利用?Python?讓圖表動起來
用Matplotlib和Seaborn這類Python庫可以畫出很好看的圖，但是這些圖只是靜態(tài)的，難以動態(tài)且美觀地呈現(xiàn)數(shù)值變化。要是在你下次的演示、視頻、社交媒體Po文里能用短視頻呈現(xiàn)數(shù)據(jù)變化，是不是很贊呢？更棒的是，你還是可以在你的圖表上用Matplotlib、Seaborn或者其他庫！
本文將使用美國國家藥物濫用研究所和疾病預(yù)防控制中心公布的藥物數(shù)據(jù)，可在此處下載：https：//http://www.drugabuse.gov/sites/default/files/overdosedata1999-2015.xls
我們會用到的數(shù)據(jù)是這樣的：
我們將用Matplotlib和Seaborn繪圖，用Numpy和Pandas處理數(shù)據(jù)。Matplotlib也提供了一些我們做動畫可以的函數(shù)，所以讓我們首先導(dǎo)入所有依賴項。
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載入數(shù)據(jù)并轉(zhuǎn)成DataFrame類型的數(shù)據(jù)結(jié)構(gòu)。因為我們要針對不同類藥物的濫用畫圖，寫個函數(shù)來載入感興趣的特定行的數(shù)據(jù)能避免重復(fù)代碼。(小編注：原文提供的代碼在讀取excel文件的時候使用了已廢棄的sheetname參數(shù)，本文中已修正為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
現(xiàn)在讓我們來做動畫吧！
首先，如果你和我一樣使用的是jupyter notebook，請在代碼首行加入 %matplotlib notebook，如此便可在notebook直接看到生成的動畫而非保存后才可見。
我現(xiàn)在使用 get_data函數(shù)從表中檢索過量的數(shù)據(jù)并放在有兩列的Pandas DataFrame中，一列是年，一列是過量死亡的人數(shù)。
%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}
接下來我們初始化一個ffmpeg Writer并以20幀每秒、1800比特率進(jìn)行錄屏。你也可以根據(jù)喜好自行設(shè)置這些值。
Writer = animation.writers['ffmpeg'] writer = Writer(fps=20, metadata=dict(artist='Me'), bitrate=1800)
（小編注：如果出現(xiàn) RuntimeError:RequestedMovieWriter(ffmpeg)notavailable的報錯，請自行安裝ffmpeg，裝了brew的Mac可以直接: brew install ffmpeg）
現(xiàn)在我們創(chuàng)建一個有幾個標(biāo)簽的圖形。確保設(shè)置x和y軸的限制，以免動畫隨當(dāng)前顯示的數(shù)據(jù)范圍亂跳轉(zhuǎn)。
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)
動畫的核心是動畫函數(shù)，你可以在其中定義視頻的每一幀發(fā)生什么。這里的 i表示動畫中幀的索引。使用這個索引可以選擇應(yīng)在此幀中可見的數(shù)據(jù)范圍。然后我使用seaborn線圖來繪制所選的數(shù)據(jù)。最后兩行代碼只是為了讓圖表更美觀。
def animate(i):
data = overdose.iloc[:int(i+1)] #選擇數(shù)據(jù)范圍
p = sns.lineplot(x=data.index, y=data[title], data=data, color="r")
p.tick_params(labelsize=17)
plt.setp(p.lines,linewidth=7)
我們用調(diào)用了 animate 函數(shù)并定義了幀數(shù)的 matplotlib.animation.FuncAnimation來開始動畫， frames實際上定義了調(diào)用 animate的頻率。
ani = matplotlib.animation.FuncAnimation(fig, animate, frames=17, repeat=True)
你可以用 ani.save()把動畫保存為mp4，如果你想直接看一看動畫效果可以用plt.show() 。
ani.save('HeroinOverdosesJumpy.mp4', writer=writer)
現(xiàn)在我們的圖表動起來啦：
動畫能夠正常運(yùn)行但是感覺有點(diǎn)跳躍，所以我們需要在已有數(shù)據(jù)點(diǎn)之間增加更多的數(shù)據(jù)點(diǎn)來使動畫的過渡平滑。于是我們使用另一個函數(shù) 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
現(xiàn)在我們只需要對我們的數(shù)據(jù)應(yīng)用這個函數(shù)、增加 matplotlib.animation.FuncAnimation 函數(shù)的幀數(shù)。在這里我用參數(shù) numsteps=10調(diào)用 augment函數(shù)，也就是增加數(shù)據(jù)點(diǎn)至160個，并且設(shè)置 frames=160 。這樣以來，圖表顯得更為平滑，但還是在數(shù)值變動處有些突兀。
為了讓我們的動畫更平滑美觀，我們可以增加一個平滑函數(shù)（具體請見：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
另外我們也可以加上一點(diǎn)顏色和樣式參數(shù)，讓圖表更個性化。
sns.set(rc={'axes.facecolor':'lightgrey', 'figure.facecolor':'lightgrey','figure.edgecolor':'black','axes.grid':False})
當(dāng)當(dāng)當(dāng)！如此我們便得到了文章開頭的動畫圖表。
這篇文章僅僅只是matplotlib動畫功能的一個例子，你大可以用它來實現(xiàn)任何一種圖表的動畫效果。簡單調(diào)整 animate（）函數(shù)內(nèi)的參數(shù)和圖表類型，就能得到無窮無盡的可能性。
到此這篇關(guān)于利用 Python 讓圖表動起來的文章就介紹到這了,更多相關(guān)Python 讓圖表動起來內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要介紹了python圖片合成的示例，幫助大家更好的理解和使用python，感興趣的朋友可以了解下2020-11-11
今天小編就為大家分享一篇Python彈出輸入框并獲取輸入值的實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-06-06
這篇文章主要介紹了Python爬蟲番外篇之Cookie和Session詳解，具有一定借鑒價值,需要的朋友可以參考下2017-12-12
這篇文章主要介紹了用Python繪制有趣的萬圣節(jié)南瓜怪效果，本文實例圖文相結(jié)合給大家介紹的非常詳細(xì)，具有一定的參考借鑒價值,需要的朋友可以參考下2019-10-10
本文是一篇關(guān)于python爬蟲的知識學(xué)習(xí)教程，并且給大家解答了學(xué)習(xí)了python爬蟲怎么掙錢這個很多程序員疑惑的問題，如果你對這方面的知識也感興趣，一起深入學(xué)習(xí)一下吧。2018-01-01
這篇文章主要給大家介紹了關(guān)于如何查看Python安裝了哪些包的相關(guān)資料, Conda是另一種廣泛使用的Python包管理工具,它用于安裝、管理和升級軟件包和其依賴項,需要的朋友可以參考下2023-07-07
這篇文章主要為大家介紹了Python順序結(jié)構(gòu)語句，具有一定的參考價值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來幫助2022-01-01
Python利用shutil模塊實現(xiàn)文件的裁剪與壓縮
shutil可以簡單地理解為sh+util ，shell工具的意思。shutil模塊是對os模塊的補(bǔ)充，主要針對文件的拷貝、刪除、移動、壓縮和解壓操作。本文將利用這一模塊實現(xiàn)文件的裁剪、壓縮與解壓縮，需要的可以參考一下2022-05-05
TensorFlow卷積神經(jīng)網(wǎng)絡(luò)MNIST數(shù)據(jù)集實現(xiàn)示例
這篇文章主要介紹了TensorFlow卷積神經(jīng)網(wǎng)絡(luò)MNIST數(shù)據(jù)集的實現(xiàn)示例的過程詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2021-11-11
這篇文章主要為大家詳細(xì)介紹了如何利用PyQt5和serial模塊實現(xiàn)一個簡單的串口小工具，文中的示例代碼講解詳細(xì)，感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2023-01-01