我们程序员、设计人员，按需求辛辛苦苦开发出来的统计图形，往往达不到用户的要求，原因一般是表达不全面，也有内容过多而比较乱，真是众口难调。

其实，是我们表达方式与业务人员工作脱节。业务人员看了一张图或及临近几张图就知道是什么了。例如采油工程中的示功图（见《使用Matplotlib图像化分析数据构建训练集的方法及实践》），我稍加学习，简单的一眼就能识别工况状态。

同样道理，如下图所示的每日油罐液位变化情况，如果拿出单张图来看，就能看出油罐是出油还是进油，但是，看数据时，识别是静止还是震动或气温影响的波动往往很困难。我们会认为已经做的很好了。

如果换位思考，把图给AI进行智能识别呢。

这就意味着，我们设计开发时，再向前迈一步——人工智能如何识别，我上次做的就不到位（见《TensorFlow CNN卷积神经网络实现工况图分类识别（一）》），我当时训练数据集是单张图。

现如今，如果把多张图拼成一张图并标注出当前图块，或者，使用时序模型，那么效果将会更好。这是因为，我在做油罐液位数据分析时，看连续一个月的单日集成图，不懂业务的我都看出其运行周期及效率（进出斜率/余弦对比）情况。

以此，再更上一层楼，回归用户界面，为了更好的表达细节，可否转变为动画呢。我已经转化为动画，如何分析再学习。

本文先落实两个技术，一是绘制多子图拼成大图，二是绘制动画gif（MP4也可以）。

1. 绘制多子图

基于matplotlib库，通过plt.subplots(nrows=6, ncols=5)定义子图，返回一个包含figure和axes对象的元组，详解见代码（使用数组循环比较简洁）。

'''
Created on 2020年8月16日@author: xiaoyw
'''
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.pyplot import MultipleLocator
#从pyplot导入MultipleLocator类，这个类用于设置刻度间隔
from matplotlib import animationdef get_DataFromExcel(file_name):df = pd.read_excel(file_name)return dfdef feature_datatime(dat):dat['MearsureTime'] = dat['MearsureTime'].astype('datetime64')df_dt = pd.DataFrame(columns=('Year','Month','Day','Hour','Minute'))df_dt['Hour'] = dat['MearsureTime'].dt.hourdf_dt['Year'] = dat['MearsureTime'].dt.yeardf_dt['Month'] = dat['MearsureTime'].dt.monthdf_dt['Day'] = dat['MearsureTime'].dt.daydf_dt['Minute'] = dat['MearsureTime'].dt.minutereturn df_dtdef draw_OilCanLevel(df):df0 = df[(df['OilCanID']==2) & (df['Year']==2020) & (df['Month']==6)].reset_index(drop=True)df0 = df0.sort_values(by = ['Day','Hour','Minute'])count = df0.shape[0]y = []x = []for i in range(1,31):df_tmp = df0[df0['Day']==i]if df_tmp.shape[0]>0:x0 = ((df_tmp['Hour']*60+df_tmp['Minute'])/10).tolist()y0 = df_tmp['LiquidLevel'].values/100x.append(x0)y.append(y0)fig1, ax1 = plt.subplots(nrows=6, ncols=5)for i in range(6):               for j in range(5):           ax1[i, j].plot(x[i*5+j],y[i*5+j])ax1[i, j].set_xlim(0,150)ax1[i, j].set_ylim(0,13500/100)x_major_locator=MultipleLocator(20)#把x轴的刻度间隔设置为10，并存在变量里y_major_locator=MultipleLocator(2000/100)#把y轴的刻度间隔设置为20，并存在变量里ax1[i, j].xaxis.set_major_locator(x_major_locator)#把x轴的主刻度设置为1的倍数ax1[i, j].yaxis.set_major_locator(y_major_locator)#把y轴的主刻度设置为10的倍数ax1[i, j].set_ylabel('Level')ax1[i, j].set_xlabel('Time')plt.show()df0 = get_DataFromExcel('e:/drawCandata.xlsx') #('e:/drawCandata.xlsx') #('e:/CandataClean.xlsx')df0 = pd.concat([df0,feature_datatime(df0)],axis=1)
draw_OilCanLevel(df0)
animation_gif(df0)

2. 绘制GIF动画

如果要让 matplotlib 实现动画功能的话，那么就要引入 animation 模块。

#实现每天按10分钟间隔画曲线
def animation_gif(df):df0 = df[(df['OilCanID']==2) & (df['Year']==2020) & (df['Month']==6)].reset_index(drop=True)df0 = df0.sort_values(by = ['Day','Hour','Minute'])count = df0.shape[0]y = []x = []for i in range(1,31):df_tmp = df0[df0['Day']==i]#取一天的数据长度row = df_tmp.shape[0]if row > 0:for j in range(1,int(row/10)+1):k = j * 10if k > row: #一天24*6采集次数k = row + 1df_tmp0 = df_tmp[0:k]print('Row is {0}'.format(df_tmp0.shape[0]))x0 = ((df_tmp0['Hour']*60+df_tmp0['Minute'])/10).tolist()y0 = df_tmp0['LiquidLevel'].values/100x.append(x0)y.append(y0)#显示数据行数，也就是动画的帧数frame = len(x)fig, ax = plt.subplots()ax.set_xlim(0,150)ax.set_ylim(0,13500/100)x_major_locator=MultipleLocator(20)#把x轴的刻度间隔设置为10，并存在变量里y_major_locator=MultipleLocator(2000/100)#把y轴的刻度间隔设置为20，并存在变量里ax.xaxis.set_major_locator(x_major_locator)#把x轴的主刻度设置为1的倍数ax.yaxis.set_major_locator(y_major_locator)    ax.set_ylabel('Level')ax.set_xlabel('Time')    ln, = ax.plot([], [], 'r-', animated=False)  #第三个参数表示画曲线的颜色和线型 def update(i):label = 'timestep {0}'.format(i)print(label)#ax.cla() # 更新线和坐标轴标签ln.set_data(x[i],y[i])# 返回要重绘的对象return ln, #frames为动画帧数ani = animation.FuncAnimation(fig, update, frames=frame,interval=1000, blit=True)ani.save('e:/animation.gif', fps=10, dpi=80, writer='imagemagick')    plt.show()

需要注意到的是，如果要保存 gif 图像，这要求开发者电脑已经安装了 ImageMagicK。

参考：
[1]《matplotlib.pyplot.subplots》
[2]《如何通过 Matplotlib 绘制动画及保存 GIF 图片？》 CSDN博客, frank909, 2018.12
[3]《使用Python科学计算包搭建CNN算法实践（1）》 CSDN博客，肖永威，2018.05

Python Matplotlib绘制多子图准备训练数据和GIF动画实践相关推荐

超详细的Python matplotlib 绘制动态图
复习回顾在matplotlib模块中我们前面学习绘制如折线.柱状.散点.直方图等静态图形.我们都知道在matplotlib模块主要有三层脚本层为用户提供快捷的绘制图形方法,美工层接收到脚本层的命令后 ...
Python matplotlib绘制雷达图
Python matplotlib绘制雷达图本篇文章介绍使用matplotlib绘制雷达图. 雷达图也被称为网络图,蜘蛛图,星图,蜘蛛网图,是一个不规则的多边形.雷达图可以形象地展示相同事物的多维指 ...
python制作雷达图_如何利用Python matplotlib绘制雷达图
本篇文章介绍使用matplotlib绘制雷达图. 雷达图也被称为网络图,蜘蛛图,星图,蜘蛛网图,是一个不规则的多边形.雷达图可以形象地展示相同事物的多维指标,雷达图几乎随处可见,应用场景非常多. 一. ...
python雷达开发_用Python Matplotlib绘制雷达地图,Pythonmatplotlib
Python matplotlib绘制雷达图本篇文章介绍使用matplotlib绘制雷达图. 雷达图也被称为网络图,蜘蛛图,星图,蜘蛛网图,是一个不规则的多边形.雷达图可以形象地展示相同事物的多维指 ...
Python matplotlib 绘制量场图
复习回顾 matplotlib 是基于Python语言的开源项目,pyplot提供一系列绘制2D图形的方法.随着版本的迭代,matplotlib 模块也支持绘制3D图形mplot3d工具包,制作动态图 ...
不愧是摸鱼高手Python matplotlib 绘制频谱图都会，能怪老板不管
复习回顾 matplotlib 是Python专门用来绘制渲染的模块,其底层主要分为脚本层.美工层和后端.脚本层为我们提供常见图形绘制如折线.柱状.直方.饼图.以往文章这么详细的Python mat ...
Python matplotlib 绘制散点图还不收藏起来
复习回顾我们在往前几期中对matplotlib模块学习,对常用的反映数据变化的折线图,对比数据类型差异的柱状图和反应数据频率分布情况的直方图. 往前内容快速查看超详细的Python matplot ...
Python matplotlib 绘制等高线图
前言我们在往期对matplotlib.pyplot()方法学习,到现在我们已经会绘制折线图.柱状图.散点等常规的图表啦(往期的内容如下,大家可以方便查看往期内容) python入门到进阶,爬虫数据分 ...
这么详细的Python matplotlib 绘制图形还不赶紧收藏
前言我们前面对matplotlib模块底层结构学习,对其pyplot类(脚本层)类提供的绘制折线图.柱状图.饼图.直方图等统计图表的相关方法,列举往期文章如下. 超详细的Python matplot ...

Python Matplotlib绘制多子图准备训练数据和GIF动画实践

1. 绘制多子图

2. 绘制GIF动画

Python Matplotlib绘制多子图准备训练数据和GIF动画实践相关推荐

最新文章

热门文章