使用Python的Matplotlib库创建动态图表的技巧与实践分享

pip install matplotlib

import matplotlib.pyplot as plt
import numpy as np

# 生成随时间变化的数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 创建动态图表
plt.ion()  # 打开交互模式
fig, ax = plt.subplots()
line, = ax.plot(x, y)

# 更新动态图表
for i in range(100):
    line.set_ydata(np.sin(x + i / 10.0))  # 更新折线图的数据
    plt.draw()  # 重新绘制图表
    plt.pause(0.1)  # 暂停一小段时间，使得动画效果更明显

import matplotlib.pyplot as plt
import numpy as np

# 生成随机的散点数据
x = np.random.rand(100)
y = np.random.rand(100)
colors = np.random.rand(100)
sizes = 1000 * np.random.rand(100)

# 创建动态散点图
plt.ion()  # 打开交互模式
fig, ax = plt.subplots()
sc = ax.scatter(x, y, s=sizes, c=colors, alpha=0.5)

# 更新动态散点图
for i in range(100):
    sc.set_offsets(np.random.rand(100, 2))  # 更新散点的位置
    sc.set_sizes(1000 * np.random.rand(100))  # 更新散点的大小
    sc.set_facecolor(np.random.rand(100, 3))  # 更新散点的颜色
    plt.draw()  # 重新绘制图表
    plt.pause(0.1)  # 暂停一小段时间，使得动画效果更明显

import matplotlib.pyplot as plt
import numpy as np

# 初始化数据
categories = ['A', 'B', 'C', 'D', 'E']
values = np.random.randint(1, 10, size=len(categories))

# 创建动态柱状图
plt.ion()  # 打开交互模式
fig, ax = plt.subplots()
bars = ax.bar(categories, values)

# 更新动态柱状图
for i in range(100):
    new_values = np.random.randint(1, 10, size=len(categories))  # 生成新的随机数据
    for bar, h in zip(bars, new_values):
        bar.set_height(h)  # 更新柱状图的高度
    plt.draw()  # 重新绘制图表
    plt.pause(0.1)  # 暂停一小段时间，使得动画效果更明显

import matplotlib.pyplot as plt
import numpy as np

# 初始化数据
labels = ['A', 'B', 'C', 'D', 'E']
sizes = np.random.rand(len(labels))

# 创建动态饼图
plt.ion()  # 打开交互模式
fig, ax = plt.subplots()
pie = ax.pie(sizes, labels=labels)

# 更新动态饼图
for i in range(100):
    new_sizes = np.random.rand(len(labels))  # 生成新的随机数据
    pie[0].set_sizes(new_sizes * 100)  # 更新饼图的大小
    plt.draw()  # 重新绘制图表
    plt.pause(0.1)  # 暂停一小段时间，使得动画效果更明显

import matplotlib.pyplot as plt
import numpy as np

# 初始化数据
data = np.random.rand(10, 10)

# 创建动态热力图
plt.ion()  # 打开交互模式
fig, ax = plt.subplots()
heatmap = ax.imshow(data, cmap='hot', interpolation='nearest')

# 更新动态热力图
for i in range(100):
    new_data = np.random.rand(10, 10)  # 生成新的随机数据
    heatmap.set_data(new_data)  # 更新热力图的数据
    plt.draw()  # 重新绘制图表
    plt.pause(0.1)  # 暂停一小段时间，使得动画效果更明显