使用Streamlit构建多标签数据集标注界面遇异常求助

问题根源 #

1. 状态未持久化：Streamlit每次交互都会重新执行整个脚本，你没有把「当前选中的标签」「已标注数据」存入st.session_state，导致每次点击多选框时，选中状态丢失，脚本重跑后出现类似跳转下一条记录的错误表现。
2. 标注逻辑错误：annotated_data是每次脚本重跑时新建的空列表，无法累积标注数据；点击Save时先切换记录再处理标注，导致当前标签未被正确保存。
3. Session State初始化不全：初始只初始化了剩余记录和当前记录，缺少已标注数据、当前选中标签的初始化。

修复方案 #

把所有需要跨交互保留的状态存入st.session_state，调整标注流程为「选标签→点击Save保存并切换记录」，具体修改如下：

import pandas as pd
import streamlit as st

def save_data(data):
    # 补充你的保存逻辑，比如存储为pickle文件
    pd.DataFrame(data).to_pickle("annotated.pkl")

# 初始化Session State：所有需要持久化的状态都在这里
if "remaining_records" not in st.session_state:
    df = pd.read_pickle("unlabeled.pkl")
    st.session_state.remaining_records = df.to_dict("records")
    st.session_state.current_record = st.session_state.remaining_records[0] if st.session_state.remaining_records else None
    st.session_state.annotated_data = []
    st.session_state.selected_labels = []  # 保存当前选中的标签

if st.session_state.current_record:
    # 提取当前记录的内容
    available_labels = st.session_state.current_record["labels"]
    example = st.session_state.current_record["example"]
    text = st.session_state.current_record["text"]

    # 渲染展示内容
    demo = "\n".join([f"- {ee}" for ee in example])
    st.write(f"# Example\n{demo}\n# Output\n- {text}")

    # 多选框：从Session State读取当前选中的标签，确保状态保留
    st.session_state.selected_labels = st.multiselect(
        label="Select Labels",
        options=available_labels,
        default=st.session_state.selected_labels  # 默认值设为之前选中的标签
    )

    st.write('You Selected:', st.session_state.selected_labels)

    # 点击Save时的逻辑：先保存标注，再切换记录
    if st.button("Save"):
        # 将当前记录和选中标签存入已标注数据
        st.session_state.annotated_data.append({
            **st.session_state.current_record,
            "label": st.session_state.selected_labels
        })
        # 移除当前记录，切换到下一条
        st.session_state.remaining_records.remove(st.session_state.current_record)
        st.session_state.current_record = st.session_state.remaining_records[0] if st.session_state.remaining_records else None
        # 清空当前选中标签，准备下一条标注
        st.session_state.selected_labels = []

        # 每50条保存一次
        if len(st.session_state.annotated_data) % 50 == 0:
            save_data(st.session_state.annotated_data)

# 脚本结束时保存所有已标注数据（避免中途丢失）
if st.session_state.annotated_data:
    save_data(st.session_state.annotated_data)

关键改动说明 #

• 新增remaining_records存储剩余未标注记录，避免直接修改原始列表导致的状态混乱。
• 用st.session_state.selected_labels持久化当前选中的标签，多选框默认值设为该状态，确保交互时选中状态不丢失。
• 调整Save按钮逻辑：先保存当前标注，再切换记录，最后清空选中标签状态。
• 把annotated_data存入Session State，确保标注数据可以跨交互累积。

内容的提问来源于stack exchange，提问作者Mr.Robot