利用 Python 让图表动起来
用Matplotlib和Seaborn这类Python库可以画出很好看的图，但是这些图只是静态的，难以动态且美观地呈现数值变化。要是在你下次的演示、视频、社交媒体Po文里能用短视频呈现数据变化，是不是很赞呢？更棒的是，你还是可以在你的图表上用Matplotlib、Seaborn或者其他库！
本文将使用美国国家药物滥用研究所和疾病预防控制中心公布的药物数据，可在此处下载：https：//http://www.drugabuse.gov/sites/default/files/overdosedata1999-2015.xls
我们会用到的数据是这样的：
我们将用Matplotlib和Seaborn绘图，用Numpy和Pandas处理数据。Matplotlib也提供了一些我们做动画可以的函数，所以让我们首先导入所有依赖项。
import numpy as np import pandas as pd import seaborn as sns import matplotlib import matplotlib.pyplot as plt import matplotlib.animation as animation
然后用Pandas载入数据并转成DataFrame类型的数据结构。因为我们要针对不同类药物的滥用画图，写个函数来载入感兴趣的特定行的数据能避免重复代码。(小编注：原文提供的代码在读取excel文件的时候使用了已废弃的sheetname参数，本文中已修正为sheet_name)
overdoses = pd.read_excel('overdose_data_1999-2015.xls',sheet_name='Online',skiprows =6)
def get_data(table,rownum,title):
data = pd.DataFrame(table.loc[rownum][2:]).astype(float)
data.columns = {title}
return data
现在让我们来做动画吧！
首先，如果你和我一样使用的是jupyter notebook，请在代码首行加入 %matplotlib notebook，如此便可在notebook直接看到生成的动画而非保存后才可见。
我现在使用 get_data函数从表中检索过量的数据并放在有两列的Pandas DataFrame中，一列是年，一列是过量死亡的人数。
%matplotlib notebook
title = 'Heroin Overdoses'
d = get_data(overdoses,18,title)
x = np.array(d.index)
y = np.array(d['Heroin Overdoses'])
overdose = pd.DataFrame(y,x)
#XN,YN = augment(x,y,10)
#augmented = pd.DataFrame(YN,XN)
overdose.columns = {title}
接下来我们初始化一个ffmpeg Writer并以20帧每秒、1800比特率进行录屏。你也可以根据喜好自行设置这些值。
Writer = animation.writers['ffmpeg'] writer = Writer(fps=20, metadata=dict(artist='Me'), bitrate=1800)
（小编注：如果出现 RuntimeError:RequestedMovieWriter(ffmpeg)notavailable的报错，请自行安装ffmpeg，装了brew的Mac可以直接: brew install ffmpeg）
现在我们创建一个有几个标签的图形。确保设置x和y轴的限制，以免动画随当前显示的数据范围乱跳转。
fig = plt.figure(figsize=(10,6))
plt.xlim(1999, 2016)
plt.ylim(np.min(overdose)[0], np.max(overdose)[0])
plt.xlabel('Year',fontsize=20)
plt.ylabel(title,fontsize=20)
plt.title('Heroin Overdoses per Year',fontsize=20)
动画的核心是动画函数，你可以在其中定义视频的每一帧发生什么。这里的 i表示动画中帧的索引。使用这个索引可以选择应在此帧中可见的数据范围。然后我使用seaborn线图来绘制所选的数据。最后两行代码只是为了让图表更美观。
def animate(i):
data = overdose.iloc[:int(i+1)] #选择数据范围
p = sns.lineplot(x=data.index, y=data[title], data=data, color="r")
p.tick_params(labelsize=17)
plt.setp(p.lines,linewidth=7)
我们用调用了 animate 函数并定义了帧数的 matplotlib.animation.FuncAnimation来开始动画， frames实际上定义了调用 animate的频率。
ani = matplotlib.animation.FuncAnimation(fig, animate, frames=17, repeat=True)
你可以用 ani.save()把动画保存为mp4，如果你想直接看一看动画效果可以用plt.show() 。
ani.save('HeroinOverdosesJumpy.mp4', writer=writer)
现在我们的图表动起来啦：
动画能够正常运行但是感觉有点跳跃，所以我们需要在已有数据点之间增加更多的数据点来使动画的过渡平滑。于是我们使用另一个函数 augment。
def augment(xold,yold,numsteps):
xnew = []
ynew = []
for i in range(len(xold)-1):
difX = xold[i+1]-xold[i]
stepsX = difX/numsteps
difY = yold[i+1]-yold[i]
stepsY = difY/numsteps
for s in range(numsteps):
xnew = np.append(xnew,xold[i]+s*stepsX)
ynew = np.append(ynew,yold[i]+s*stepsY)
return xnew,ynew
现在我们只需要对我们的数据应用这个函数、增加 matplotlib.animation.FuncAnimation 函数的帧数。在这里我用参数 numsteps=10调用 augment函数，也就是增加数据点至160个，并且设置 frames=160 。这样以来，图表显得更为平滑，但还是在数值变动处有些突兀。
为了让我们的动画更平滑美观，我们可以增加一个平滑函数（具体请见：https://www.swharden.com/wp/2008-11-17-linear-data-smoothing-in-python/ ）。
def smoothListGaussian(listin,strippedXs=False,degree=5):
window=degree*2-1
weight=np.array([1.0]*window)
weightGauss=[]
for i in range(window):
i=i-degree+1
frac=i/float(window)
gauss=1/(np.exp((4*(frac))**2))
weightGauss.append(gauss)
weight=np.array(weightGauss)*weight
smoothed=[0.0]*(len(listin)-window)
for i in range(len(smoothed)):
smoothed[i]=sum(np.array(listin[i:i+window])*weight)/sum(weight)
return smoothed
另外我们也可以加上一点颜色和样式参数，让图表更个性化。
sns.set(rc={'axes.facecolor':'lightgrey', 'figure.facecolor':'lightgrey','figure.edgecolor':'black','axes.grid':False})
当当当！如此我们便得到了文章开头的动画图表。
这篇文章仅仅只是matplotlib动画功能的一个例子，你大可以用它来实现任何一种图表的动画效果。简单调整 animate（）函数内的参数和图表类型，就能得到无穷无尽的可能性。
到此这篇关于利用 Python 让图表动起来的文章就介绍到这了,更多相关Python 让图表动起来内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了网站渗透常用Python小脚本查询同ip网站,需要的朋友可以参考下2017-05-05
这篇文章介绍了Python爬虫框架Scrapy，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2022-06-06
Python 3.x 安装opencv+opencv_contrib的操作方法
下面小编就为大家分享一篇Python 3.x 安装opencv+opencv_contrib的操作方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-04-04
tkinter(Tk interface)是Python的标准GUl库，支持跨平台的GUl程序开发。tkinter适合小型的GUl程序编写，也特别适合初学者学习GUl编程，这篇文章主要介绍了python Tkinter详解,需要的朋友可以参考下2023-03-03
这篇文章主要介绍了Django框架实现的普通登录案例,结合实例形式分析了Django框架使用POST方法进行页面登录、校验等相关操作技巧,需要的朋友可以参考下2019-05-05
这篇文章主要介绍了python自动提取文本中的时间(包含中文日期)，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-08-08
这篇文章主要为大家详细介绍了python使用Matplotlib画条形图，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-09-09
下面小编就为大家带来一篇python模块之time模块(实例讲解)。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-09-09
分位数(Quantile),也称分位点,是指将一个随机变量的概率分布范围分为几个等份的数值点,分析其数据变量的趋势,而众数（Mode）是代表数据的一般水平,这篇文章主要给大家介绍了Python pandas系列之众数和分位数的相关资料,需要的朋友可以参考下2021-08-08
Flask是一个使用Python编写的轻量级Web应用框架。其WSGI工具箱采用Werkzeug，模板引擎则使用 Jinja2 。Flask使用BSD授权。Flask也被称为 “microframework”，因为它使用简单的核心，用extension增加其他功能2023-02-02
最新评论