי בדפדפן שלך.

מבנה בסיסי של דשבורד מלא

הנה מבנה מלא של דשבורד פשוט המציג נתוני מכירות, עם מסננים, גרפים וסטטיסטיקות. נשתמש ב-Dataset מדומה של מכירות חודשיות:

import streamlit as st
import pandas as pd
import plotly.express as px

# טעינת נתוני דוגמה
df = pd.DataFrame({
    "חודש": ["ינו", "פבר", "מרץ", "אפר", "מאי", "יוני"],
    "מכירות": [12000, 15000, 13500, 17200, 16800, 18900],
    "הכנסות": [240000, 300000, 270000, 344000, 336000, 378000]
})

# כותרת ראשית
st.title("📊 דשבורד מכירות חודשי")
st.markdown("עדכון אחרון: אפריל 2026")

# מסנן חודשי
selected_month = st.selectbox("בחר חודש", df["חודש"])

# סטטיסטיקות עליונות
col1, col2, col3 = st.columns(3)
col1.metric("מכירות", f"{df[df['חודש']==selected_month]['מכירות'].iloc[0]:,} ₪")
col2.metric("הכנסות", f"{df[df['חודש']==selected_month]['הכנסות'].iloc[0]:,} ₪")
col3.metric("גידול חודשי", "+4.2%")

# גרף חיזוי
fig = px.line(df, x="חודש", y=["מכירות", "הכנסות"], title="גרף פיתוח מכירות והכנסות")
st.plotly_chart(fig, use_container_width=True)

רכיבים אינטראקטיביים מרכזיים

Streamlit מציע עשרות רכיבים לשינוי דינמי של הדשבורד. הנה השימוש הנפוץ ביותר:

• st.slider() – מסנן ערכי מספר (למשל: טווח גילאים, סכום הוצאה)
• st.date_input() – בחירת תאריכים
• st.multiselect() – בחירה מרובה (למשל: סוגי מוצרים)
• st.button() – כפתור פעולה (למשל: עדכן נתונים, ייצא CSV)
• st.expander() – חלון מתקפל להצגת מידע מפורט

# דוגמה למסננים דינמיים
min_sales = st.slider("מינימום מכירות", 5000, 20000, 10000)
filtered_df = df[df["מכירות"] >= min_sales]

with st.expander("הצג את הנתונים המסוננים"):
    st.dataframe(filtered_df)

if st.button("ייצא כ-CSV"):
    st.download_button(
        label="הורד קובץ CSV",
        data=filtered_df.to_csv(index=False).encode('utf-8'),
        file_name="מכירות_מסוננות.csv",
        mime="text/csv"
    )

השוואה: Streamlit לעומת כלים אחרים

למה לבחור ב-Streamlit ולא ב-Dash, Plotly Dash או Flask? הנה השוואה פרקטית:

نصائح חשובות להצלחה

פרסום ושיתוף הדשבורד

לאחר שהדשבורד מוכן, אפשר לשתף אותו בכמה דרכים:

• Streamlit Community Cloud – פריסה חינמית, פשוטה ומאובטחת.只需 חשבון GitHub + לחיצה על "Deploy".
• Heroku – מתאים לפרויקטים גדולים יותר עם דרישות אישיות (כולל CI/CD).
• Docker + Cloud Run / EC2 – עבור סביבות ייצור עם ניהול מתקדם.

לדוגמה, כדי לפרוס לענן החינמי של Streamlit:

1. העלו את כל הקבצים לגיטהאב (כולל requirements.txt)
2. פתחו את streamlit.io/cloud והתחברו דרך GitHub
3. בחרו את הרפוזיטורי והגדרו את שם הקובץ הראשי (למשל: app.py)
4. לחצו על Deploy — תוך דקות הדשבורד יהיה זמין!

st.set_page_config(
    page_title="דשבורד מכירות | LearningHub",
    page_icon="📊",
    layout="wide",
    initial_sidebar_state="expanded"
)

✍️ נכתב ע"י יעקב בידני | Senior AI & Full-Stack Expert | bdnhost.net