基於Python的圖表繪圖系統matplotlib,「動態條形圖」你了解嗎?

動態條形圖大火了一陣子，尤其是那種對比世界各國曆年來的GDP或者軍事實力的動態條形圖，配上激動人心的音樂，眼看著中國從後往前排名不斷考前，作為愛國的人，集體榮譽感爆棚的那種，真的是心潮澎湃自豪到仿佛國力的提升我也做出了不可磨滅的貢獻一般（捂臉）。

雖然我沒有對國力提升做出什麼不可磨滅的貢獻，但是我可以探索下動態條形圖是怎樣繪製的，應該也算是傳播知識了吧（笑哭）。

查看並選取符合要求數據

先看下數據，依然是英超各球隊的積分數據，製作動態條形圖，對數據量要求會稍微大一些，對於有時間維度的數據來說，時間越長，能體現的變化和信息量就會越多，這裡我們只選取了從2010–2019年英超各球隊的積分數據，這個數據量不算大，但是不影響學習原理和實現步驟。

選取每年前十的球隊進入數據集，最終的數據集長這個樣子：

我們一步一步來，先繪製一個簡單的條形圖，比如繪製2019年排名前十球隊積分的條形圖，準備數據，把2019年的數據提取出來然後進行排序並選擇前十名的球隊數據，具體代碼如下：

year = 2019dff = (df_t[df_t["年份"].eq(year)] .sort_values(by='積分', ascending=True) .tail(10))dff

結果：

簡單解釋下，這裡並沒有複雜的代碼，都是常用的語法，除了一個df.eq（），這個方法主要是進行對比，將df中符合括號內變量要求的數據並提取出來，原始的數據中包含了從2010–2019的所有數據，這裡只需要2019年的，所以通過這種方式把2019年的數據提取出來。

後邊的排序語法選擇升序排序，這樣排在第一位的是積分最少的球隊，所以要選取排名前十的球隊不能用head（10），而是用tail（10），選取結尾的10行。之所以這麼操作，還是由於條形圖繪製過程中是從下往上畫，為了條形的排序是從下往上條形越來越長，所以採用這樣的操作。

來看一下上邊截取出來的數據集繪製出來的條形圖是什麼樣子的：

plt.figure(figsize=(10,6))plt.barh(dff['球隊'], dff['積分']);

ok，畫出來是符合要求的條形圖！

設置條形顏色

如果不設置顏色，畫出來的所有條都是一個顏色，就像上邊的那幅圖。

為了讓圖形更美觀，對各個球隊的積分變化看起來更明顯，還是要設置一下顏色。這裡有兩個選擇，一是對排名設置顏色，即無論哪個球隊是第一名，只要排到第一名就會被指定這種顏色，還有一種是給每個球隊指定顏色，無論這個球隊排名是多少，它的顏色都不會變。

實踐證明第二種方法更複雜一點，但是更容易被接受，所以這裡採用的第二種方法來設置顏色。

names = df_t10.球隊.unique() #查看排名進過前十的球隊都有哪些names

返回結果一共24個球隊：

array(['曼聯', '切爾西', '曼城', '阿森納', '熱刺', '利物浦', '埃弗頓', '富勒姆', '阿斯頓維拉', '桑德蘭', '紐卡斯爾', '西布羅姆維奇', '斯旺西', '西漢姆聯', '南安普敦', '斯託克城', '水晶宮', '萊斯特', '伯恩茅斯', '西布朗', '伯恩利', '萊斯特城', '狼隊', '謝菲爾德聯'], dtype=object)

生成24個不同的顏色：

import matplotlib.cm as cmc = []for i in range(len(names)): c.append(cm.nipy_spectral(float(i)/len(names)))colors1 = dict(zip(names,c)) # 每個球隊對應一個顏色

由於顏色種類比較多，一一指定太費時間和精力，所以引入matplotlib.cm色譜，cm.nipy_spectral（）函數，賦給它不同的浮點數數值能夠生成不同的顏色。

plt.figure(figsize=(12,6)) #給不同的條形添加不同顏色的時候注意顏色列表有24中顏色，不能直接讓顏色等於顏色列表for i in range(len(dff)): plt.barh(dff['球隊'].iloc[i], dff['積分'].iloc[i], color=colors1[dff['球 隊'].iloc[i]],alpha = 0.5) # 在畫布右方添加年份plt.text(1, 0.4, current_year, transform=ax.transAxes, size=46, ha='right',alpha=0.5);

效果圖：

實現動圖

其實大家都知道，所謂視頻也是由一幀一幀的畫面組成按照順序播放形成視頻的，而我們的動圖運用的也是這個原理，所以只需把繪製條形圖的代碼封裝成一個函數，然後重複調用這個函數在不同的數據集上繪製圖形就可以實現動態展現。

fig, ax = plt.subplots(figsize=(12, 6)) #同時建立畫布和子畫布，沒有設置默認為一個子畫布def draw_bar(year): ax.spines['right'].set_color('none') #把右邊的邊框顏色設置為無色,隱藏右邊框 ax.spines['top'].set_color('none') #把上邊的邊框顏色設置為無色,隱藏上邊框 ax.spines['left'].set_color('none') #把右邊的邊框顏色設置為無色,隱藏左邊框 ax.spines['bottom'].set_color('none') #把上邊的邊框顏色設置為無色,隱藏下邊框 #準備數據 dff = (df_t[df_t["年份"].eq(year)].sort_values(by='積分', ascending=True).tail(10)) ax.clear() #清空已存在的圖像 for i in range(len(dff)): colors =cm.nipy_spectral(float(i)/len(dff)) ax.barh(dff['球隊'].iloc[i], dff['積分'].iloc[i], height=0.7, color=colors1[dff['球隊'].iloc[i]],alpha = 0.5) ax.text(dff['積分'].iloc[i]-3,i+0.1,dff['球隊'].iloc[i]) ax.text(dff['積分'].iloc[i]-2,i-0.3,dff['積分'].iloc[i]) ax.text(1, 0.4, year, transform=ax.transAxes, color='#777777', size=46, ha='right',alpha=0.5, weight=800) ax.xaxis.set_major_formatter(ticker.StrMethodFormatter('{x:,.0f}')) ax.xaxis.set_ticks_position('top') ax.tick_params(axis='x', colors='#777777', labelsize=12) ax.set_yticks([]) ax.margins(0, 0.01) ax.grid(which='major', axis='x', linestyle='-') ax.set_axisbelow(True) ax.text(0.2, 1.1, '2010--2019英超各球隊年度積分', transform=ax.transAxes, size=20, weight=600, ha='left'); draw_bar(2019)

函數已經封裝好了，接下來是激動人心實現動圖的操作了，需要matplotlib中的animation模塊，運用該模塊中的FuncAnimation方法重複調用前邊定義好的畫圖函數，實現動畫效果：

import matplotlib.animation as animation #導入animation模塊from IPython.display import HTML #導入HTML模塊 fig, ax = plt.subplots(figsize=(10, 6))animator = animation.FuncAnimation(fig, draw_bar, frames=range(2010, 2020),interval = 600) #interval控制更迭速度，默認200毫秒HTML(animator.to_jshtml()) #將渲染的HTML輸出嵌入到iPython輸出中animator.save('yingchao.gif',writer='imagemagick') # 保存 gif 動態圖

動態條形圖就完活兒了，代碼沒有很複雜，完整的過程就最後的兩段代碼，前期的代碼主要是分解了中間的過程，方便理解而已，有興趣的小夥伴可以深入研究或者換個數據集看下實現效果。