2024年最全用 Python 制作“会跳舞”的动态图表(1)，2024年最新面试总结+详细解答

本文链接：https://blog.csdn.net/m0_60453176/article/details/138449107

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，可以戳这里获取

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！

FuncAnimation 是 Matplotlib 库中 Animation 类的一部分，后续会展示多个示例。如果是首次接触，你可以将这个函数简单地理解为一个 While 循环，不停地在 “画布” 上重新绘制目标数据图。

如何使用 FuncAnimation？

这个过程始于以下两行代码：

import matplotlib.animation as ani

animator = ani.FuncAnimation(fig, chartfunc, interval = 100)

从中我们可以看到 FuncAnimation 的几个输入：

fig 是用来「绘制图表」的 figure 对象；
chartfunc 是一个以数字为输入的函数，其含义为时间序列上的时间；
interval 这个更好理解，是帧之间的间隔延迟，以毫秒为单位，默认值为 200。

这是三个关键输入，当然还有更多可选输入，感兴趣的读者可查看原文档，这里不再赘述。

下一步要做的就是将数据图表参数化，从而转换为一个函数，然后将该函数时间序列中的点作为输入，设置完成后就可以正式开始了。

在开始之前依旧需要确认你是否对基本的数据可视化有所了解。也就是说，我们先要将数据进行可视化处理，再进行动态处理。

按照以下代码进行基本调用。另外，这里将采用大型流行病的传播数据作为案例数据（包括每天的死亡人数）。

import matplotlib.animation as ani

import matplotlib.pyplot as plt

import numpy as np

import pandas as pd

url = ‘https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_deaths_global.csv’

df = pd.read_csv(url, delimiter=‘,’, header=‘infer’)

df_interest = df.loc[

df[‘Country/Region’].isin([‘United Kingdom’, ‘US’, ‘Italy’, ‘Germany’])

& df[‘Province/State’].isna()]

df_interest.rename(

index=lambda x: df_interest.at[x, ‘Country/Region’], inplace=True)

df1 = df_interest.transpose()

df1 = df1.drop([‘Province/State’, ‘Country/Region’, ‘Lat’, ‘Long’])

df1 = df1.loc[(df1 != 0).any(1)]

df1.index = pd.to_datetime(df1.index)

绘制三种常见动态图表

绘制动态线型图

在这里插入图片描述

如下所示，首先需要做的第一件事是定义图的各项，这些基础项设定之后就会保持不变。它们包括：创建 figure 对象，x 标和 y 标，设置线条颜色和 figure 边距等：

import numpy as np

import matplotlib.pyplot as plt

color = [‘red’, ‘green’, ‘blue’, ‘orange’]

fig = plt.figure()

plt.xticks(rotation=45, ha=“right”, rotation_mode=“anchor”) #rotate the x-axis values

plt.subplots_adjust(bottom = 0.2, top = 0.9) #ensuring the dates (on the x-axis) fit in the screen

plt.ylabel(‘No of Deaths’)

plt.xlabel(‘Dates’)

接下来设置 curve 函数，进而使用 .FuncAnimation 让它动起来：

def buildmebarchart(i=int):

plt.legend(df1.columns)

p = plt.plot(df1[:i].index, df1[:i].values) #note it only returns the dataset, up to the point i

for i in range(0,4):

p[i].set_color(color[i]) #set the colour of each curveimport matplotlib.animation as ani

animator = ani.FuncAnimation(fig, buildmebarchart, interval = 100)

plt.show()

动态饼状图

在这里插入图片描述

可以观察到，其代码结构看起来与线型图并无太大差异，但依旧有细小的差别。

import numpy as np

import matplotlib.pyplot as pltfig,ax = plt.subplots()

explode=[0.01,0.01,0.01,0.01] #pop out each slice from the piedef getmepie(i):

def absolute_value(val): #turn % back to a number

a = np.round(val/100.*df1.head(i).max().sum(), 0)

return int(a)

ax.clear()

plot = df1.head(i).max().plot.pie(y=df1.columns,autopct=absolute_value, label=‘’,explode = explode, shadow = True)

plot.set_title(‘Total Number of Deaths\n’ + str(df1.index[min( i, len(df1.index)-1 )].strftime(‘%y-%m-%d’)), fontsize=12)import matplotlib.animation as ani

animator = ani.FuncAnimation(fig, getmepie, interval = 200)

做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。

别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。

我先来介绍一下这些东西怎么用，文末抱走。

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，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。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

在这里插入图片描述