python录入数据至ppt_用 Python 让你的 PPT 数据动起来

在读技术博客的过程中，我们会发现那些能够把知识、成果讲透的博主很多都会做动态图表。他们的图是怎么做的？难度大吗？

这篇文章就介绍了 Python 中一种简单的动态图表制作方法。

数据暴增的年代，数据科学家、分析师在被要求对数据有更深的理解与分析的同时，还需要将结果有效地传递给他人。如何让目标听众更直观地理解？当然是将数据可视化啊，而且最好是动态可视化。

本文将以线型图、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。

这些动态图表是用什么做的？

接触过数据可视化的同学应该对 Python 里的 Matplotlib 库并不陌生。它是一个基于 Python 的开源数据绘图包，仅需几行代码就可以帮助开发者生成直方图、功率谱、条形图、散点图等。这个库里有个非常实用的扩展包——FuncAnimation，可以让我们的静态图表动起来。

FuncAnimation 是 Matplotlib 库中 Animation 类的一部分，后续会展示多个示例。如果是首次接触，你可以将这个函数简单地理解为一个 While 循环，不停地在 “画布” 上重新绘制目标数据图。

如何使用 FuncAnimation？

这个过程始于以下两行代码：

import matplotlib.animation as ani

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

从中我们可以看到 FuncAnimation 的几个输入：

fig 是用来「绘制图表」的 figure 对象；

chartfunc 是一个以数字为输入的函数，其含义为时间序列上的时间；

interval 这个更好理解，是帧之间的间隔延迟，以毫秒为单位，默认值为 200。

这是三个关键输入，当然还有更多可选输入，感兴趣的读者可查看原文档，这里不再赘述。

下一步要做的就是将数据图表参数化，从而转换为一个函数，然后将该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。

在开始之前依旧需要确认你是否对基本的数据可视化有所了解。也就是说，我们先要将数据进行可视化处理，再进行动态处理。

按照以下代码进行基本调用。另外，这里将采用大型流行病的传播数据作为案例数据（包括每天的死亡人数）。

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.transposedf1 = df1.drop(['Province/State', 'Country/Region', 'Lat', 'Long'])

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

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

绘制三种常见动态图表

1、绘制动态线型图

如下所示，首先需要做的第一件事是定义图的各项，这些基础项设定之后就会保持不变。它们包括：创建 figure 对象，x 标和 y 标，设置线条颜色和 figure 边距等：

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')

接下来设置 curve 函数，进而使用 .FuncAnimation 让它动起来：

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

2、动态饼状图

可以观察到，其代码结构看起来与线型图并无太大差异，但依旧有细小的差别。

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

主要区别在于，动态饼状图的代码每次循环都会返回一组数值，但在线型图中返回的是我们所在点之前的整个时间序列。

返回时间序列通过 df1.head(i) 来实现，而. max则保证了我们仅获得最新的数据，因为流行病导致死亡的总数只有两种变化：维持现有数量或持续上升。

df1.head(i).max

3、动态条形图

创建动态条形图的难度与上述两个案例并无太大差别。在这个案例中，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求来选择图表类型并定义变量栏。

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

在制作完成后，存储这些动态图就非常简单了，可直接使用以下代码：

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

作者：Costas Andreou

文源网络，仅供学习之用，如有侵权请联系删除。

在学习Python的道路上肯定会遇见困难，别慌，我这里有一套学习资料，包含40+本电子书，800+个教学视频，涉及Python基础、爬虫、框架、数据分析、机器学习等，不怕你学不会！

https://shimo.im/docs/JWCghr8prjCVCxxK/ 《Python学习资料》

关注公众号【Python圈子】，优质文章每日送达。

python录入数据至ppt_用 Python 让你的 PPT 数据动起来相关推荐

python录入数据至ppt_利用python分析weibo数据做成图表放入PPT中
起因很久以前,就有个想法,就是自动分析微博的数据,但是之前一直想的是网页版展示,flask想学了好久都没学,偶然的一次看到了一篇关于python处理pptx的文章,再加上同窗三年的室友在毕业后竟然主 ...
python多张图片生成ppt_用Python实现ppt转化图片(附带长图合并功能)
前言笔者前一阵在学习数据相关的东西,从初学开始,一直在参加社区中的图表小挑战,此项活动是社区出题人给出一定官方数据,参加小挑战的人员可以对数据进行可视化,从而挖掘出有趣的信息. 而这个可视化的过程中 ...
python少儿编程课件ppt_《Python 少儿趣味编程》
Python简单易学,功能强大,是少儿学习编程的首选语言.本书是少儿学习Python编程的趣味指南,全书共17章,按照由简到难.逐步深入的方式组织各章内容.本书从认识Python开始,首先介绍了Pyt ...
python录入数据至ppt_利用Python进行数据分析之数据加载.ppt
利用Python进行数据分析之数据加载 " " " " 数据加载,存储与文件格式 1,读写文本格式数据: (read_csv,read_table,read_ ...
python将excel数据导入ppt_使用python将excel数据导入数据库
因为需要对数据处理,将excel数据导入到数据库,记录一下过程. 使用到的库:xlrd 和 pymysql (如果需要写到excel可以使用xlwt) 直接丢代码,使用python3,注释比较清楚. ...
python序列化和反序列化ppt_老生常谈Python序列化和反序列化
通过将对象序列化可以将其存储在变量或者文件中,可以保存当时对象的状态,实现其生命周期的延长.并且需要时可以再次将这个对象读取出来.Python中有几个常用模块可实现这一功能. pickle模块存储在 ...
用python将图片写入ppt_用python做ppt服务用于导入图片
项目需要做WINFORM程序与powerpoint交互,把winform生成的图片自动拷贝到ppt中.目前使用python做了一个简单的服务解决.由于要求是32位程序,所以下面全都是32位的版本. 第 ...
python把excel变成ppt_用Python写excel和ppt文件
#xlsx和 xls #一:openpyxl 只能读取xlsx 推荐使用的二种方法 #因为excle文件中可以有多个编排故可以返回字典 #该方法只适应于xlsx文件,不能处理xls文件 ''' fr ...
python反爬虫策略ppt_了解python爬虫怎样对抗反爬虫策略-
一款可以长期使用的代理IP工具!代理IP相信大家都不陌生,在很多时候都需要用到.浏览器设置代理IP太过麻烦,一般会选择代理IP工具来使用,比较方便.虽然代理IP软件只是普通的换IP工具,但还是有很多类 ...

python录入数据至ppt_用 Python 让你的 PPT 数据动起来

python录入数据至ppt_用 Python 让你的 PPT 数据动起来相关推荐

最新文章

热门文章