<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          讓數(shù)據(jù)動起來:Python動態(tài)圖表制作!

          共 4918字,需瀏覽 10分鐘

           ·

          2020-12-08 20:52

          △點擊上方Python貓”關(guān)注 ,回復(fù)“1”領(lǐng)取電子書

          壁紙:《地靈曲》

          來源:機(jī)器之心

          原文鏈接:https://towardsdatascience.com/learn-how-to-create-animated-graphs-in-python-fce780421afe


          在讀技術(shù)博客的過程中,我們會發(fā)現(xiàn)那些能夠把知識、成果講透的博主很多都會做動態(tài)圖表。他們的圖是怎么做的?難度大嗎?這篇文章就介紹了 Python 中一種簡單的動態(tài)圖表制作方法。



          數(shù)據(jù)暴增的年代,數(shù)據(jù)科學(xué)家、分析師在被要求對數(shù)據(jù)有更深的理解與分析的同時,還需要將結(jié)果有效地傳遞給他人。如何讓目標(biāo)聽眾更直觀地理解?當(dāng)然是將數(shù)據(jù)可視化啊,而且最好是動態(tài)可視化。

          本文將以線型圖、條形圖和餅圖為例,系統(tǒng)地講解如何讓你的數(shù)據(jù)圖表動起來


          這些動態(tài)圖表是用什么做的?

          接觸過數(shù)據(jù)可視化的同學(xué)應(yīng)該對 Python 里的 Matplotlib 庫并不陌生。它是一個基于 Python 的開源數(shù)據(jù)繪圖包,僅需幾行代碼就可以幫助開發(fā)者生成直方圖、功率譜、條形圖、散點圖等。這個庫里有個非常實用的擴(kuò)展包——FuncAnimation,可以讓我們的靜態(tài)圖表動起來。

          FuncAnimation 是 Matplotlib 庫中 Animation 類的一部分,后續(xù)會展示多個示例。如果是首次接觸,你可以將這個函數(shù)簡單地理解為一個 While 循環(huán),不停地在 “畫布” 上重新繪制目標(biāo)數(shù)據(jù)圖。

          如何使用 FuncAnimation?

          這個過程始于以下兩行代碼:

          import?matplotlib.animation?as?ani

          animator?=?ani.FuncAnimation(fig,?chartfunc,?interval?=?100)

          從中我們可以看到 FuncAnimation 的幾個輸入:

          • fig 是用來 「繪制圖表」的 figure 對象;

          • chartfunc 是一個以數(shù)字為輸入的函數(shù),其含義為時間序列上的時間;

          • interval 這個更好理解,是幀之間的間隔延遲,以毫秒為單位,默認(rèn)值為 200。


          這是三個關(guān)鍵輸入,當(dāng)然還有更多可選輸入,感興趣的讀者可查看原文檔,這里不再贅述。

          下一步要做的就是將數(shù)據(jù)圖表參數(shù)化,從而轉(zhuǎn)換為一個函數(shù),然后將該函數(shù)時間序列中的點作為輸入,設(shè)置完成后就可以正式開始了。

          在開始之前依舊需要確認(rèn)你是否對基本的數(shù)據(jù)可視化有所了解。也就是說,我們先要將數(shù)據(jù)進(jìn)行可視化處理,再進(jìn)行動態(tài)處理。

          按照以下代碼進(jìn)行基本調(diào)用。另外,這里將采用大型流行病的傳播數(shù)據(jù)作為案例數(shù)據(jù)(包括每天的死亡人數(shù))。

          import?matplotlib.animation?as?ani
          import?matplotlib.pyplot?as?plt
          import?numpy?as?np
          import?pandas?as?pdurl?=?'https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_deaths_global.csv'
          df?=?pd.read_csv(url,?delimiter=',',?header='infer')df_interest?=?df.loc[
          ????df['Country/Region'].isin(['United?Kingdom',?'US',?'Italy',?'Germany'])
          ????&?df['Province/State'].isna()]df_interest.rename(
          ????index=lambda?x:?df_interest.at[x,?'Country/Region'],?inplace=True)
          df1?=?df_interest.transpose()df1?=?df1.drop(['Province/State',?'Country/Region',?'Lat',?'Long'])
          df1?=?df1.loc[(df1?!=?0).any(1)]
          df1.index?=?pd.to_datetime(df1.index)

          繪制三種常見動態(tài)圖表

          動態(tài)曲線圖


          如下所示,首先需要做的第一件事是定義圖的各項,這些基礎(chǔ)項設(shè)定之后就會保持不變。它們包括:創(chuàng)建 figure 對象,x 標(biāo)和 y 標(biāo),設(shè)置線條顏色和 figure 邊距等:

          import?numpy?as?np
          import?matplotlib.pyplot?as?pltcolor?=?['red',?'green',?'blue',?'orange']
          fig?=?plt.figure()
          plt.xticks(rotation=45,?ha="right",?rotation_mode="anchor")?#rotate?the?x-axis?values
          plt.subplots_adjust(bottom?=?0.2,?top?=?0.9)?#ensuring?the?dates?(on?the?x-axis)?fit?in?the?screen
          plt.ylabel('No?of?Deaths')
          plt.xlabel('Dates')

          接下來設(shè)置 curve 函數(shù),進(jìn)而使用 .FuncAnimation 讓它動起來:

          def?buildmebarchart(i=int):
          ????plt.legend(df1.columns)
          ????p?=?plt.plot(df1[:i].index,?df1[:i].values)?#note?it?only?returns?the?dataset,?up?to?the?point?i
          ????for?i?in?range(0,4):
          ????????p[i].set_color(color[i])?#set?the?colour?of?each?curveimport?matplotlib.animation?as?ani
          animator?=?ani.FuncAnimation(fig,?buildmebarchart,?interval?=?100)
          plt.show()

          動態(tài)餅狀圖


          可以觀察到,其代碼結(jié)構(gòu)看起來與線型圖并無太大差異,但依舊有細(xì)小的差別。

          import?numpy?as?np
          import?matplotlib.pyplot?as?pltfig,ax?=?plt.subplots()
          explode=[0.01,0.01,0.01,0.01]?#pop?out?each?slice?from?the?piedef?getmepie(i):
          ????def?absolute_value(val):?#turn?%?back?to?a?number
          ????????a??=?np.round(val/100.*df1.head(i).max().sum(),?0)
          ????????return?int(a)
          ????ax.clear()
          ????plot?=?df1.head(i).max().plot.pie(y=df1.columns,autopct=absolute_value,?label='',explode?=?explode,?shadow?=?True)
          ????plot.set_title('Total?Number?of?Deaths\n'?+?str(df1.index[min(?i,?len(df1.index)-1?)].strftime('%y-%m-%d')),?fontsize=12)import?matplotlib.animation?as?ani
          animator?=?ani.FuncAnimation(fig,?getmepie,?interval?=?200)
          plt.show()

          主要區(qū)別在于,動態(tài)餅狀圖的代碼每次循環(huán)都會返回一組數(shù)值,但在線型圖中返回的是我們所在點之前的整個時間序列。返回時間序列通過 df1.head(i) 來實現(xiàn),而. max()則保證了我們僅獲得最新的數(shù)據(jù),因為流行病導(dǎo)致死亡的總數(shù)只有兩種變化:維持現(xiàn)有數(shù)量或持續(xù)上升。

          df1.head(i).max()

          動態(tài)條形圖


          創(chuàng)建動態(tài)條形圖的難度與上述兩個案例并無太大差別。在這個案例中,作者定義了水平和垂直兩種條形圖,讀者可以根據(jù)自己的實際需求來選擇圖表類型并定義變量欄。

          fig?=?plt.figure()
          bar?=?''def?buildmebarchart(i=int):
          ????iv?=?min(i,?len(df1.index)-1)?#the?loop?iterates?an?extra?one?time,?which?causes?the?dataframes?to?go?out?of?bounds.?This?was?the?easiest?(most?lazy)?way?to?solve?this?:)
          ????objects?=?df1.max().index
          ????y_pos?=?np.arange(len(objects))
          ????performance?=?df1.iloc[[iv]].values.tolist()[0]
          ????if?bar?==?'vertical':
          ????????plt.bar(y_pos,?performance,?align='center',?color=['red',?'green',?'blue',?'orange'])
          ????????plt.xticks(y_pos,?objects)
          ????????plt.ylabel('Deaths')
          ????????plt.xlabel('Countries')
          ????????plt.title('Deaths?per?Country?\n'?+?str(df1.index[iv].strftime('%y-%m-%d')))
          ????else:
          ????????plt.barh(y_pos,?performance,?align='center',?color=['red',?'green',?'blue',?'orange'])
          ????????plt.yticks(y_pos,?objects)
          ????????plt.xlabel('Deaths')
          ????????plt.ylabel('Countries')animator?=?ani.FuncAnimation(fig,?buildmebarchart,?interval=100)plt.show()

          保存動畫圖

          在制作完成后,存儲這些動態(tài)圖就非常簡單了,可直接使用以下代碼:

          animator.save(r'C:\temp\myfirstAnimation.gif')

          感興趣的讀者如想獲得詳細(xì)信息可參考https://matplotlib.org/3.1.1/api/animation_api.html

          Python貓技術(shù)交流群開放啦!群里既有國內(nèi)一二線大廠在職員工,也有國內(nèi)外高校在讀學(xué)生,既有十多年碼齡的編程老鳥,也有中小學(xué)剛剛?cè)腴T的新人,學(xué)習(xí)氛圍良好!想入群的同學(xué),請在公號內(nèi)回復(fù)『交流群』,獲取貓哥的微信(謝絕廣告黨,非誠勿擾!)~

          近期熱門文章推薦:

          Python 幕后解釋器:一系列的學(xué)習(xí)資源
          Python到底是強(qiáng)類型語言,還是弱類型語言?
          《圍城》方鴻漸:人是如何一步步走向平庸的?
          Google 開源的 Python 命令行庫:初探 fire

          感謝創(chuàng)作者的好文
          瀏覽 79
          點贊
          評論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報
          評論
          圖片
          表情
          推薦
          點贊
          評論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  三级黄视频 | 亚洲色综合久久五月 | 欧美18禁成人 | 欧美中日韩 | 中文在线√天堂 |