數(shù)據(jù)可視化動(dòng)畫(huà)還在用 Excel 做？今天分享一個(gè)簡(jiǎn)單的 Python 包就能分分鐘搞定！

而且生成的動(dòng)畫(huà)也足夠絲滑，效果是醬紫的：

這是一位專(zhuān)攻 Python 語(yǔ)言的程序員開(kāi)發(fā)的安裝包，名叫Pynimate。

目前可以直接通過(guò)PyPI安裝使用。

使用指南

想要使用 Pynimate，直接import一下就行。

import pynimate as nim  

輸入數(shù)據(jù)后，Pynimate將使用函數(shù)Barplot（）來(lái)創(chuàng)建條形數(shù)據(jù)動(dòng)畫(huà)。

而創(chuàng)建這種動(dòng)畫(huà)，輸入的數(shù)據(jù)必須是pandas數(shù)據(jù)結(jié)構(gòu)（如下），其中將時(shí)間列設(shè)置為索引，換句話說(shuō)索引代表的是自變量。

time, col1, col2, col3  
2012   1     2     1  
2013   1     1     2  
2014   2     1.5   3  
2015   2.5   2     3.5

具體的代碼形式如下：

import pandas as pd  
df = pd.read_csv('data'csv').set_index('time')

比如要處理具體的數(shù)據(jù)，寫(xiě)成代碼應(yīng)該是這樣子的。

df = pd.DataFrame(  
    {  
        "time": ["1960-01-01", "1961-01-01", "1962-01-01"],  
        "Afghanistan": [1, 2, 3],  
        "Angola": [2, 3, 4],  
        "Albania": [1, 2, 5],  
        "USA": [5, 3, 4],  
        "Argentina": [1, 4, 5],  
    }  
).set_index("time")

此外，要制作條形數(shù)據(jù)動(dòng)畫(huà)，Barplot還有三個(gè)必需的參數(shù)得注意：data、time_format和ip_freq（Interpolation frequency）。

data就是表格的數(shù)據(jù)，這里也就不再贅述。

time_format是指數(shù)據(jù)索引的時(shí)間日期格式，一般為：”%Y-%m-%d”。

最后是ip_freq，它是制作動(dòng)畫(huà)中比較關(guān)鍵的一步，通過(guò)線性插值使動(dòng)畫(huà)更加流暢絲滑。

一般來(lái)說(shuō)，并不是所有的原始數(shù)據(jù)都適合做成動(dòng)畫(huà)，現(xiàn)在一個(gè)典型的視頻是24fps，即每秒有24幀。

舉個(gè)栗子，下面這個(gè)表格中的數(shù)據(jù)只有三個(gè)時(shí)間點(diǎn)，按理說(shuō)只能生成3幀視頻，最終動(dòng)畫(huà)也只有3/24秒。

time, col1, col2  
2012   1     3    
2013   2     2     
2014   3     1

這時(shí)候，ip_freq插值（線性）就開(kāi)始發(fā)揮作用了，如果插值是一個(gè)季度，則得出的數(shù)據(jù)就變成了這樣：

time     col1  col2  
2012-01-01  1.00  3.00  
2012-04-01  1.25  2.75  
2012-07-01  1.50  2.50  
2012-10-01  1.75  2.25  
2013-01-01  2.00  2.00  
2013-04-01  2.25  1.75  
2013-07-01  2.50  1.50  
2013-10-01  2.75  1.25  
2014-01-01  3.00  1.00

具體的插值時(shí)間間隔為多久，則要視具體的數(shù)據(jù)而定，一般繪制大數(shù)據(jù)時(shí)，設(shè)置為ip_freq = None。

至此，就能生成數(shù)據(jù)動(dòng)畫(huà)了，完整代碼如下所示：

from matplotlib import pyplot as plt  
import pandas as pd  
import pynimate as nim  
  
df = pd.DataFrame(  
    {  
        "time": ["1960-01-01", "1961-01-01", "1962-01-01"],  
        "Afghanistan": [1, 2, 3],  
        "Angola": [2, 3, 4],  
        "Albania": [1, 2, 5],  
        "USA": [5, 3, 4],  
        "Argentina": [1, 4, 5],  
    }  
).set_index("time")  
  
cnv = nim.Canvas()  
bar = nim.Barplot(df, "%Y-%m-%d", "2d")  
bar.set_time(callback=lambda i, datafier: datafier.data.index[i].year)  
cnv.add_plot(bar)  
cnv.animate()  
plt.show()

這是插值為兩天，生成的動(dòng)畫(huà)效果。

最后還有一個(gè)問(wèn)題，那就是保存動(dòng)畫(huà)，有兩個(gè)格式可以選擇：gif或者mp4。

保存為動(dòng)圖一般使用：

cnv.save("file", 24, "gif")  

若要保存為mp4的話，ffmpeg是個(gè)不錯(cuò)的選擇，它是保存為mp4的標(biāo)準(zhǔn)編寫(xiě)器。

 pip install ffmpeg-python

或者：

conda install ffmpeg  

當(dāng)然，同樣也可以使用Canvas.save()來(lái)保存。

cnv.save("file", 24 ,"mp4")  

到此這篇關(guān)于Python利用pynimate實(shí)現(xiàn)制作動(dòng)態(tài)排序圖的文章就介紹到這了,更多相關(guān)Python動(dòng)態(tài)排序圖內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！