2024年Python最新用Python实现《狂飙》角色热度动态条形图_pynimate库实战

然后来看两个官方示例。


第一个示例比较简单，代码如下。

from matplotlib import pyplot as pltimport pandas as pdimport pynimate as nim# 数据格式+索引df = pd.DataFrame( { “time”: [“1960-01-01”, “1961-01-01”, “1962-01-01”], “Afghanistan”: [1, 2, 3], “Angola”: [2, 3, 4], “Albania”: [1, 2, 5], “USA”: [5, 3, 4], “Argentina”: [1, 4, 5], }).set_index(“time”)# Canvas类是动画的基础cnv = nim.Canvas()# 使用Barplot模块创建一个动态条形图, 插值频率为2天bar = nim.Barplot(df, “%Y-%m-%d”, “2d”)# 使用了回调函数, 返回以月、年为单位格式化的datetimebar.set_time(callback=lambda i, datafier: datafier.data.index[i].year)# 将条形图添加到画布中cnv.add_plot(bar)cnv.animate()plt.show()

Canvas类是动画的基础，它会处理matplotlib图、子图以及创建和保存动画。


Barplot模块创建动态条形图，有三个必传参数，data、time\_format、ip\_freq。


分别为数据、时间格式、插值频率(控制刷新频率)。


效果如下，就是一个简单的动态条形图。  
 ![图片](https://img-blog.csdnimg.cn/img_convert/e64bb9456b549802f416f6c825758dd2.gif)  
 我们还可以将结果保存为GIF或者是mp4，其中mp4需要安装ffmpeg。

保存gif, 1秒24帧cnv.save(“file”, 24, “gif”)# 电脑安装好ffmpeg后, 安装Python库pip install ffmpeg-python# 保存mp4, 1秒24帧cnv.save(“file”, 24 ,“mp4”)

第二个示例相对复杂一些，可以自定义参数，样式设置成深色模式。

from matplotlib import pyplot as pltimport numpy as npimport pandas as pdimport pynimate as nim# 更新条形图def post_update(ax, i, datafier, bar_attr): ax.spines[“top”].set_visible(False) ax.spines[“right”].set_visible(False) ax.spines[“bottom”].set_visible(False) ax.spines[“left”].set_visible(False) ax.set_facecolor(“#001219”) for bar, x, y in zip( bar_attr.top_bars, bar_attr.bar_length, bar_attr.bar_rank, ): ax.text( x - 0.3, y, datafier.col_var.loc[bar, “continent”], ha=“right”, color=“k”, size=12, )# 读取数据df = pd.read_csv(“sample.csv”).set_index(“time”)# 分类col = pd.DataFrame( { “columns”: [“Afghanistan”, “Angola”, “Albania”, “USA”, “Argentina”], “continent”: [“Asia”, “Africa”, “Europe”, “N America”, “S America”], }).set_index(“columns”)# 颜色bar_cols = { “Afghanistan”: “#2a9d8f”, “Angola”: “#e9c46a”, “Albania”: “#e76f51”, “USA”: “#a7c957”, “Argentina”: “#e5989b”,}# 新建画布cnv = nim.Canvas(figsize=(12.8, 7.2), facecolor=“#001219”)bar = nim.Barplot( df, “%Y-%m-%d”, “3d”, post_update=post_update, rounded_edges=True, grid=False)# 条形图分类bar.add_var(col_var=col)# 条形图颜色bar.set_bar_color(bar_cols)# 标题设置bar.set_title(“Sample Title”, color=“w”, weight=600)# x轴设置bar.set_xlabel(“xlabel”, color=“w”)# 时间设置bar.set_time( callback=lambda i, datafier: datafier.data.index[i].strftime(“%b, %Y”), color=“w”)# 文字显示bar.set_text( “sum”, callback=lambda i, datafier: f"Total :{np.round(datafier.data.iloc[i].sum(),2)}", size=20, x=0.72, y=0.20, color=“w”,)# 文字颜色设置bar.set_bar_annots(color=“w”, size=13)bar.set_xticks(colors=“w”, length=0, labelsize=13)bar.set_yticks(colors=“w”, labelsize=13)# 条形图边框设置bar.set_bar_border_props( edge_color=“black”, pad=0.1, mutation_aspect=1, radius=0.2, mutation_scale=0.6)cnv.add_plot(bar)cnv.animate()# 显示# plt.show()# 保存gifcnv.save(“example3”, 24, “gif”)

效果如下，可以看出比上面的简单示例好看了不少。  
 ![图片](https://img-blog.csdnimg.cn/img_convert/576150789b84ee27a842fef960d0b8d3.gif)  
 另外作者还提供了相关的接口文档。


帮助我们理解学习，如何去自定义参数设置。


包含画布设置、保存设置、条形图设置、数据设置等等。  
 ![图片](https://img-blog.csdnimg.cn/img_convert/c7683412edf8fe1f734b1c3875dc65e9.png)  
 下面我们就通过获取电视剧「狂飙」角色的**百度指数数据**，来制作一个动态条形图。


先对网页进行分析，账号登陆百度指数，搜索关键词「高启强」，查看数据情况。  
 ![图片](https://img-blog.csdnimg.cn/img_convert/6e18e1705a60b6ffd975114d604b5853.png)  
 发现数据经过js加密，所以需要对获取到的数据进行解析。


使用了一个开源的代码，分分钟就搞定数据问题。


具体代码如下，其中「cookie值」需要替换成你自己的。

import datetimeimport requestsimport jsonword_url = ‘http://index.baidu.com/api/SearchApi/thumbnail?area=0&word={}‘def get_html(url): headers = { “User-Agent”: “Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.82 Safari/537.36”, “Host”: “index.baidu.com”, “Referer”: “http://index.baidu.com/v2/main/index.html”, “Cipher-Text”: “1652425237825_1652501356206_VBpwl9UG8Dvs2fAi91KToRTSAP7sDsQU5phHL97raPDFJdYz3fHf9hBAQrGGCs+qJoP7yb44Uvf91F7vqJLVL0tKnIWE+W3jXAI30xx340rhcwUDQZ162FPAe0a1jsCluJRmMLZtiIplubGMW/QoE/0Pw+2caH39Ok8IsudE4wGLBUdYg1/bKl4MGwLrJZ7H6wbhR0vT5X0OdCX4bMJE7vcwRCSGquRjam03pWDGZ51X15fOlO0qMZ2kqa3BmxwNlfEZ81l3L9nZdrc3/Tl4+mNpaLM7vA5WNEQhTBoDVZs6GBRcJc/FSjd6e4aFGAiCp1Y8MD66chTiykjIN51s7gbJ44JfVS0NjBnsvuF55bs=” } cookies = { ‘Cookie’: 你的cookie } response = requests.get(url, headers=headers, cookies=cookies) return response.textdef decrypt(t, e): n = list(t) i = list(e) a = {} result = [] ln = int(len(n) / 2) start = n[ln:] end = n[:ln] for j, k in zip(start, end): a.update({k: j}) for j in e: result.append(a.get(j)) return ‘’.join(result)def get_ptbk(uniqid): url = ‘http://index.baidu.com/Interface/ptbk?uniqid={}’ resp = get_html(url.format(uniqid)) return json.loads(resp)[‘data’]def get_data(keyword, start=‘2011-01-02’, end=‘2023-01-02’): url = “https://index.baidu.com/api/SearchApi/index?area=0&word=[[%7B%22name%22:%22{}%22,%22wordType%22:1%7D]]&startDate={}&endDate={}”.format(keyword, start, end) data = get_html(url) data = json.loads(data) uniqid = data[‘data’][‘uniqid’] data = data[‘data’][‘userIndexes’][0][‘all’][‘data’] ptbk = get_ptbk(uniqid) result = decrypt(ptbk, data) result = result.split(’,’) start = start_date.split(“-”) end = end_date.split(“-”) a = datetime.date(int(start[0]), int(start[1]), int(start[2])) b = datetime.date(int(end[0]), int(end[1]), int(end[2])) node = 0 for i in range(a.toordinal(), b.toordinal()): date = datetime.date.fromordinal(i) print(date, result[node]) node += 1 with open(‘data.csv’, ‘a+’) as f: f.write(keyword + ‘,’ + date.strftime(‘%Y-%m-%d’) + ‘,’ + result[node] + ‘\n’)if name == ‘main’: names = [‘唐小龙’, ‘孟德海’, ‘孟钰’, ‘安欣’, ‘安长林’, ‘徐忠’, ‘徐江’, ‘曹闯’, ‘李响’, ‘李宏伟’, ‘李有田’, ‘杨健’, ‘泰叔’, ‘赵立冬’, ‘过山峰’, ‘陆寒’, ‘陈书婷’, ‘高启兰’, ‘高启强’, ‘高启盛’, ‘高晓晨’] for keyword in names: start_date = “2023-01-14” end_date = “2023-02-04” get_data(keyword, start_date, end_date)

爬取数据情况如下，一共是400多条，其中有空值存在。


然后就是转换成pynimate所需的数据格式。  
 ![图片](https://img-blog.csdnimg.cn/img_convert/b9a99c0554405a1cc1f4a29ce219d4e3.png)


对数据进行数据透视表操作，并且将空值数据填充为0。

import pandas as pd# 读取数据df = pd.read_csv(‘data.csv’, encoding=‘utf-8’, header=None, names=[‘name’, ‘day’, ‘number’])# 数据处理，数据透视表df_result = pd.pivot_table(df, values=‘number’, index=[‘day’], columns=[‘name’], fill_value=0)# 保存df_result.to_csv(‘result.csv’)

保存文件，数据情况如下。  
 ![图片](https://img-blog.csdnimg.cn/img_convert/052bbe59c418649f90cf9fabed7a6449.png)  
 使用之前深色模式的可视化代码，并略微修改。


比如设置条形图数量(n\_bars)、标题字体大小及位置、中文显示等等。

from matplotlib import pyplot as pltimport pandas as pdimport pynimate as nim# 中文显示plt.rcParams[‘font.sans-serif’] = [‘SimHei’] #Windowsplt.rcParams[‘font.sans-serif’] = [‘Hiragino Sans GB’] #Macplt.rcParams[‘axes.unicode_minus’] = False# 更新条形图def post_update(ax, i, datafier, bar_attr): ax.spines[“top”].set_visible(False) ax.spines[“right”].set_visible(False) ax.spines[“bottom”].set_visible(False) ax.spines[“left”].set_visible(False) ax.set_facecolor(“#001219”)# 读取数据df = pd.read_csv(“result.csv”).set_index(“day”)# 新建画布cnv = nim.Canvas(figsize=(12.8, 7.2), facecolor=“#001219”)bar = nim.Barplot( df, “%Y-%m-%d”, “3h”, post_update=post_update, rounded_edges=True, grid=False, n_bars=6)# 标题设置bar.set_title(“《狂飙》主要角色热度排行(百度指数)”, color=“w”, weight=600, x=0.15, size=30)# 时间设置bar.set_time( callback=lambda i, datafier: datafier.data.index[i].strftime(“%Y-%m-%d”), color=“w”, y=0.2, size=20)# 文字颜色设置bar.set_bar_annots(color=“w”, size=13)bar.set_xticks(colors=“w”, length=0, labelsize=13)bar.set_yticks(colors=“w”, labelsize=13)# 条形图边框设置bar.set_bar_border_props( edge_color=“black”, pad=0.1, mutation_aspect=1, radius=0.2, mutation_scale=0.6)cnv.add_plot(bar)cnv.animate()# 显示# plt.show()# 保存gifcnv.save(“kuangbiao”, 24, “gif”)

执行代码，《狂飙》电视剧角色热度排行的动态条形图就制作好了。


结果如下，看着还不错。  
 ![图片](https://img-blog.csdnimg.cn/img_convert/d7dfce219f1a57f17ed33bbb3667980b.gif)  
 **另外怕大家不会使用，直接给大家准备了写好的，直接下载打开即可使用！**  
 **源码放在百度云盘上了需要可以微信扫描下方CSDN官方认证二维码免费领取**  
 ![](https://img-blog.csdnimg.cn/0b4e12ce755a46d2a0d6502e8ed1a507.png#pic_center)


### 关于Python学习资料：


### 一、Python所有方向的学习路线


学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！



### 一、Python所有方向的学习路线



Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。



![](https://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)



### 二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。



![](https://img-blog.csdnimg.cn/img_convert/8c4513c1a906b72cbf93031e6781512b.png)



### 三、全套PDF电子书



书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

![](https://img-blog.csdnimg.cn/img_convert/46506ae54be168b93cf63939786134ca.png)



### 四、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。



![](https://img-blog.csdnimg.cn/afc935d834c5452090670f48eda180e0.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA56iL5bqP5aqb56eD56eD,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)



### 五、实战案例



光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。



![](https://img-blog.csdnimg.cn/img_convert/252731a671c1fb70aad5355a2c5eeff0.png)



### 六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。



![](https://img-blog.csdnimg.cn/img_convert/6c361282296f86381401c05e862fe4e9.png)  

![](https://img-blog.csdnimg.cn/img_convert/d2d978bb523c810abca3abe69e09bc1a.png)




**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化学习资料的朋友，可以戳这里无偿获取](https://bbs.csdn.net/topics/618317507)**

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**