在工作的過程中，我們會(huì)發(fā)現(xiàn)那些能夠把知識(shí)、成果講透的人很多都會(huì)做動(dòng)態(tài)圖表。

這篇文章就介紹了 Python 中一種簡單的動(dòng)態(tài)圖表制作方法，這樣生成的動(dòng)圖就可以豐富我們的PPT啦~

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

。

這些動(dòng)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(duì) Python 里的 Matplotlib 庫并不陌生。它是一個(gè)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(diǎn)圖等。這個(gè)庫里有個(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。

FuncAnimation 是 Matplotlib 庫中 Animation 類的一部分，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)簡單地理解為一個(gè) 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(gè)過程始于以下兩行代碼：

import?matplotlib.animation?as?anianimator?=?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 「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始了。

在開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，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?aniimport?matplotlib.pyplot?as?pltimport?numpy?as?npimport?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(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?npimport?matplotlib.pyplot?as?pltcolor?=?['red',?'green',?'blue',?'orange']fig?=?plt.figure()plt.xticks(rotation=45,?ha="right",?rotation_mode="anchor")?#rotate?the?x-axis?valuesplt.subplots_adjust(bottom?=?0.2,?top?=?0.9)?#ensuring?the?dates?(on?the?x-axis)?fit?in?the?screenplt.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(dòng)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?anianimator?=?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)看起來與線型圖并無太大差異，但依舊有細(xì)小的差別。

import?numpy?as?npimport?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?anianimator?=?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 df1.head(i) 來實(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()

在制作完成后，存儲(chǔ)這些動(dòng)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

-End-

總結(jié)

以上是生活随笔為你收集整理的python多张图片生成ppt_天呐，还能这么玩！用 Python 生成动态 PPT的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。