公眾號關(guān)注“杰哥的IT之旅”，

選擇“星標(biāo)”，重磅干貨，第一時間送達！

來源：機器之心

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)進行可視化處理，再進行動態(tài)處理。

按照以下代碼進行基本調(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信息可參考https://matplotlib.org/3.1.1/api/animation_api.html。

如果您覺得這篇文章對您有點用的話，麻煩您為本文來個四連：轉(zhuǎn)發(fā)分享、點贊、點在看、留言，因為這將是我寫作與分享更多優(yōu)質(zhì)文章的最強動力！

本公眾號全部博文已整理成一個目錄，請在公眾號后臺回復(fù)「m」獲取！

推薦閱讀：

1、花費一周整理的Python資源，讓我學(xué)習(xí)效率，事半功倍！
2、超全！我把 Python 的 200 個標(biāo)準(zhǔn)庫整理出來了！
3、40000字 Matplotlib 實操干貨，真的全！
4、為了探究妹紙對內(nèi)衣的喜好，我爬了淘寶內(nèi)衣店的數(shù)據(jù)！
5、任意爬取！超全開源爬蟲工具箱
6、11 種方法教你用 Python 高效下載資源！

     
             
        
         
          
           
            
             
              
             
             
              點個[在看]，是對杰哥最大的支持！

讓數(shù)據(jù)“動”起來：Python動態(tài)圖表制作！