让数据动起来，用Python制作动画可视化效果，让数据不再枯燥

通常大家做出来的图表，绝大部分都是静态的，有时会显得不够吸引人。

今天我就给大家介绍一下，如何用Python绘制动态图表。

主要是使用到Matplotlib+imageio，其中Matplotlib就有一个Animation类，可以生成动图GIF，不过使用起来学习成本较高，还是有一定难度的。

这里我将先创建静态图表的图片，然后使用Imageio创建一个GIF(动态图表)。

一共给大家介绍三种动态图表的绘制，折线图，条形图，散点图。

01 折线图

先来绘制一个简单的折线图看看。

import os
import numpy as np
import matplotlib.pyplot as plt
import imageio# 生成40个取值在30-40的数
y = np.random.randint(30, 40, size=(40))# 绘制折线plt.plot(y)# 设置y轴最小值和最大值
plt.ylim(20, 50)# 显示plt.show()

使用Numpy创建一个数值范围在30到40之间的随机整数列表，结果如下。

下面将对整数列表进行切片，生成不同阶段的图表。

# 第一张图
plt.plot(y[:-3])
plt.ylim(20, 50)
plt.savefig('1.png')
plt.show()# 第二张图
plt.plot(y[:-2])
plt.ylim(20, 50)
plt.savefig('2.png')
plt.show()# 第三张图
plt.plot(y[:-1])
plt.ylim(20, 50)
plt.savefig('3.png')
plt.show()# 第四张图
plt.plot(y)
plt.ylim(20, 50)
plt.savefig('4.png')
plt.show()

得到x轴为0:36、0:37、0:38、0:39四个折线图表。

有了这四张图，我们就可以使用Imageio生成GIF了。

# 生成Gif
with imageio.get_writer('mygif.gif', mode='I') as writer:for filename in ['1.png', '2.png', '3.png', '4.png']:image = imageio.imread(filename)writer.append_data(image)

动图来了。

一个会动的折线图表就制作出来了，不过不是从x轴坐标为0的时候开始的。

filenames = []
num = 0
for i in y:num += 1# 绘制40张折线图plt.plot(y[:num])plt.ylim(20, 50)# 保存图片文件filename = f'{num}.png'filenames.append(filename)plt.savefig(filename)plt.close()# 生成gif
with imageio.get_writer('mygif.gif', mode='I') as writer:for filename in filenames:image = imageio.imread(filename)writer.append_data(image)# 删除40张折线图
for filename in set(filenames):os.remove(filename)

绘制出40张折线图，并且保存图片，生成GIF。

可以看到折线图的x坐标从0一直到了40。

02 条形图

上面的折线图每次只有一个y值即可，而条形图则需要所有的y值，如此所有的条形才能同时移动。

给X轴创建固定值，Y轴创建列表，并使用Matplotlib的条形图函数。

x = [1, 2, 3, 4, 5]
coordinates_lists = [[0, 0, 0, 0, 0],[10, 30, 60, 30, 10],[70, 40, 20, 40, 70],[10, 20, 30, 40, 50],[50, 40, 30, 20, 10],[75, 0, 75, 0, 75],[0, 0, 0, 0, 0]]
filenames = []
for index, y in enumerate(coordinates_lists):# 条形图plt.bar(x, y)plt.ylim(0, 80)# 保存图片文件filename = f'{index}.png'filenames.append(filename)# 重复最后一张图形15帧(数值都为0),15张图片if (index == len(coordinates_lists) - 1):for i in range(15):filenames.append(filename)# 保存plt.savefig(filename)plt.close()# 生成gif
with imageio.get_writer('mygif.gif', mode='I') as writer:for filename in filenames:image = imageio.imread(filename)writer.append_data(image)# 删除20张柱状图
for filename in set(filenames):os.remove(filename)

有数值的条形图图片是5张，没数值的图片是2+15=17张。

GIF结束段，添加了15帧空白图片。所以在结束的时候会显示一段时间的空白。

可以设置一下条形图当前位置到下个位置的速度，让过渡变得平滑。

将当前位置和下一个位置之间的距离除以过渡帧数。

n_frames = 10
x = [1, 2, 3, 4, 5]
coordinates_lists = [[0, 0, 0, 0, 0],[10, 30, 60, 30, 10],[70, 40, 20, 40, 70],[10, 20, 30, 40, 50],[50, 40, 30, 20, 10],[75, 0, 75, 0, 75],[0, 0, 0, 0, 0]]
print('生成图表\n')
filenames = []
for index in np.arange(0, len(coordinates_lists) - 1):# 获取当前图像及下一图像的y轴坐标值y = coordinates_lists[index]y1 = coordinates_lists[index + 1]# 计算当前图像与下一图像y轴坐标差值y_path = np.array(y1) - np.array(y)for i in np.arange(0, n_frames + 1):# 分配每帧的y轴移动距离# 逐帧增加y轴的坐标值y_temp = (y + (y_path / n_frames) * i)# 绘制条形图plt.bar(x, y_temp)plt.ylim(0, 80)# 保存每一帧的图像filename = f'images/frame_{index}_{i}.png'filenames.append(filename)# 最后一帧重复,画面停留一会if (i == n_frames):for i in range(5):filenames.append(filename)# 保存图片plt.savefig(filename)plt.close()
print('保存图表\n')
# 生成GIF
print('生成GIF\n')
with imageio.get_writer('mybars.gif', mode='I') as writer:for filename in filenames:image = imageio.imread(filename)writer.append_data(image)
print('保存GIF\n')
print('删除图片\n')
# 删除图片
for filename in set(filenames):os.remove(filename)
print('完成')

看起来是平滑了许多。

好了，接下来我们更改一下图表相关的配置参数，让图表变得好看。

n_frames = 10
bg_color = '#95A4AD'
bar_color = '#283F4E'
gif_name = 'bars'
x = [1, 2, 3, 4, 5]
coordinates_lists = [[0, 0, 0, 0, 0],[10, 30, 60, 30, 10],[70, 40, 20, 40, 70],[10, 20, 30, 40, 50],[50, 40, 30, 20, 10],[75, 0, 75, 0, 75],[0, 0, 0, 0, 0]]
print('生成图表\n')
filenames = []
for index in np.arange(0, len(coordinates_lists) - 1):y = coordinates_lists[index]y1 = coordinates_lists[index + 1]y_path = np.array(y1) - np.array(y)for i in np.arange(0, n_frames + 1):y_temp = (y + (y_path / n_frames) * i)# 绘制条形图fig, ax = plt.subplots(figsize=(8, 4))ax.set_facecolor(bg_color)plt.bar(x, y_temp, width=0.4, color=bar_color)plt.ylim(0, 80)# 移除图表的上边框和右边框ax.spines['right'].set_visible(False)ax.spines['top'].set_visible(False)# 设置虚线网格线ax.set_axisbelow(True)ax.yaxis.grid(color='gray', linestyle='dashed', alpha=0.7)# 保存每一帧的图像filename = f'images/frame_{index}_{i}.png'filenames.append(filename)# 最后一帧重复,画面停留一会if (i == n_frames):for i in range(5):filenames.append(filename)# 保存图片plt.savefig(filename, dpi=96, facecolor=bg_color)plt.close()
print('保存图表\n')
# 生成GIF
print('生成GIF\n')
with imageio.get_writer(f'{gif_name}.gif', mode='I') as writer:for filename in filenames:image = imageio.imread(filename)writer.append_data(image)
print('保存GIF\n')
print('删除图片\n')
# 删除图片
for filename in set(filenames):os.remove(filename)
print('完成')

给图表添加了背景色、条形图上色、去除边框、增加网格线等。

看起来，效果还不错！

当然也有一些值得改进的地方，比如添加标题。通过插值的方式来使过渡变得更平滑，甚至可以让条形图在x轴上移动。

这里大家就可以自行去研究啦。

03 散点图

要绘制动态散点图，则需要同时考虑x轴和y轴的值。

这里不一定要在每帧上显示相同数量的点，因此需要对其进行校正来进行过渡。

coordinates_lists = [[[0], [0]],[[100, 200, 300], [100, 200, 300]],[[400, 500, 600], [400, 500, 600]],[[400, 500, 600, 400, 500, 600], [400, 500, 600, 600, 500, 400]],[[500], [500]],[[0], [0]]]
gif_name = 'movie'
n_frames = 10
bg_color = '#95A4AD'
marker_color = '#283F4E'
marker_size = 25
print('生成图表\n')
filenames = []
for index in np.arange(0, len(coordinates_lists) - 1):# 获取当前图像及下一图像的x与y轴坐标值x = coordinates_lists[index][0]y = coordinates_lists[index][1]x1 = coordinates_lists[index + 1][0]y1 = coordinates_lists[index + 1][1]# 查看两点差值while len(x) < len(x1):diff = len(x1) - len(x)x = x + x[:diff]y = y + y[:diff]while len(x1) < len(x):diff = len(x) - len(x1)x1 = x1 + x1[:diff]y1 = y1 + y1[:diff]# 计算路径x_path = np.array(x1) - np.array(x)y_path = np.array(y1) - np.array(y)for i in np.arange(0, n_frames + 1):# 计算当前位置x_temp = (x + (x_path / n_frames) * i)y_temp = (y + (y_path / n_frames) * i)# 绘制图表fig, ax = plt.subplots(figsize=(6, 6), subplot_kw=dict(aspect="equal"))ax.set_facecolor(bg_color)plt.scatter(x_temp, y_temp, c=marker_color, s=marker_size)plt.xlim(0, 1000)plt.ylim(0, 1000)# 移除边框线ax.spines['right'].set_visible(False)ax.spines['top'].set_visible(False)# 网格线ax.set_axisbelow(True)ax.yaxis.grid(color='gray', linestyle='dashed', alpha=0.7)ax.xaxis.grid(color='gray', linestyle='dashed', alpha=0.7)# 保存图片filename = f'images/frame_{index}_{i}.png'filenames.append(filename)if (i == n_frames):for i in range(5):filenames.append(filename)# 保存plt.savefig(filename, dpi=96, facecolor=bg_color)plt.close()
print('保存图表\n')
# 生成GIF
print('生成GIF\n')
with imageio.get_writer(f'{gif_name}.gif', mode='I') as writer:for filename in filenames:image = imageio.imread(filename)writer.append_data(image)
print('保存GIF\n')
print('删除图片\n')
# 删除图片
for filename in set(filenames):os.remove(filename)
print('完成')

效果如下。

当然还有更有趣的散点图变化，比如字母变化。

使用OpenCV从图像创建mask，绘制填充有随机x/y坐标的图，并过滤mask内的点。

使用Matplotlib绘制散点图，使用ImageIO生成gif。

import os
import numpy as np
import matplotlib.pyplot as plt
import imageio
import random
import cv2# 根据字母的形状, 将字母转化为多个随机点
def get_masked_data(letter, intensity=2):# 多个随机点填充字母random.seed(420)x = []y = []for i in range(intensity):x = x + random.sample(range(0, 1000), 500)y = y + random.sample(range(0, 1000), 500)if letter == ' ':return x, y# 获取图片的maskmask = cv2.imread(f'images/letters/{letter.upper()}.png', 0)mask = cv2.flip(mask, 0)# 检测点是否在mask中result_x = []result_y = []for i in range(len(x)):if (mask[y[i]][x[i]]) == 0:result_x.append(x[i])result_y.append(y[i])# 返回x,yreturn result_x, result_y# 将文字切割成一个个字母
def text_to_data(txt, repeat=True, intensity=2):print('将文本转换为数据\n')letters = []for i in txt.upper():letters.append(get_masked_data(i, intensity=intensity))# 如果repeat为1时,重复第一个字母if repeat:letters.append(get_masked_data(txt[0], intensity=intensity))return lettersdef build_gif(coordinates_lists, gif_name='movie', n_frames=10, bg_color='#95A4AD',marker_color='#283F4E', marker_size=25):print('生成图表\n')filenames = []for index in np.arange(0, len(coordinates_lists) - 1):# 获取当前图像及下一图像的x与y轴坐标值x = coordinates_lists[index][0]y = coordinates_lists[index][1]x1 = coordinates_lists[index + 1][0]y1 = coordinates_lists[index + 1][1]# 查看两点差值while len(x) < len(x1):diff = len(x1) - len(x)x = x + x[:diff]y = y + y[:diff]while len(x1) < len(x):diff = len(x) - len(x1)x1 = x1 + x1[:diff]y1 = y1 + y1[:diff]# 计算路径x_path = np.array(x1) - np.array(x)y_path = np.array(y1) - np.array(y)for i in np.arange(0, n_frames + 1):# 计算当前位置x_temp = (x + (x_path / n_frames) * i)y_temp = (y + (y_path / n_frames) * i)# 绘制图表fig, ax = plt.subplots(figsize=(6, 6), subplot_kw=dict(aspect="equal"))ax.set_facecolor(bg_color)plt.xticks([])  # 去掉x轴plt.yticks([])  # 去掉y轴plt.axis('off')  # 去掉坐标轴plt.scatter(x_temp, y_temp, c=marker_color, s=marker_size)plt.xlim(0, 1000)plt.ylim(0, 1000)# 移除框线ax.spines['right'].set_visible(False)ax.spines['top'].set_visible(False)# 网格线ax.set_axisbelow(True)ax.yaxis.grid(color='gray', linestyle='dashed', alpha=0.7)ax.xaxis.grid(color='gray', linestyle='dashed', alpha=0.7)# 保存图片filename = f'images/frame_{index}_{i}.png'if (i == n_frames):for i in range(5):filenames.append(filename)filenames.append(filename)# 保存plt.savefig(filename, dpi=96, facecolor=bg_color)plt.close()print('保存图表\n')# 生成GIFprint('生成GIF\n')with imageio.get_writer(f'{gif_name}.gif', mode='I') as writer:for filename in filenames:image = imageio.imread(filename)writer.append_data(image)print('保存GIF\n')print('删除图片\n')# 删除图片for filename in set(filenames):os.remove(filename)print('完成')coordinates_lists = text_to_data('Python', repeat=True, intensity=50)build_gif(coordinates_lists,gif_name='Python',n_frames=7,bg_color='#52A9F0',marker_color='#000000',marker_size=0.2)

生成一个Python单词字母的动态散点图。

三个主要的函数。

# 创建一个随机的x/y坐标列表，并使用mask对其进行过滤。
get_masked_data()
# 将文本转化为数据
text_to_data()
# 使用坐标点生成散点图, 保存GIF
build_gif()

这里小F给大家提供了26个字母，大伙可以自行组合。

当然其他图形也是可以的，就是需要自己作图。

图片的大小应为1000x1000像素，mask着色为黑色，背景为白色。

然后将png文件保存在images/letters文件夹中，单独一个字符命名。

coordinates_lists = text_to_data('mac_', repeat=True, intensity=50)build_gif(coordinates_lists,gif_name='mac',n_frames=7,bg_color='#F5B63F',marker_color='#000000',marker_size=0.2)

结果如下，最后一张是个人物像。

好了，本期的分享就到此结束了。

使用Matplotlib+Imageio创建动态图表，案例比较简单，大家可以自行下载代码进行学习。

最后如下微信公众号后台，回复:0904，获取到本次使用到的代码和数据

让数据动起来，用Python制作动画可视化效果，让数据不再枯燥相关推荐

python制作简单动画_把数据摇起来！用Python制作动画可视化效果！
Python 中有很多不错的数据可视化库,但是极少能渲染 GIF 图或视频动画效果.本文就分享一下如何用 MoviePy 作为其他可视化库的通用插件,制作动画可视化效果,毕竟这年头,没图不行,有动图更 ...
让数据动起来！用Python制作动画可视化效果，让数据不再枯燥！
通常大家做出来的图表,绝大部分都是静态的,有时会显得不够吸引人. 今天小F就给大家介绍一下,如何用Python绘制动态图表. 主要是使用到Matplotlib+imageio,其中Matplotlib ...
python制作简单动画_让数据动起来！用python制作动画可视化效果，让数据不再枯燥！...
MoviePy允许我们自定义的动画功能make_frame (t).函数将返回视频帧时间t(以秒为单位):根据Mayavi Mayavi做出动画是一个Python模块,可以使交互式3 d数据可视化.在 ...
python均线选股_python选股模型均线,已知股票数据，如何用Python绘制k线日对应数据...
Q1:已知股票数据,如何用Python绘制k线日对应数据我没遇到过只是自己写过有点经验先确定时间片然后再把tick插入就行了 Q2:使用python实现ema(指数移动平均的计算) a = ...
R语言使用hexbin包的hexbin函数可视化散点图、应对数据量太大、且有数据重叠的情况、普通散点图可视化效果变差的情况、提供了对六边形单元格的二元绑定、通过图例颜色标定每一个区域数据点的数量
R语言使用hexbin包的hexbin函数可视化散点图.应对数据量太大.且有数据重叠的情况.普通散点图可视化效果变差的情况.hexbin函数提供了对六边形单元格的二元绑定.通过图例颜色标定每一个区域数 ...
如何用python制作动画_如何基于Python Matplotlib实现网格动画
-1- 如果你对本文的代码感兴趣,可以去 Github (文末提供)里查看.第一次运行的时候会报一个错误(还没找到解决办法),不过只要再运行一次就正常了. 这篇文章虽然不是篇典型的数据科学类文章,不过 ...
python制作动画的软件_分享7个好用的动画制作软件，学会它，人人可以成为动画大师...
如果需要创建动画视频,Windows会提供大量动画制作软件.动画制作软件主要分为2D和3D二种类型.3D应用程序开发CGI视频,而2D软件包允许用户基于2D插图设置视频动画.尽管CGI动画电影在电影中 ...
python制作动图-用Python制作迷宫GIF
原标题:用Python制作迷宫GIF 安装可以通过PyPi安装或者通过Git 为什么你需要这个库? 问:我是一个Python迷,并且对迷宫的生成和迷宫解决的办法非常感兴趣.我很羡慕别人能够做出生成 ...
html与css结合动效案例,CSS3制作动画效果例子
实现网站的图片.文字的动态效果,我们有photoshop制作多帧动画GIF.用flash制作更精巧的动画,还有利用javascript通过识别ID/CLASS 来实现对应DIV块的动画效果.然而,即使 ...

让数据动起来，用Python制作动画可视化效果，让数据不再枯燥

让数据动起来，用Python制作动画可视化效果，让数据不再枯燥相关推荐

最新文章

热门文章