Loading...
墨滴

海拥

2021/09/26  阅读:22  主题:全栈蓝

【评论区送书】在 Python 中创建条形图追赶动画

动画是使可视化更具吸引力和用户吸引力的好方法。它帮助我们以有意义的方式展示数据可视化。Python 帮助我们使用现有的强大 Python 库创建动画可视化。Matplotlib是一个非常流行的数据可视化库,通常用于数据的图形表示以及使用内置函数的动画。

直接跳到末尾 左下角阅读全文的评论区领书

使用 Matplotlib 创建动画有两种方法:

  • 使用 pause() 函数
  • 使用 FuncAnimation() 函数

🍖 方法一:使用 pause() 函数

在暂停()的matplotlib库的pyplot模块在功能上用于暂停为参数提到间隔秒。考虑下面的示例,我们将使用 matplotlib 创建一个简单的线性图并在其中显示动画:

创建 2 个数组 X 和 Y,并存储从 1 到 100 的值。 使用 plot() 函数绘制 X 和 Y。 以合适的时间间隔添加 pause() 函数 运行程序,你会看到动画。

Python

from matplotlib import pyplot as plt
  
x = []
y = []
  
for i in range(100):
    x.append(i)
    y.append(i)
  
    # 提及 x 和 y 限制以定义其范围
    plt.xlim(0100)
    plt.ylim(0100)
      
    # 绘制图形
    plt.plot(x, y, color = 'green')
    plt.pause(0.01)
  
plt.show()

输出 :

同样,你也可以使用 pause() 函数在各种绘图中创建动画。

🚀 方法二:使用 FuncAnimation() 函数

这个FuncAnimation() 函数不会自己创建动画,而是从我们传递的一系列图形中创建动画。

语法: FuncAnimation(figure, animation_function, frames=None, init_func=None, fargs=None, save_count=None, *, cache_frame_data=True, **kwargs)

现在你可以使用 FuncAnimation 函数制作多种类型的动画:

🥋 线性图动画:

在这个例子中,我们将创建一个简单的线性图,它将显示一条线的动画。同样,使用 FuncAnimation,我们可以创建多种类型的动画视觉表示。我们只需要在一个函数中定义我们的动画,然后用合适的参数将它传递给FuncAnimation。

Python

from matplotlib import pyplot as plt
from matplotlib.animation import FuncAnimation
import numpy as np
  
x = []
y = []
  
figure, ax = plt.subplots()
  
# 设置 x 和 y 轴的限制
ax.set_xlim(0100)
ax.set_ylim(012)
  
# 绘制单个图形
line,  = ax.plot(00
  
def animation_function(i):
    x.append(i * 15)
    y.append(i)
  
    line.set_xdata(x)
    line.set_ydata(y)
    return line,
  
animation = FuncAnimation(figure,
                          func = animation_function,
                          frames = np.arange(0100.1), 
                          interval = 10)
plt.show()

输出:

🎻 Python 中的条形图追赶动画

在此示例中,我们将创建一个简单的条形图动画,它将显示每个条形的动画。

Python

from matplotlib import pyplot as plt
from matplotlib.animation import FuncAnimation, writers
import numpy as np

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  
fig = plt.figure(figsize = (7,5))
axes = fig.add_subplot(1,1,1)
axes.set_ylim(0300)
palette = ['blue''red''green',
  'darkorange''maroon''black']

y1, y2, y3, y4, y5, y6 = [], [], [], [], [], []

def animation_function(i):
 y1 = i
 y2 = 6 * i
 y3 = 3 * i
 y4 = 2 * i
 y5 = 5 * i
 y6 = 3 * i

 plt.xlabel("国家")
 plt.ylabel("国家GDP")
 
 plt.bar(["印度""中国""德国",
   "美国""加拿大""英国"],
   [y1, y2, y3, y4, y5, y6],
   color = palette)

plt.title("条形图动画")

animation = FuncAnimation(fig, animation_function,
      interval = 50)
plt.show()

输出:

在这里插入图片描述
在这里插入图片描述

🌌 Python 中的散点图动画:

在这个例子中,我们将使用随机函数在 python 中动画散点图。我们将遍历animation_func并在迭代时绘制 x 和 y 轴的随机值。

from matplotlib import pyplot as plt
from matplotlib.animation import FuncAnimation
import random
import numpy as np

x = []
y = []
colors = []
fig = plt.figure(figsize=(7,5))

def animation_func(i):
 x.append(random.randint(0,100))
 y.append(random.randint(0,100))
 colors.append(np.random.rand(1))
 area = random.randint(0,30) * random.randint(0,30)
 plt.xlim(0,100)
 plt.ylim(0,100)
 plt.scatter(x, y, c = colors, s = area, alpha = 0.5)

animation = FuncAnimation(fig, animation_func,
      interval = 100)
plt.show()

输出: 在这里插入图片描述

🛹 条形图追赶的水平移动:

在这里,我们将使用城市数据集中的最高人口绘制条形图竞赛。 不同的城市会有不同的条形图,条形图追赶将从 1990 年到 2018 年迭代。 我从人口最多的数据集中选择了最高城市的国家。 需要用到的数据集可以从这里下载:city_populations

http://haiyong.site/wp-content/uploads/2021/09/city_populations.csv

Python

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
from matplotlib.animation import FuncAnimation
  
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  
df = pd.read_csv('city_populations.csv',
                 usecols=['name''group''year''value'])
  
colors = dict(zip(['India','Europe','Asia',
                   'Latin America','Middle East',
                   'North America','Africa'],
                    ['#adb0ff''#ffb3ff''#90d595',
                     '#e48381''#aafbff''#f7bb5f'
                     '#eafb50']))
  
group_lk = df.set_index('name')['group'].to_dict()
  
def draw_barchart(year):
    dff = df[df['year'].eq(year)].sort_values(by='value',
                                              ascending=True).tail(10)
    ax.clear()
    ax.barh(dff['name'], dff['value'],
            color=[colors[group_lk[x]] for x in dff['name']])
    dx = dff['value'].max() / 200
      
    for i, (value, name) in enumerate(zip(dff['value'],
                                          dff['name'])):
        ax.text(value-dx, i,     name,           
                size=14, weight=600,
                ha='right', va='bottom')
        ax.text(value-dx, i-.25, group_lk[name],
                size=10, color='#444444'
                ha='right', va='baseline')
        ax.text(value+dx, i,     f'{value:,.0f}'
                size=14, ha='left',  va='center')
         
    ax.text(10.4, year, transform=ax.transAxes, 
            color='#777777', size=46, ha='right',
            weight=800)
    ax.text(01.06'Population (thousands)',
            transform=ax.transAxes, size=12,
            color='#777777')
      
    ax.xaxis.set_major_formatter(ticker.StrMethodFormatter('{x:,.0f}'))
    ax.xaxis.set_ticks_position('top')
    ax.tick_params(axis='x', colors='#777777', labelsize=12)
    ax.set_yticks([])
    ax.margins(00.01)
    ax.grid(which='major', axis='x', linestyle='-')
    ax.set_axisbelow(True)
    ax.text(01.12'从 1500 年到 2018 年世界上人口最多的城市',
            transform=ax.transAxes, size=24, weight=600, ha='left')
      
    ax.text(10'by haiyong.site | 海拥'
            transform=ax.transAxes, ha='right', color='#777777'
            bbox=dict(facecolor='white', alpha=0.8, edgecolor='white'))
    plt.box(False)
    plt.show()
  
fig, ax = plt.subplots(figsize=(158))
animator = FuncAnimation(fig, draw_barchart, 
                         frames = range(19902019))
plt.show()

输出:

在这里插入图片描述
在这里插入图片描述

🥇 评论区抽粉丝送书啦

💌 [欢迎大家在此链接的评论区中提出意见和建议!(抽两位幸运儿送书,实物图如下)](https://haiyong.blog.csdn.net/article/details/120457971)💌

https://haiyong.blog.csdn.net/article/details/120457971

在这里插入图片描述
在这里插入图片描述

《机器学习入门:基于数学原理的Python实战》

简介:理论性与实用性兼备,既可作为初学者的入门书籍,也可作为求职者的面试宝典,更可作为职场人士转岗的实用手册。本书适合需要全面学习机器学习算法的初学者、希望掌握机器学习算法数学理论的程序员、想转行从事机器学习算法的专业人员、对机器学习算法兴趣浓厚的人员、专业培训机构学员和希望提高 Python 编程水平的程序员。

优点:

🌟1.与周志华编写的《机器学习》相比,本书多了对算法的数学原理详细严谨的推导。

🌟2.与李锐翻译的《机器学习实战》相比,本书多了用面向对象思想将算法模块化,并且书中代码在Python 3 环境下运行。

🌟3.为了照顾初学者,本书补充了全书涉及的高等数学、线性代数、概率论与数理统计、Jessen不等式等数学基础知识。

也有不想抽奖自己买的同学可以参考下面的链接

京东自营购买链接:

《机器学习入门:基于数学原理的Python实战》(戴璞微,潘斌)【摘要 书评 试读】- 京东图书

https://item.jd.com/12622435.html

当当自营购买链接:

《机器学习入门:基于数学原理的Python实战》(戴璞微)【简介_书评_在线阅读】 - 当当图书]:

http://product.dangdang.com/28511988.html

📣 注意:

大家点赞关注,三天后也就是 9月28日 从评论区留言的同学中抽取两位送书

🌊 行业资料:精品PPT模板几千套,简历模板一千多套

🌊 面试题库:Java核心知识点大全和面试真题资料

🌊 学习资料:2300套PHP建站源码,微信小程序入门资料,Python全集(400集)

如果中奖了联系不上则视为放弃,可以从下方公众号里找到作者的联系方式,回复【资源】获取上面的资料👇🏻👇🏻👇🏻

海拥

2021/09/26  阅读:22  主题:全栈蓝

作者介绍

海拥

CSDN原力作者,掘金优秀作者