在阅读技术博客的过程中，我们会发现很多博主把自己的知识和结果解释的很透彻，可以做出动态图表。他们的照片是如何制作的？它困难吗？本文介绍一种用Python制作动态图表的简单方法。在数据爆炸的时代，数据科学家和分析师在需要对数据有更深入的理解和分析的同时，也需要将结果有效地传达给他人。如何让目标受众更直观地理解？当然是对数据进行可视化，最好动态可视化。本文将以折线图、条形图和饼图为例，系统地讲解如何让你的数据图表动起来。这些动态图表是由什么组成的？接触过数据可视化的同学应该对Python中的Matplotlib库不陌生。它是一个基于Python的开源数据绘图包，仅需几行代码即可帮助开发者生成直方图、功率谱、柱状图、散点图等。这个库中有一个非常有用的扩展包——FuncAnimation，它可以让我们的静态图表动起来。FuncAnimation是Matplotlib库中Animation类的一部分，后面会展示几个例子。如果是第一次接触，可以将这个函数简单理解为一个While循环，不断在“画布”上重新绘制目标数据图。如何使用函数动画？这个过程从以下两行代码开始：importmatplotlib.animationasanianimator=ani.FuncAnimation(fig,chartfunc,interval=100)从中我们可以看到FuncAnimation的几个输入：fig是用于“绘制chart";chartfunc是一个以数字为输入的函数，其含义是时间序列上的时间；interval比较好理解，就是帧与帧之间的间隔延迟，单位是毫秒，默认值是200。这是三个关键的输入。当然，还有更多的可选输入。有兴趣的读者可以查看原文，这里不再赘述。接下来就是对数据图表进行参数化，将其转化为函数，然后将函数时间序列中的点作为输入。设置完成后，就可以正式开始了。在开始之前，您仍然需要确认您是否了解基本的数据可视化。也就是说，我们首先要将数据可视化，然后再进行动态处理。按照下面的代码进行基本调用。此外，将采用大规模流行病的传播数据作为病例数据（包括每天的死亡人数）。importmatplotlib.animationasaniimportmatplotlib.pyplotaspltimportnumpyasnpiportpandasaspdurl='https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/timeread_series_covid19_deaths_global_csdf=url,delimiter'（',',header='infer')df_interest=df.loc[df['国家/地区'].isin(['英国','美国','意大利','德国'])&df['省/州'].isna]df_interest.rename(index=lambdax:df_interest.at[x,'国家/地区'],inplace=True)df1=df_interest.transposedf1=df1.drop(['省/州','Country/Region','Lat','Long'])df1=df1.loc[(df1!=0).any(1)]df1.index=pd.to_datetime(df1.index)绘制三个常用动态图表1.绘制如下图所示的动态折线图。您需要做的第一件事是定义图表的项目。这些基本项在设置后将保持不变。它们包括：创建图形对象、x和y标签、设置线条颜色和图形边距等：importnumpyasnpimportmatplotlib.pyplotaspltcolor=['red','green','blue','orange']fig=plt.figureplt.xticks(rotation=45,ha="right",rotation_mode="anchor")#旋转x轴值splt.subplots_adjust(bottom=0.2,top=0.9)#ensuringthedates(onthex-axis)fitinthescreenplt.ylabel('NoofDeaths')plt.xlabel('Dates')接下来设置曲线函数，然后用.FuncAnimation让它动起来：defbuildmebarchart(i=int):plt.legend(df1.columns)p=plt.plot(df1[:i].index,df1[:i].values)#注意它只返回数据集，直到iforiinrange(0,4):p[i].set_color(color[i])#设置每条曲线的颜色importmatplotlib.animationasanianimator=ani.FuncAnimation(fig,buildmebarchart,interval=100)plt.show2，动态饼图可以观察，其代码结构和折线图看起来差别不大，但还是有细微的差别。importnumpyasnpiimportmatplotlib.pyplotaspltfig,ax=plt.subplotsexplode=[0.01,0.01,0.01,0.01]#从piedef中弹出每个切片getmepie(i):defabsolute_value(val):#turn%backtoanumbera=np.round(val/100.*df1.head(i).max.sum,0)返回int(a)ax.clearplot=df1.head(i).max.plot.pie(y=df1.columns,autopct=absolute_value,label='',explode=explode,shadow=True)plot.set_title('死亡总人数\n'+str(df1.index[min(i,len(df1.index)-1)].strftime('%y-%m-%d')),fontsize=12)importmatplotlib.animationasanianimator=ani.FuncAnimation(fig,getmepie,interval=200)plt.show主要区别在于动态饼图条形图的代码每次循环都会返回一组值，但是折线图会返回到我们点为止的整个时间序列。返回时间序列由df1.head(i)实现，.max保证我们只得到最新的数据，因为疫情造成的死亡总人数只有两个变化：维持现有人数或继续上升。df1.head(i).max3，动态柱状图创建动态柱状图的难度与上面两种情况相差不大。在本例中，作者定义了水平和垂直两种条形图，读者可以根据自己的实际需要选择图表类型和定义可变条形图。fig=plt.figurebar=''defbuildmebarchart(i=int):iv=min(i,len(df1.index)-1)#循环额外迭代一次，这导致数据帧超出范围。这是解决这个问题的最简单（最懒惰）的方法:)objects=df1.max.indexy_pos=np.arange(len(objects))performance=df1.iloc[[iv]].values.tolist[0]ifbar=='vertical':plt.bar(y_pos,performance,align='center',color=['red','green','blue','orange'])plt.xticks(y_pos,objects)plt.ylabel('死亡人数')plt.xlabel('国家')plt.title('每个国家的死亡人数\n'+str(df1.index[iv].strftime('%y-%m-%d')))其他：plt。barh(y_pos,performance,align='center',color=['red','green','blue','orange'])plt.yticks（y_pos，对象）plt。xlabel('Deaths')plt.ylabel('Countries')animator=ani.FuncAnimation(fig,buildmebarchart,interval=100)plt.show制作完成后存储这些动态图很简单，直接可以使用如下代码：animator.save(r'C:\temp\myfirstAnimation.gif')有兴趣的读者可以参考：https://matplotlib.org/3.1.1/...了解详细信息。添加一名作者
