Python可视化库Pandas_Alive，动态图表随意做

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

以下文章一级法纳斯特 ，作者小F

 

前言

最近发现汉语中类似的一个可视化图库「Pandas_Alive」，不仅包含动态条形图，还可以绘制动态曲线图产品，气泡图，饼状图，地图在等。

同样也是几行代码就能完成动态图表的替换。

GitHub地址：

https://github.com/JackMcKew/pandas_alive

使用文档：

https://jackmckew.github.io/pandas_alive/

安装版本建议是0.2.3， matplotlib版本是3.2.1。

同时需自行安装tqdm（显示进度条）和descartes（放置地图相关库）。

要不然会出现报错，估计是作者的requestment.txt没包含这两个库。

好了，成功安装后就可以约会这个第三方库，直接选择加载本地文件。

import  pandas_alive as  pd 
import  pandas  
covid_df = pd.read_csv（'data / covid19.csv'，index_col = 0，parse_dates = [ 0 ]）
covid_df.plot_animated（filename = 'examples / example-barh-chart.gif'，n_visible = 15）

 

生成了一个GIF图，具体如下。

 

刚开始学习这个库的时候，大家可以减少数据，这样生成GIF的时间就会快一些。

例如在接下来的实践中，基本都只挑选了20天左右的数据。

 

对于其他图表，我们可以查看官方文档的API说明，得以了解。

 

下面我们就来看看其他动态图表的替换方法吧！

动态条形图

elec_df = pd.read_csv（“ data / Aus_Elec_Gen_1980_2018.csv”，index_col = 0，parse_dates = [ 0 ]，千元= '，'）
elec_df = elec_df.iloc [：20，：] elec_df.fillna（0）.plot_animated（'examples / example-electricity- generation -australia.gif'，period_fmt = “％Y”，title = '1980-2018年澳大利亚发电来源'）

 

 

02动态柱状图

covid_df = pd.read_csv（'data / covid19.csv'，index_col = 0，parse_dates = [ 0 ]）
covid_df.plot_animated（filename = 'examples / example-barv-chart.gif'，方向= 'v'，n_visible = 15）

 

 

03动态曲线图

covid_df = pd.read_csv（'data / covid19.csv'，index_col = 0，parse_dates = [ 0 ]）
covid_df.diff（）
fillna（0）.plot_animated（filename = 'examples / example-line-chart.gif'，kind = 'line'，period_label = { 'x'：  0.25，  'y'：  0.9 }）

 

 

04动态面积图

covid_df = pd.read_csv（'data / covid19.csv'，index_col = 0，parse_dates = [ 0 ]）
covid_df.sum（axis = 1）.fillna（0）.plot_animated（filename = 'examples / example-bar-chart .gif'，kind = 'bar'，
        period_label = { 'x'：  0.1，  'y'：  0.9 }，
        enable_progress_bar = True，steps_per_period = 2，interpolate_period = True，period_length = 200
）

 

 

05动态散点图

max_temp_df = pd.read_csv（
    “ data / Newcastle_Australia_Max_Temps.csv”，
    parse_dates = { “ Timestamp”：[ “ Year”，  “ Month”，  “ Day” ]}，
）
min_temp_df = pd.read_csv（
    “ data / Newcastle_Tustralia_T。，
    parse_dates = { “ Timestamp”：[ “ Year”，  “ Month”，  “ Day” ]}，
）

max_temp_df = max_temp_df.iloc [：5000
，：] min_temp_df = min_temp_df.iloc [：5000

，：] merged_temp_df = pd。 merge_asof（max_temp_df，min_temp_df，on = “ Timestamp”）
merged_temp_df.index = pd.to_datetime（merged_temp_df [ “ Timestamp” ] .dt.strftime（'％Y /％m /％d'））

keep_columns = [ “最低温度（摄氏度）”，  “最高温度（摄氏度）） “ ” 
merged_temp_df [keep_columns] .resample（“ Y”）.mean（）。plot_animated（filename = 'examples / example-scatter-chart.gif'，kind = “ scatter”，
                                                                title = “最高温度和最低温度澳大利亚纽卡斯尔'）

 

 

06动态饼状图

covid_df = pd.read_csv（'data / covid19.csv'，index_col = 0，parse_dates = [ 0 ]）
covid_df.plot_animated（filename = 'examples / example-pie-chart.gif'，kind = “ pie”，
                       rotationlabels = True，period_label = { 'x'：  0，  'y'：  0 }）

 

 

07动态气泡图

multi_index_df = pd.read_csv（ “数据/ multi.csv” ，标题= [ 0，  1 ]，index_col = 0）
multi_index_df.index = pd.to_datetime（multi_index_df.index，dayfirst =真）

map_chart = multi_index_df.plot_animated（
    种类= “ bubble”，
    文件名= “ examples / example-bubble-chart.gif”，
    x_data_label = “经度”，
    y_data_label = “纬度”，
    size_data_label = “案例”，
    color_data_label = “案例”，
    vmax = 5，steps_per_period = 3，interpolate_period = True，period_length = 500，
    dpi = 100
）

 

 

08地理空间点图表

进口 geopandas
导入 pandas_alive
进口 contextily 

GDF = geopandas.read_file（'数据/ NSW-covid19-例逐postcode.gpkg' ）
gdf.index = gdf.postcode 
GDF = gdf.drop（'邮编'，轴= 1）

的结果= gdf.iloc [:,：20 ] 
result [ 'geometry' ] = gdf.iloc [:,  -1：] [ 'geometry' ] 

map_chart = result.plot_animated（filename = 'examples / example-geo-point-chart .gif”，
                                 basemap_format = { 'source'：contextily.providers.Stamen.Terrain}）

 

 

09总体地理图表

进口 geopandas
导入 pandas_alive
进口 contextily 

GDF = geopandas.read_file（'数据/意大利-covid-region.gpkg' ）
gdf.index = gdf.region 
GDF = gdf.drop（'区域'，轴= 1）

结果= gdf.iloc [：，：20 ] 
result [ 'geometry' ] = gdf.iloc [:,  -1：] [ 'geometry' ] 

map_chart = result.plot_animated（filename = 'examples / example-example-example-geo-polygon-chart.gif'，
                                 basemap_format = { 'source'：contextily.providers.Stamen.Terrain}）