在Python中创建条形图追赶动画_F11 - 专业站长和开发者的学习网站

前言

动画是使可视化更具吸引力和用户吸引力的好方法。它帮助我们以有意义的方式展示数据可视化。Python 帮助我们使用现有的强大 Python 库创建动画可视化。Matplotlib是一个非常流行的数据可视化库，通常用于数据的图形表示以及使用内置函数的动画。

使用 Matplotlib 创建动画有两种方法：

使用 pause() 函数
使用 FuncAnimation() 函数

方法一：使用 pause() 函数

在暂停（）的matplotlib库的pyplot模块在功能上用于暂停为参数提到间隔秒。考虑下面的示例，我们将使用 matplotlib 创建一个简单的线性图并在其中显示动画：

创建 2 个数组 X 和 Y，并存储从 1 到 100 的值。

使用 plot() 函数绘制 X 和 Y。

以合适的时间间隔添加 pause() 函数

运行程序，你会看到动画。

Python

from matplotlib import pyplot as plt

x = []

y = []

for i in range(100):

x.append(i)

y.append(i)

# 提及 x 和 y 限制以定义其范围

plt.xlim(0, 100)

plt.ylim(0, 100)

# 绘制图形

plt.plot(x, y, color = 'green')

plt.pause(0.01)

plt.show()

输出：

同样，你也可以使用 pause() 函数在各种绘图中创建动画。

方法二：使用 FuncAnimation() 函数

这个FuncAnimation() 函数不会自己创建动画，而是从我们传递的一系列图形中创建动画。

语法: FuncAnimation(figure, animation_function, frames=None, init_func=None, fargs=None, save_count=None, *, cache_frame_data=True,
**kwargs)

现在您可以使用 FuncAnimation 函数制作多种类型的动画：

线性图动画

在这个例子中，我们将创建一个简单的线性图，它将显示一条线的动画。同样，使用 FuncAnimation，我们可以创建多种类型的动画视觉表示。我们只需要在一个函数中定义我们的动画，然后用合适的参数将它传递给FuncAnimation。

Python

from matplotlib import pyplot as plt

from matplotlib.animation import FuncAnimation

import numpy as np

x = []

y = []

figure, ax = plt.subplots()

# 设置 x 和 y 轴的限制

ax.set_xlim(0, 100)

ax.set_ylim(0, 12)

# 绘制单个图形

line, = ax.plot(0, 0)

def animation_function(i):

x.append(i * 15)

y.append(i)

line.set_xdata(x)

line.set_ydata(y)

return line,

animation = FuncAnimation(figure,

func = animation_function,

frames = np.arange(0, 10, 0.1),

interval = 10)

plt.show()

输出：

Python 中的条形图追赶动画

在此示例中，我们将创建一个简单的条形图动画，它将显示每个条形的动画。

Python

from matplotlib import pyplot as plt

from matplotlib.animation import FuncAnimation, writers

import numpy as np

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']

fig = plt.figure(figsize = (7,5))

axes = fig.add_subplot(1,1,1)

axes.set_ylim(0, 300)

palette = ['blue', 'red', 'green',

'darkorange', 'maroon', 'black']

y1, y2, y3, y4, y5, y6 = [], [], [], [], [], []

def animation_function(i):

y1 = i

y2 = 6 * i

y3 = 3 * i

y4 = 2 * i

y5 = 5 * i

y6 = 3 * i

plt.xlabel("国家")

plt.ylabel("国家GDP")

plt.bar(["印度", "中国", "德国",

"美国", "加拿大", "英国"],

[y1, y2, y3, y4, y5, y6],

color = palette)

plt.title("条形图动画")

animation = FuncAnimation(fig, animation_function,

interval = 50)

plt.show()

输出：

Python 中的散点图动画：

在这个例子中，我们将使用随机函数在 python 中动画散点图。我们将遍历animation_func并在迭代时绘制 x 和 y 轴的随机值。

from matplotlib import pyplot as plt

from matplotlib.animation import FuncAnimation

import random

import numpy as np

x = []

y = []

colors = []

fig = plt.figure(figsize=(7,5))

def animation_func(i):

x.append(random.randint(0,100))

y.append(random.randint(0,100))

colors.append(np.random.rand(1))

area = random.randint(0,30) * random.randint(0,30)

plt.xlim(0,100)

plt.ylim(0,100)

plt.scatter(x, y, c = colors, s = area, alpha = 0.5)

animation = FuncAnimation(fig, animation_func,

interval = 100)

plt.show()

输出：

条形图追赶的水平移动

在这里，我们将使用城市数据集中的最高人口绘制条形图竞赛。

不同的城市会有不同的条形图，条形图追赶将从 1990 年到 2018 年迭代。

我从人口最多的数据集中选择了最高城市的国家。

需要用到的数据集可以从这里下载：city_populations

Python

import pandas as pd

import matplotlib.pyplot as plt

import matplotlib.ticker as ticker

from matplotlib.animation import FuncAnimation

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']

df = pd.read_csv('city_populations.csv',

usecols=['name', 'group', 'year', 'value'])

colors = dict(zip(['India','Europe','Asia',

'Latin America','Middle East',

'North America','Africa'],

['#adb0ff', '#ffb3ff', '#90d595',

'#e48381', '#aafbff', '#f7bb5f',

'#eafb50']))

group_lk = df.set_index('name')['group'].to_dict()

def draw_barchart(year):

dff = df[df['year'].eq(year)].sort_values(by='value',

ascending=True).tail(10)

ax.clear()

ax.barh(dff['name'], dff['value'],

color=[colors[group_lk[x]] for x in dff['name']])

dx = dff['value'].max() / 200

for i, (value, name) in enumerate(zip(dff['value'],

dff['name'])):

ax.text(value-dx, i, name,

size=14, weight=600,

ha='right', va='bottom')

ax.text(value-dx, i-.25, group_lk[name],

size=10, color='#444444',

ha='right', va='baseline')

ax.text(value+dx, i, f'{value:,.0f}',

size=14, ha='left', va='center')

ax.text(1, 0.4, year, transform=ax.transAxes,

color='#777777', size=46, ha='right',

weight=800)

ax.text(0, 1.06, 'Population (thousands)',

transform=ax.transAxes, size=12,

color='#777777')

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, 1.12, '从 1500 年到 2018 年世界上人口最多的城市',

transform=ax.transAxes, size=24, weight=600, ha='left')

ax.text(1, 0, 'by haiyong.site | 海拥',

transform=ax.transAxes, ha='right', color='#777777',

bbox=dict(facecolor='white', alpha=0.8, edgecolor='white'))

plt.box(False)

plt.show()

fig, ax = plt.subplots(figsize=(15, 8))

animator = FuncAnimation(fig, draw_barchart,

frames = range(1990, 2019))

plt.show()

输出：