![20e0b82eb35829fcc23326ab7ba3e404.png](https://i-blog.csdnimg.cn/blog_migrate/b11552363599369a324862c1b7e6da28.jpeg)
来源:机器之心
原文链接:https://towardsdatascience.com/learn-how-to-create-animated-graphs-in-python-fce780421afe
在读技术博客的过程中,我们会发现那些能够把知识、成果讲透的博主很多都会做动态图表。他们的图是怎么做的?难度大吗?这篇文章就介绍了 Python 中一种简单的动态图表制作方法。
![1ca585f2b775c971bfc0fae5f9a1691a.gif](https://i-blog.csdnimg.cn/blog_migrate/0d04fcd7adbba79a9a2f6dd161330821.gif)
数据暴增的年代,数据科学家、分析师在被要求对数据有更深的理解与分析的同时,还需要将结果有效地传递给他人。如何让目标听众更直观地理解?当然是将数据可视化啊,而且最好是动态可视化。
本文将以线型图、条形图和饼图为例,系统地讲解如何让你的数据图表动起来 。
![06f86cf75266c3fd70b5cf33c8744b2c.gif](https://i-blog.csdnimg.cn/blog_migrate/131ac5fb850763f7e9a8975b26941ffa.gif)
这些动态图表是用什么做的? 接触过数据可视化的同学应该对 Python 里的 Matplotlib 库并不陌生。它是一个基于 Python 的开源数据绘图包,仅需几行代码就可以帮助开发者生成直方图、功率谱、条形图、散点图等。这个库里有个非常实用的扩展包——FuncAnimation,可以让我们的静态图表动起来。 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 =