Python利用matplotlib實現(xiàn)動態(tài)可視化詳解
Python中的數(shù)據(jù)可視化是指原始數(shù)據(jù)的圖形表示，以更好地可視化、理解和推理。Python提供了各種庫，包含用于可視化數(shù)據(jù)的不同特性，并且可以支持不同類型的圖形，即Matplotlib、Seaborn、Bokeh、Plotly等。
Python中的動態(tài)可視化
任何系統(tǒng)的動態(tài)可視化都意味著在演示過程中以圖形方式表示當(dāng)前系統(tǒng)的狀態(tài)變化。在Python中的數(shù)據(jù)可視化方面，動態(tài)可視化是一個動態(tài)圖形，它要么隨著時間的推移而變化，就像在視頻中一樣，要么隨著用戶改變輸入而變化，但在當(dāng)前演示中，它就像是活的一樣。
在Python中創(chuàng)建動態(tài)圖的步驟
步驟1. 創(chuàng)建固定長度的隊列
隊列是一種線性數(shù)據(jù)結(jié)構(gòu)，以先進(jìn)先出（FIFO）原則存儲項目。它可以在Python中以各種方式實現(xiàn)。在Python中創(chuàng)建一個固定長度的隊列用于動態(tài)繪圖是指創(chuàng)建一個數(shù)據(jù)結(jié)構(gòu)，該結(jié)構(gòu)可以存儲固定數(shù)量的元素，并在容器滿時丟棄最舊的元素。當(dāng)我們要繪制不斷更新的數(shù)據(jù)點時，它非常有用。通過限制容器的大小，可以提高繪制的性能和清晰度。
from collections import deque # Create a deque with a maximum length of 3 data_points = deque(maxlen=3) # Add new data points to the deque data_points.append(40) data_points.append(60) data_points.append(30) # display the data points in the deque print(data_points) # deque([40, 60, 30], maxlen=3) # Add more data points to the deque data_points.append(13) data_points.append(99) # The oldest data point is/are automatically # removed from front of queue. # deque([30, 13, 99], maxlen=3) print(data_points)
輸出
deque([40, 60, 30], maxlen=3)
deque([30, 13, 99], maxlen=3)
步驟2. 生成點并將其保存到隊列
在這里，我們動態(tài)地生成數(shù)據(jù)點，并將它們附加到隊列數(shù)據(jù)結(jié)構(gòu)中，而不是像上面的示例中所示的那樣執(zhí)行手動操作。這里我們將使用Python的random模塊中可用的函數(shù)來生成數(shù)據(jù)點。
from collections import deque
import random
# Create a deque with fixed length 5
data_points = deque(maxlen=5)
# Generate and append data points to the deque
# we iterate 2 extra times to demonstrate how
# queue removes values from front
for i in range(7):
# generate random numbers between 0
# to 100 (both inclusive)
new_data_point = random.randint(0, 100)
data_points.append(new_data_point)
print(data_points)輸出
deque([64], maxlen=5)
deque([64, 57], maxlen=5)
deque([64, 57, 15], maxlen=5)
deque([64, 57, 15, 31], maxlen=5)
deque([64, 57, 15, 31, 35], maxlen=5)
deque([57, 15, 31, 35, 25], maxlen=5)
deque([15, 31, 35, 25, 12], maxlen=5)
步驟3. 刪除第一個點
在Python中的動態(tài)繪圖中，當(dāng)我們生成一個新的數(shù)據(jù)點并將其添加到固定長度的隊列中時，我們需要從隊列中移除最舊的點以保持隊列的固定長度。在這里，我們按照FIFO原則從左側(cè)移除元素。
from collections import deque
import random
# Create a deque with fixed length
data_points = deque(maxlen=5)
# Append 5 data points to the deque at once using extend method.
data_points.extend([1, 2, 3, 4, 5])
# Print the deque before removing the first element
print("Deque before removing the first element:", data_points)
# Remove the first element from the deque
data_points.popleft()
# Print the deque after removing the first element
print("Deque after removing the first element:", data_points)輸出
Deque before removing the first element: deque([1, 2, 3, 4, 5], maxlen=5)
Deque after removing the first element: deque([2, 3, 4, 5], maxlen=5)
步驟4. 繪制隊列，暫停繪圖以進(jìn)行可視化
我們首先使用Matplotlib繪制存儲在隊列中的數(shù)據(jù)點，然后暫停繪制一定的時間，以便在使用下一組數(shù)據(jù)點更新之前可以可視化該圖。這可以使用Matplotlib中的plt.pause()函數(shù)來完成。在這里，在我們的示例代碼塊中，我們將生成一組y值，x軸值從0恒定增加，然后觀察圖，然后暫停它。
import matplotlib.pyplot as plt
from collections import deque
import random
# Create a fixed-length deque of size 50 to store the data points
data_points = deque(maxlen=50)
# Create an empty plot
fig, ax = plt.subplots()
line = ax.plot([])
# Set the x-axis and y-axis limits to 100
ax.set_xlim(0, 100)
ax.set_ylim(0, 100)
# Iterate through 50 data points and update the plot
for i in range(50):
# Generate and add data points to the deque
new_x = i
# generate a random number between 0 to 100 for y axis
new_y = random.randint(0, 100)
data_points.append((new_x, new_y))
# Update the plot with the new data points
x_values = [x for x, y in data_points]
y_values = [y for x, y in data_points]
line.set_data(x_values, y_values)
# pause the plot for 0.01s before next point is shown
plt.pause(0.01)
# Show the plot
plt.show()
步驟5. 清除繪圖
實時更新數(shù)據(jù)點時，我們將在繪制下一組值之前清除該圖。這可以使用Matplotlib中的line.set_data（[]，[]）函數(shù)來完成，這樣我們就可以實時顯示隊列數(shù)據(jù)結(jié)構(gòu)的固定大小。
import matplotlib.pyplot as plt from collections import deque import random # Create a fixed-length deque to store the data points data_points = deque(maxlen=50) # Create an empty plot fig, ax = plt.subplots() line, = ax.plot([]) # Set the x-axis and y-axis limits ax.set_xlim(0, 100) ax.set_ylim(0, 100) # Iterate through the data points and update the plot for i in range(100): # Generate and add data points to the deque new_x = i new_y = random.randint(0, 100) data_points.append((new_x, new_y)) # Update the plot with the new data points x_values = [x for x, y in data_points] y_values = [y for x, y in data_points] line.set_data(x_values, y_values) plt.pause(0.01) # Clear the plot for the next set of values line.set_data([], []) # Show the plot plt.show()
動態(tài)散點圖
import matplotlib.pyplot as plt
from collections import deque
import random
# Create a fixed-length deque of length 50 to store the data points
data_points = deque(maxlen=50)
# Create an empty plot
fig, ax = plt.subplots()
# Set the x-axis and y-axis limits to 100
ax.set_xlim(0, 100)
ax.set_ylim(0, 100)
# Create a scatter plot to visualize the data points
scatter = ax.scatter([], [])
# Iterate through the data points and update the scatter plot
for i in range(100):
# Generate and add data points to the deque
new_x = i
new_y = random.randint(0, 100)
data_points.append((new_x, new_y))
# Update the scatter plot with the new data points
x_values = [x for x, y in data_points]
y_values = [y for x, y in data_points]
scatter.set_offsets(list(zip(x_values, y_values)))
plt.pause(0.01)
# Show the plot
plt.show()
動態(tài)散點圖和折線圖
import matplotlib.pyplot as plt from collections import deque import random from matplotlib.animation import FuncAnimation # Create a fixed-length deque of length 50 to store the data points data_points = deque(maxlen=50) # Create an empty plot fig, ax = plt.subplots() line, = ax.plot([]) # Set the x-axis and y-axis limits to 100 ax.set_xlim(0, 100) ax.set_ylim(0, 100) # Create a scatter plot to visualize the data points scatter = ax.scatter([], []) # Iterate through the data points and update the scatter plot for i in range(100): # Generate and add data points to the deque new_x = i new_y = random.randint(0, 100) data_points.append((new_x, new_y)) # Update the scatter plot with the new data points x_values = [x for x, y in data_points] y_values = [y for x, y in data_points] scatter.set_offsets(list(zip(x_values, y_values))) line.set_data(x_values, y_values) plt.pause(0.01) # Save the animation as an animated GIF plt.show()
以上就是Python利用matplotlib實現(xiàn)動態(tài)可視化詳解的詳細(xì)內(nèi)容，更多關(guān)于matplotlib動態(tài)可視化的資料請關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
這篇文章主要介紹了Python用字典構(gòu)建多級菜單功能，本文通過實例代碼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2019-07-07
python實現(xiàn)學(xué)生管理系統(tǒng)
這篇文章主要為大家詳細(xì)介紹了python實現(xiàn)學(xué)生管理系統(tǒng)，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-01-01
python3.6利用pyinstall打包py為exe的操作實例
今天小編就為大家分享一篇python3.6利用pyinstall打包py為exe的操作實例，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2018-10-10
解決python 未發(fā)現(xiàn)數(shù)據(jù)源名稱并且未指定默認(rèn)驅(qū)動程序的問題
今天小編就為大家分享一篇解決python 未發(fā)現(xiàn)數(shù)據(jù)源名稱并且未指定默認(rèn)驅(qū)動程序的問題，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2018-12-12
這篇文章主要為大家詳細(xì)介紹了pygame庫實現(xiàn)俄羅斯方塊小游戲，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2019-10-10
這篇文章主要為大家介紹了Python運算符，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2021-12-12
采用python實現(xiàn)簡單QQ單用戶機(jī)器人的方法
這篇文章主要介紹了采用python實現(xiàn)簡單QQ單用戶機(jī)器人的方法,需要的朋友可以參考下2014-07-07
python numpy.power()數(shù)組元素求n次方案例
這篇文章主要介紹了python numpy.power()數(shù)組元素求n次方案例，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2021-03-03
我喜歡你！這篇文章主要為大家詳細(xì)介紹了抖音表白程序python版的實現(xiàn)方法，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2019-04-04
Python實現(xiàn)動態(tài)圖解析、合成與倒放
這篇文章主要為大家詳細(xì)介紹了Python實現(xiàn)動態(tài)圖的解析、合成與倒放，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-01-01