07 · 把 Jupyter Notebook 重构成交互式 Dashboard
06-GitHub集成与Hooks ｜ 下一篇 → 08-Figma转WebApp
场景
数据分析师常把探索逻辑写在 Jupyter Notebook 里——一次性、难复用、不能给别人交互。本节让 Claude 把一个电商数据分析 Notebook 重构成一个交互式 Dashboard。
为什么这是智能体的强项
- Notebook 里有现成的数据处理逻辑 + 图表，是清晰的「源材料」。
- 目标明确：把散落的 cell 整理成结构化应用。
- 可验证：跑起来能看到图、能交互即成功。
标准流程
1) 先读 @analysis.ipynb，告诉我它做了哪几类分析、产出哪些图表
2) 出一个重构计划：用 Streamlit 做 Dashboard，
把「按品类销售」「按月趋势」「Top 商品」做成可交互组件
3) 确认后生成 app.py，并告诉我怎么启动
4) 启动起来，截图/描述每个图表是否正确
关键点
- 先理解再重构：让它先复述 Notebook 干了什么，确认它读懂了。
- 选合适的框架：Streamlit / Gradio / Dash 等——课程演示偏向快速出可交互界面。
- 保留分析逻辑、换掉呈现层：数据处理代码尽量复用，只把「输出图」换成「交互组件」。
- 加筛选器：把 Notebook 里写死的参数（日期范围、品类）变成下拉框/滑块。
示例：从「死图」到「活看板」
| Notebook 里 | Dashboard 里 |
|---|---|
df[df.month==5] 写死 5 月 |
月份下拉框，选哪月看哪月 |
| 一张静态 matplotlib 图 | 可悬停/缩放的交互图表 |
| 跑完就没了 | 部署后随时打开、给别人看 |
验证
帮我 streamlit run app.py，逐个面板检查：
数字和 Notebook 里的结果对得上吗？筛选器切换有反应吗？
💡 这类「把一次性脚本产品化」的任务，是智能体编程最高 ROI 的场景之一。
本节实操
- 找一个你自己的 Notebook（或课程素材）
- 让 Claude 重构成 Streamlit/Gradio Dashboard
- 加至少一个交互筛选器并验证数据正确
下一篇 → 08-Figma转WebApp