【动态绘图】python可视化--丝滑版

✅作者简介：在读博士，伪程序媛，人工智能领域学习者，深耕机器学习，交叉学科实践者，周更前沿文章解读，提供科研小工具，分享科研经验，欢迎交流！
📌个人主页： https://blog.csdn.net/allein_STR?spm=1011.2559.3001.5343
💯特色专栏：深度学习和WRF，提供人工智能方方面面小姿势，从基础到进阶，教程全面。
📞联系博主：博文留言+主页底部联系方式+WeChat code: Allein_STR
📙本文内容：【动态绘图】python可视化

先看一下效果图：

使用方法：

import pynimate as nim

输入数据后，Pynimate将使用函数Barplot()来创建条形数据动画

输入的数据必须是pandas数据结构（如下），其中将时间列设置为索引，换句话说索引代表的是自变量。

time	col1	col2	col3
2012	1	2	1
2013	1	1	2
2014	2	1.5	3
2015	2.5	2	3.5

例子代码：

from matplotlib import pyplot as plt
import pandas as pd
import pynimate as nim

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")

cnv = nim.Canvas()
bar = nim.Barplot(df, "%Y-%m-%d", "2d")
bar.set_time(callback=lambda i, datafier: datafier.data.index[i].strftime("%b, %Y"))
cnv.add_plot(bar)
cnv.animate()
plt.show()

结果图为：

注意点：

1. 要制作条形数据动画，Barplot还有三个必需的参数得注意：data、time_format和ip_freq（Interpolation frequency）。

• data就是表格的数据，这里也就不再赘述。

• time_format是指数据索引的时间日期格式，一般为：”%Y-%m-%d”。

• ip_freq，它是制作动画中比较关键的一步，通过线性插值使动画更加流畅丝滑。

2. 具体的插值时间间隔为多久，则要视具体的数据而定，一般绘制大数据时，设置为ip_freq = None。

3. 保存动画，有两个格式可以选择：gif或者mp4。

• 保存为动图一般使用：

cnv.save("file", 24, "gif")

• 若要保存为mp4的话，ffmpeg是个不错的选择，它是保存为mp4的标准编写器。

pip install ffmpeg-python

或者

conda install ffmpeg

• 也可以使用Canvas.save()来保存。

cnv.save("file", 24 ,"mp4")

END

---

本篇到这里就结束了。想学习更多Python、人工智能、交叉学科相关知识，点击关注博主，带你从基础到进阶。若有需要提供科研指导、代码支持，资源获取或者付费咨询的伙伴们，可以添加博主个人联系方式！

码字不易，希望大家可以点赞+收藏+关注+评论！

声明：部分内容来源于网络，仅供读者学术交流之目的。文章版权归原作者所有。如有不妥，请联系删除。