我第一次尝试 Streamlit 并构建了 MLB 棒球棒追踪仪表板

Source: Dev.to

我构建的内容

我构建了一个网页仪表板，用于可视化来自 Baseball Savant 的 MLB 球棒追踪数据。

👉 MLB Bat Tracking Dashboard

该仪表板包含五个标签页：

它还支持英语/日语语言切换。

数据来源

我使用了自己的开源库 savant‑extras 来获取数据。

pip install savant-extras

from savant_extras import bat_tracking, bat_tracking_monthly

# Batter bat tracking data for 2025 season
df = bat_tracking(year=2025, player_type="batter")

# Monthly breakdown
df_monthly = bat_tracking_monthly(year=2025)

• GitHub:
• PyPI:

为什么选择 Streamlit

我想以可视化、易于访问的方式分享我的数据分析。Streamlit 吸引我的原因有三点：

• 纯 Python – 无需 HTML、CSS 或 JavaScript。
• 免费托管 在 Streamlit Community Cloud（只需连接你的 GitHub 仓库）。
• 一行代码的 UI 组件 – 如 st.selectbox()、st.slider()。

示例：向侧边栏添加下拉框。

import streamlit as st

year = st.sidebar.selectbox("Season", [2024, 2025], index=1)
player_type = st.sidebar.selectbox("Player type", ["batter", "pitcher"])

关键实现要点

缓存 API 调用

在每次交互时都去获取数据会太慢。@st.cache_data 会缓存结果，对使用相同参数的重复调用即时返回。

@st.cache_data(ttl=3600)
def load_bat_data(year: int, player_type: str):
    return bat_tracking(year=year, player_type=player_type)

在标签页之间共享数据

Streamlit 在每次交互时都会重新运行脚本。使用 st.session_state 可以在点击按钮后保持已加载的数据。

if load_btn:
    st.session_state["df_raw"] = load_bat_data(year, player_type)

if "df_raw" in st.session_state:
    df = st.session_state["df_raw"]

日文字体支持

为了在 Matplotlib 图表中渲染日文标签，我使用了 matplotlib-fontja。

import matplotlib_fontja  # noqa: F401  ← 导入后即可启用日文字体

我遇到的问题：Python 3.13 上的 japanize_matplotlib

部署到 Streamlit Community Cloud 时出现错误，因为 Python 3.13 已移除 distutils。

File "japanize_matplotlib/japanize_matplotlib.py", line 5, in 
    from distutils.version import LooseVersion
ModuleNotFoundError

解决办法是将 japanize-matplotlib 替换为 matplotlib-fontja。

- japanize-matplotlib>=1.1
+ matplotlib-fontja

数据注意事项

• 仅包括 MLB 阵容的球员；NPB 和小联盟球员被排除。
• 姓名匹配限制——拼写变体或同名球员可能无法正确匹配。
• WBC 2026 分数为临时值——名单基于 Baseball America 2025 年 2 月的预测，可能与实际名单不同。
• 球棒追踪精度取决于 Baseball Savant 数据的质量。

将结果视为参考，而非权威来源。

摘要

• 使用 savant‑extras（我自己的 OSS 库）进行数据获取。
• 使用 Streamlit 构建了一个包含 5 个标签页的仪表板。
• 在 Streamlit Community Cloud 上免费部署。

Streamlit 比预期更容易使用。使用 st.tabs() 创建标签页，st.expander() 创建折叠面板，st.columns() 实现列布局，基本满足了所需的功能。如果你想把数据分析成果分享出去，Streamlit 是一个很好的选择。

链接

• 应用:
• savant‑extras (PyPI):
• savant‑extras (GitHub):
• Baseball Savant: