用Python繪製一套「會跳舞」的動態圖形

作者：Costas Andreou

機器之心編譯

參與：Jamin，張倩

看這優美的舞姿

數據暴增的年代，數據科學家，分析師在被要求對數據有更深的理解與分析的同時，還需要將結果有效地傳遞給他人。如何讓目標聽眾更直觀地理解？當然是將數據可視化啊，最而且好的英文動態可視化。

本文將以線型圖，條形圖和餅圖為例，系統地講解如何讓你的數據圖表動起來。

這些動態圖表是用什麼做的？

是一個基於Python的開源數據繪圖包，僅需幾行代碼就可以幫助開發者生成直方圖，功率譜，條形圖，散點圖等。這個庫裡有個非常實用的擴展包——FuncAnimation，可以讓我們的靜態圖表動起來。

FuncAnimation是Matplotlib庫中的動畫類的一部分，後續會展示多個示例。如果是首次接觸，您可以將這個函數簡單地理解為一個，同時循環，不停地在「畫布」上重新放置目標數據圖。

如何使用FuncAnimation？

這個過程始於以下兩行代碼：

import matplotlib.animation as ani

animator = ani.FuncAnimation(fig, chartfunc, interval = 100)

從中我們可以看到FuncAnimation的幾個輸入：

fig是用來「繪製圖表」的Figure對象；

chartfunc是一個以數字為輸入的函數，其含義為時間序列上的時間；

interval這個更好理解，是幀之間的間隔延遲，以毫米為單位，至少更改200。

這是三個關鍵輸入，當然還有更多可選輸入，感興趣的讀者可查看原文檔，這裡不再贅述。

下一步要做的就是將數據圖表參數化，從而轉換為一個函數，然後將該函數時間序列中的點作為輸入，設置完成後就可以正式開始了。

在開始之前依舊需要確認你是否對基本的數據可視化有所了解。也就是說，我們先要將數據進行可視化處理，再進行動態處理。

按照以下代碼進行基本調用。另外，這裡將採用大型流行病的傳播數據作為案例數據（包括每天的死亡人數）。

import matplotlib.animation as ani

import matplotlib.pyplot as plt

import numpy as np

import pandas as pdurl = 'https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_deaths_global.csv'

df = pd.read_csv(url, delimiter=',', header='infer')df_interest = df.loc[

df['Country/Region'].isin(['United Kingdom', 'US', 'Italy', 'Germany'])

& df['Province/State'].isna()]df_interest.rename(

index=lambda x: df_interest.at[x, 'Country/Region'], inplace=True)

df1 = df_interest.transpose()df1 = df1.drop(['Province/State', 'Country/Region', 'Lat', 'Long'])

df1 = df1.loc[(df1 != 0).any(1)]

df1.index = pd.to_datetime(df1.index)

繪製三種常見動態圖表

繪製動態線型圖

如下所示，首先需要做的第一件事是定義圖的各項，這些基礎項設定之後就會保持不變。它們包括：創建 figure 對象，x 標和 y 標，設置線條顏色和 figure 邊距等：

import numpy as np

import matplotlib.pyplot as pltcolor = ['red', 'green', 'blue', 'orange']

fig = plt.figure()

plt.xticks(rotation=45, ha="right", rotation_mode="anchor") #rotate the x-axis values

plt.subplots_adjust(bottom = 0.2, top = 0.9) #ensuring the dates (on the x-axis) fit in the screen

plt.ylabel('No of Deaths')

plt.xlabel('Dates')

接下來設置 curve 函數，進而使用 .FuncAnimation 讓它動起來：

def buildmebarchart(i=int):

plt.legend(df1.columns)

p = plt.plot(df1[:i].index, df1[:i].values) #note it only returns the dataset, up to the point i

for i in range(0,4):

p[i].set_color(color[i]) #set the colour of each curveimport matplotlib.animation as ani

animator = ani.FuncAnimation(fig, buildmebarchart, interval = 100)

plt.show()

動態餅狀圖

可以觀察到，其代碼結構看起來與線型圖並無太大差異，但依舊有細小的差別。

import numpy as np

import matplotlib.pyplot as pltfig,ax = plt.subplots()

explode=[0.01,0.01,0.01,0.01] #pop out each slice from the piedef getmepie(i):

def absolute_value(val): #turn % back to a number

a = np.round(val/100.*df1.head(i).max().sum(), 0)

return int(a)

ax.clear()

plot = df1.head(i).max().plot.pie(y=df1.columns,autopct=absolute_value, label='',explode = explode, shadow = True)

plot.set_title('Total Number of Deaths\n' + str(df1.index[min( i, len(df1.index)-1 )].strftime('%y-%m-%d')), fontsize=12)import matplotlib.animation as ani

animator = ani.FuncAnimation(fig, getmepie, interval = 200)

plt.show()

主要區別在於，動態餅狀圖的代碼每次循環都會返回一組數值，但在線型圖中返回的是我們所在點之前的整個時間序列。返回時間序列通過 df1.head(i) 來實現，而. max()則保證了我們僅獲得最新的數據，因為流行病導致死亡的總數只有兩種變化：維持現有數量或持續上升。

df1.head(i).max()

動態條形圖

創建動態條形圖的難度與上述兩個案例並無太大差別。在這個案例中，作者定義了水平和垂直兩種條形圖，讀者可以根據自己的實際需求來選擇圖表類型並定義變量欄。

fig = plt.figure()

bar = ''def buildmebarchart(i=int):

iv = min(i, len(df1.index)-1) #the loop iterates an extra one time, which causes the dataframes to go out of bounds. This was the easiest (most lazy) way to solve this :)

objects = df1.max().index

y_pos = np.arange(len(objects))

performance = df1.iloc[[iv]].values.tolist()[0]

if bar == 'vertical':

plt.bar(y_pos, performance, align='center', color=['red', 'green', 'blue', 'orange'])

plt.xticks(y_pos, objects)

plt.ylabel('Deaths')

plt.xlabel('Countries')

plt.title('Deaths per Country \n' + str(df1.index[iv].strftime('%y-%m-%d')))

else:

plt.barh(y_pos, performance, align='center', color=['red', 'green', 'blue', 'orange'])

plt.yticks(y_pos, objects)

plt.xlabel('Deaths')

plt.ylabel('Countries')animator = ani.FuncAnimation(fig, buildmebarchart, interval=100)plt.show()

在製作完成後，存儲這些動態圖就非常簡單了，可直接使用以下代碼：

animator.save(r'C:\temp\myfirstAnimation.gif')

感興趣的讀者如想獲得詳細信息可參考：https://matplotlib.org/3.1.1/api/animation_api.html。

原文連結：https://towardsdatascience.com/learn-how-to-create-animated-graphs-in-python-fce780421afe

書籍推薦

《Python實戰指南——手把手教你掌握300個精彩案例》

書籍介紹：Python編程者的實戰演練全書！手把手教你Python編程入門，精彩案例助你二次開發！五位知名專家聯袂推薦！提供源程序