如何利用?Python?繪制動(dòng)態(tài)可視化圖表
一、安裝相關(guān)的模塊
首先第一步的話我們需要安裝相關(guān)的模塊,通過pip
命令來安裝
pip install gif
另外由于gif模塊之后會(huì)被當(dāng)做是裝飾器放在繪制可視化圖表的函數(shù)上,主要我們依賴的還是Python當(dāng)中繪制可視化圖表的matplotlib
、plotly
、以及altair
這些模塊,因此我們還需要下面這幾個(gè)庫(kù)
pip install "gif[altair]" ? ? pip install "gif[matplotlib]" pip install "gif[plotly]"
二、gif和matplotlib的結(jié)合
我們先來看gif
和matplotlib
模塊的結(jié)合,我們先來看一個(gè)簡(jiǎn)單的例子,
代碼如下:
import random from matplotlib import pyplot as plt import gif x = [random.randint(0, 100) for _ in range(100)] y = [random.randint(0, 100) for _ in range(100)] gif.options.matplotlib["dpi"] = 300 @gif.frame def plot(i): ? ? xi = x[i*10:(i+1)*10] ? ? yi = y[i*10:(i+1)*10] ? ? plt.scatter(xi, yi) ? ? plt.xlim((0, 100)) ? ? plt.ylim((0, 100)) frames = [] for i in range(10): ? ? frame = plot(i) ? ? frames.append(frame) gif.save(frames, 'example.gif', duration=3.5, unit="s", between="startend")
output:
代碼的邏輯并不難理解,首先我們需要定義一個(gè)函數(shù)來繪制圖表并且?guī)?code>gif裝飾器,接著我們需要一個(gè)空的列表,通過for循環(huán)將繪制出來的對(duì)象放到這個(gè)空列表當(dāng)中然后保存成gif格式的文件即可。
三、gif和plotly的結(jié)合
除了和matplotlib
的聯(lián)用之外,gif
和plotly
之間也可以結(jié)合起來用
代碼如下:
import random import plotly.graph_objects as go import pandas as pd import gif df = pd.DataFrame({ ? ? 't': list(range(10)) * 10, ? ? 'x': [random.randint(0, 100) for _ in range(100)], ? ? 'y': [random.randint(0, 100) for _ in range(100)] }) @gif.frame def plot(i): ? ? d = df[df['t'] == i] ? ? fig = go.Figure() ? ? fig.add_trace(go.Scatter( ? ? ? ? x=d["x"], ? ? ? ? y=d["y"], ? ? ? ? mode="markers" ? ? )) ? ? fig.update_layout(width=500, height=300) ? ? return fig frames = [] for i in range(10): ? ? frame = plot(i) ? ? frames.append(frame) gif.save(frames, 'example_plotly.gif', duration=100)
output:
整體的代碼邏輯和上面的相似,這里也就不做具體的說明了
四、matplotlib多子圖動(dòng)態(tài)可視化
上面繪制出來的圖表都是在單張圖表當(dāng)中進(jìn)行的,那當(dāng)然了我們還可以在多張子圖中進(jìn)行動(dòng)態(tài)可視化的展示,
代碼如下:
# 讀取數(shù)據(jù) df = pd.read_csv('weather_hourly_darksky.csv') df = df.rename(columns={"time": "date"}) @gif.frame def plot(df, date): ? ? df = df.loc[df.index[0]:pd.Timestamp(date)] ? ? fig, (ax1, ax2, ax3) = plt.subplots(3, figsize=(10, 6), dpi=100) ? ? ax1.plot(df.temperature, marker='o', linestyle='--', linewidth=1, markersize=3, color='g') ? ? maxi = round(df.temperature.max() + 3) ? ? ax1.set_xlim([START, END]) ? ? ax1.set_ylim([0, maxi]) ? ? ax1.set_ylabel('TEMPERATURE', color='green') ? ? ax2.plot(df.windSpeed, marker='o', linestyle='--', linewidth=1, markersize=3, color='b') ? ? maxi = round(df.windSpeed.max() + 3) ? ? ax2.set_xlim([START, END]) ? ? ax2.set_ylim([0, maxi]) ? ? ax2.set_ylabel('WIND', color='blue') ? ? ax3.plot(df.visibility, marker='o', linestyle='--', linewidth=1, markersize=3, color='r') ? ? maxi = round(df.visibility.max() + 3) ? ? ax3.set_xlim([START, END]) ? ? ax3.set_ylim([0, maxi]) ? ? ax3.set_ylabel('VISIBILITY', color='red') frames = [] for date in pd.date_range(start=df.index[0], end=df.index[-1], freq='1M'): ? ? frame = plot(df, date) ? ? frames.append(frame) gif.save(frames, "文件名稱.gif", duration=0.5, unit='s')
output:
五、動(dòng)態(tài)氣泡圖
最后我們用plotly
模塊來繪制一個(gè)動(dòng)態(tài)的氣泡圖,
代碼如下:
import gif import plotly.graph_objects as go import numpy as np np.random.seed(1) N = 100 x = np.random.rand(N) y = np.random.rand(N) colors = np.random.rand(N) sz = np.random.rand(N) * 30 layout = go.Layout( ? ? xaxis={'range': [-2, 2]}, ? ? yaxis={'range': [-2, 2]}, ? ? margin=dict(l=10, r=10, t=10, b=10) ) @gif.frame def plot(i): ? ? fig = go.Figure(layout=layout) ? ? fig.add_trace(go.Scatter( ? ? ? ? x=x[:i], ? ? ? ? y=y[:i], ? ? ? ? mode="markers", ? ? ? ? marker=go.scatter.Marker( ? ? ? ? ? ? size=sz[:i], ? ? ? ? ? ? color=colors[:i], ? ? ? ? ? ? opacity=0.6, ? ? ? ? ? ? colorscale="Viridis" ? ? ? ? ) ? ? )) ? ? fig.update_layout(width=500, height=300) ? ? return fig frames = [] for i in range(100): ? ? frame = plot(i) ? ? frames.append(frame) gif.save(frames, "bubble.gif")
output:
到此這篇關(guān)于如何利用 Python 繪制動(dòng)態(tài)可視化圖表的文章就介紹到這了,更多相關(guān)Python 繪制動(dòng)態(tài)可視化圖表內(nèi)容請(qǐng)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!
- python的pyecharts繪制各種圖表詳細(xì)(附代碼)
- Python數(shù)據(jù)可視化之基于pyecharts實(shí)現(xiàn)的地理圖表的繪制
- 詳解利用python-highcharts庫(kù)繪制交互式可視化圖表
- Python使用Plotly繪制常見5種動(dòng)態(tài)交互式圖表
- Python數(shù)據(jù)可視化之使用matplotlib繪制簡(jiǎn)單圖表
- Python?matplotlib?plotly繪制圖表詳解
- Python+pyecharts繪制交互式可視化圖表
- 一文教會(huì)你用Python繪制動(dòng)態(tài)可視化圖表
- Python使用pyecharts控件繪制圖表
- Python繪制地理圖表可視化神器pyecharts
相關(guān)文章
Python創(chuàng)建普通菜單示例【基于win32ui模塊】
這篇文章主要介紹了Python創(chuàng)建普通菜單,結(jié)合實(shí)例形式分析了Python基于win32ui模塊創(chuàng)建普通菜單及添加菜單項(xiàng)的相關(guān)操作技巧,并附帶說明了win32ui模塊的安裝命令,需要的朋友可以參考下2018-05-05Python項(xiàng)目 基于Scapy實(shí)現(xiàn)SYN泛洪攻擊的方法
今天小編就為大家分享一篇Python項(xiàng)目 基于Scapy實(shí)現(xiàn)SYN泛洪攻擊的方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-07-07Python機(jī)器學(xué)習(xí)利用隨機(jī)森林對(duì)特征重要性計(jì)算評(píng)估
本文是對(duì)隨機(jī)森林如何用在特征選擇上做一個(gè)簡(jiǎn)單的介紹。隨機(jī)森林非常簡(jiǎn)單,易于實(shí)現(xiàn),計(jì)算開銷也很小,更令人驚奇的是它在分類和回歸上表現(xiàn)出了十分驚人的性能2021-10-10python實(shí)現(xiàn)提取jira bug列表的方法示例
公司要求內(nèi)部每日整理jira bug發(fā)郵件,手動(dòng)執(zhí)行了一段時(shí)間,想著用自動(dòng)化的方式實(shí)現(xiàn),所以本文主要介紹了python實(shí)現(xiàn)提取jira bug列表,感興趣的可以了解一下2021-05-05python使用MySQLdb訪問mysql數(shù)據(jù)庫(kù)的方法
這篇文章主要介紹了python使用MySQLdb訪問mysql數(shù)據(jù)庫(kù)的方法,實(shí)例分析了Python使用MySQLdb模塊操作mysql數(shù)據(jù)庫(kù)的相關(guān)技巧,具有一定參考借鑒價(jià)值,需要的朋友可以參考下2015-08-08Python不同目錄間進(jìn)行模塊調(diào)用的實(shí)現(xiàn)方法
這篇文章主要介紹了Python不同目錄間進(jìn)行模塊調(diào)用的實(shí)現(xiàn)方法,小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過來看看吧2019-01-01深度學(xué)習(xí)Tensorflow2.8?使用?BERT?進(jìn)行文本分類
這篇文章主要為大家介紹了深度學(xué)習(xí)Tensorflow2.8?使用?BERT?進(jìn)行文本分類示例詳解,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2023-01-01