Streamlit选择框切换时保留数据编辑状态，解决重复编辑与重载问题

核心思路 #

通过st.session_state持久化每个选项对应的DataFrame，结合st.experimental_fragment实现局部刷新避免整页重载；同时直接绑定st.data_editor的返回值到session state，确保编辑一次即可生效。

完整代码示例 #

import streamlit as st
import pandas as pd

# 定义20个选项
options = [f"选项{i}" for i in range(1, 21)]

# 初始化Session State：存储所有选项对应的DataFrame
if "dfs" not in st.session_state:
    st.session_state.dfs = {
        opt: pd.DataFrame({
            "列1": [1, 2, 3],
            "列2": ["a", "b", "c"]
        }) for opt in options
    }

# 选择目标选项
selected_option = st.selectbox("选择要编辑的选项", options)

# 用局部刷新片段包裹编辑器，避免整页重载
@st.experimental_fragment
def render_editor():
    # 直接将编辑后的DataFrame回写到Session State，一次输入即生效
    st.session_state.dfs[selected_option] = st.data_editor(
        st.session_state.dfs[selected_option],
        use_container_width=True,
        key=f"editor_{selected_option}"  # 每个编辑器设置唯一Key，避免冲突
    )

render_editor()

# 可选：验证修改是否持久化
st.subheader("当前表格内容")
st.dataframe(st.session_state.dfs[selected_option])

关键细节说明 #

• Session State 持久化：用字典st.session_state.dfs存储每个选项对应的DataFrame，切换选项时直接读取对应值，修改后即时保存，确保切换后修改不丢失。
• 局部刷新：st.experimental_fragment装饰器让编辑器区域仅在自身交互时刷新，不会触发整页重渲染，解决操作缓慢的问题。
• 一次编辑生效：st.data_editor会返回编辑后的完整DataFrame，直接赋值回Session State，无需二次触发缓存或刷新，输入一次即可生效。
• 唯一组件Key：每个编辑器用editor_{选项名}作为Key，避免多个编辑器之间的状态冲突。

为什么之前的方案有问题 #

• @st.cache 不适合动态编辑：缓存是为了静态数据复用，用户编辑的动态内容无法实时更新到缓存，导致需要两次输入才能触发缓存刷新。
• 无局部刷新导致整页重载：默认情况下Streamlit每次交互都会整页重渲染，20个选项对应的组件全部重新加载，自然会变慢。

内容的提问来源于stack exchange，提问作者kathyayani nanda kumar