快捷導(dǎo)航

如何利用?Python?繪制動態(tài)可視化圖表

更新時間：2022年02月25日 10:18:54 作者：Python數(shù)據(jù)挖掘

這篇文章主要介紹了如何利用?Python?繪制動態(tài)可視化圖表,主要介紹介紹如何進(jìn)行保存gif格式的文件。那么我們就開始進(jìn)入主題，來談一下Python當(dāng)中的gif模塊,需要的朋友可以參考一下

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庫

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，我們先來看一個簡單的例子，

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函數(shù)來繪制圖表并且?guī)?code>gif裝飾器，接著我們需要一個空的列表，通過for循環(huán)將繪制出來的對象放到這個空列表當(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、動態(tài)氣泡圖

最后我們用plotly模塊來繪制一個動態(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：