在讀技術(shù)博客的過(guò)程中，我們會(huì)發(fā)現(xiàn)那些能夠把知識(shí)、成果講透的博主很多都會(huì)做動(dòng)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(jiǎn)單的動(dòng)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(duì)數(shù)據(jù)有更深的理解與分析的同時(shí)，還需要將結(jié)果有效地傳遞給他人。如何讓目標(biāo)聽(tīng)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(dòng)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(dòng)起來(lái)。

這些動(dòng)態(tài)圖表是用什么做的？

接觸過(guò)數(shù)據(jù)可視化的同學(xué)應(yīng)該對(duì) Python 里的 Matplotlib 庫(kù)并不陌生。它是一個(gè)基于 Python 的開(kāi)源數(shù)據(jù)繪圖包，僅需幾行代碼就可以幫助開(kāi)發(fā)者生成直方圖、功率譜、條形圖、散點(diǎn)圖等。這個(gè)庫(kù)里有個(gè)非常實(shí)用的擴(kuò)展包——FuncAnimation，可以讓我們的靜態(tài)圖表動(dòng)起來(lái)。

FuncAnimation 是 Matplotlib 庫(kù)中 Animation 類(lèi)的一部分，后續(xù)會(huì)展示多個(gè)示例。如果是首次接觸，你可以將這個(gè)函數(shù)簡(jiǎn)單地理解為一個(gè) While 循環(huán)，不停地在 “畫(huà)布” 上重新繪制目標(biāo)數(shù)據(jù)圖。

如何使用 FuncAnimation？

這個(gè)過(guò)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(gè)輸入：

• fig 是用來(lái) 「繪制圖表」的 figure 對(duì)象；
• chartfunc 是一個(gè)以數(shù)字為輸入的函數(shù)，其含義為時(shí)間序列上的時(shí)間；
• interval 這個(gè)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(gè)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(gè)函數(shù)，然后將該函數(shù)時(shí)間序列中的點(diǎn)作為輸入，設(shè)置完成后就可以正式開(kāi)始了。

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

繪制動(dòng)態(tài)線型圖

如下所示，首先需要做的第一件事是定義圖的各項(xiàng)，這些基礎(chǔ)項(xiàng)設(shè)定之后就會(huì)保持不變。它們包括：創(chuàng)建 figure 對(duì)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(lái)設(shè)置 curve 函數(shù)，進(jìn)而使用 .FuncAnimation 讓它動(dòng)起來(lái)：

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(dòng)態(tài)餅狀圖

可以觀察到，其代碼結(jié)構(gòu)看起來(lái)與線型圖并無(wú)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 Deathsn' + 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(dòng)態(tài)餅狀圖的代碼每次循環(huán)都會(huì)返回一組數(shù)值，但在線型圖中返回的是我們所在點(diǎn)之前的整個(gè)時(shí)間序列。返回時(shí)間序列通過(guò) df1.head(i) 來(lái)實(shí)現(xiàn)，而. max()則保證了我們僅獲得最新的數(shù)據(jù)，因?yàn)榱餍胁?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(dòng)態(tài)條形圖

創(chuàng)建動(dòng)態(tài)條形圖的難度與上述兩個(gè)案例并無(wú)太大差別。在這個(gè)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(shí)際需求來(lái)選擇圖表類(lèi)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() 

在制作完成后，存儲(chǔ)這些動(dòng)態(tài)圖就非常簡(jiǎn)單了，可直接使用以下代碼：

animator.save(r'C:tempmyfirstAnimation.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。