如何利用 Python 绘制动态可视化图表

目录 一、安装相关的模块 二、gif和matplotlib的结合 三、gif和plotly的结合 四、matplotlib多子图动态可视化 五、动态气泡图

一、安装相关的模块

首先第一步的话我们需要安装相关的模块，通过 pip 命令来安装

pip install gif

另外由于gif模块之后会被当做是装饰器放在绘制可视化图表的函数上，主要我们依赖的还是Python当中绘制可视化图表的 matplotlib 、 plotly 、以及 altair 这些模块，因此我们还需要下面这几个库

pip install "gif[altair]" ? ?
pip install "gif[matplotlib]"
pip install "gif[plotly]"

二、gif和matplotlib的结合

我们先来看 gif 和 matplotlib 模块的结合，我们先来看一个简单的例子，

代码如下：

import random
from matplotlib import pyplot as plt
import gif

x = [random.randint(0, 100) for _ in range(100)]
y = [random.randint(0, 100) for _ in range(100)]

gif.options.matplotlib["dpi"] = 300

@gif.frame
def plot(i):
? ? xi = x[i*10:(i+1)*10]
? ? yi = y[i*10:(i+1)*10]
? ? plt.scatter(xi, yi)
? ? plt.xlim((0, 100))
? ? plt.ylim((0, 100))

frames = []
for i in range(10):
? ? frame = plot(i)
? ? frames.append(frame)

gif.save(frames, 'example.gif', duration=3.5, unit="s", between="startend")

output：

代码的逻辑并不难理解，首先我们需要定义一个函数来绘制图表并且带上 gif 装饰器，接着我们需要一个空的列表，通过for循环将绘制出来的对象放到这个空列表当中然后保存成gif格式的文件即可。

三、gif和plotly的结合

除了和 matplotlib 的联用之外， gif 和 plotly 之间也可以结合起来用

代码如下：

import random
import plotly.graph_objects as go
import pandas as pd
import gif

df = pd.DataFrame({
? ? 't': list(range(10)) * 10,
? ? 'x': [random.randint(0, 100) for _ in range(100)],
? ? 'y': [random.randint(0, 100) for _ in range(100)]
})

@gif.frame
def plot(i):
? ? d = df[df['t'] == i]
? ? fig = go.Figure()
? ? fig.add_trace(go.Scatter(
? ? ? ? x=d["x"],
? ? ? ? y=d["y"],
? ? ? ? mode="markers"
? ? ))
? ? fig.update_layout(width=500, height=300)
? ? return fig

frames = []
for i in range(10):
? ? frame = plot(i)
? ? frames.append(frame)

gif.save(frames, 'example_plotly.gif', duration=100)

output：

整体的代码逻辑和上面的相似，这里也就不做具体的说明了

四、matplotlib多子图动态可视化

上面绘制出来的图表都是在单张图表当中进行的，那当然了我们还可以在多张子图中进行动态可视化的展示，

代码如下：

# 读取数据
df = pd.read_csv('weather_hourly_darksky.csv')
df = df.rename(columns={"time": "date"})

@gif.frame
def plot(df, date):
? ? df = df.loc[df.index[0]:pd.Timestamp(date)]

? ? fig, (ax1, ax2, ax3) = plt.subplots(3, figsize=(10, 6), dpi=100)

? ? ax1.plot(df.temperature, marker='o', linestyle='--', linewidth=1, markersize=3, color='g')
? ? maxi = round(df.temperature.max() + 3)
? ? ax1.set_xlim([START, END])
? ? ax1.set_ylim([0, maxi])
? ? ax1.set_ylabel('TEMPERATURE', color='green')

? ? ax2.plot(df.windSpeed, marker='o', linestyle='--', linewidth=1, markersize=3, color='b')
? ? maxi = round(df.windSpeed.max() + 3)
? ? ax2.set_xlim([START, END])
? ? ax2.set_ylim([0, maxi])
? ? ax2.set_ylabel('WIND', color='blue')

? ? ax3.plot(df.visibility, marker='o', linestyle='--', linewidth=1, markersize=3, color='r')
? ? maxi = round(df.visibility.max() + 3)
? ? ax3.set_xlim([START, END])
? ? ax3.set_ylim([0, maxi])
? ? ax3.set_ylabel('VISIBILITY', color='red')

frames = []
for date in pd.date_range(start=df.index[0], end=df.index[-1], freq='1M'):
? ? frame = plot(df, date)
? ? frames.append(frame)

gif.save(frames, "文件名称.gif", duration=0.5, unit='s')

output：

五、动态气泡图

最后我们用 plotly 模块来绘制一个动态的气泡图，

代码如下：

import gif
import plotly.graph_objects as go
import numpy as np
np.random.seed(1)

N = 100
x = np.random.rand(N)
y = np.random.rand(N)
colors = np.random.rand(N)
sz = np.random.rand(N) * 30

layout = go.Layout(
? ? xaxis={'range': [-2, 2]},
? ? yaxis={'range': [-2, 2]},
? ? margin=dict(l=10, r=10, t=10, b=10)
)

@gif.frame
def plot(i):
? ? fig = go.Figure(layout=layout)
? ? fig.add_trace(go.Scatter(
? ? ? ? x=x[:i],
? ? ? ? y=y[:i],
? ? ? ? mode="markers",
? ? ? ? marker=go.scatter.Marker(
? ? ? ? ? ? size=sz[:i],
? ? ? ? ? ? color=colors[:i],
? ? ? ? ? ? opacity=0.6,
? ? ? ? ? ? colorscale="Viridis"
? ? ? ? )
? ? ))
? ? fig.update_layout(width=500, height=300)
? ? return fig

frames = []
for i in range(100):
? ? frame = plot(i)
? ? frames.append(frame)

gif.save(frames, "bubble.gif")

output：

到此这篇关于如何利用 Python 绘制动态可视化图表的文章就介绍到这了,更多相关Python 绘制动态可视化图表内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！

查看更多关于如何利用 Python 绘制动态可视化图表的详细内容...