本文是 Python 系列的特别篇的第十三篇
特别篇 1 - PyEcharts TreeMap
特别篇 2 - 面向对象编程
特别篇 3 - 两大利「器」
特别篇 4 - 装饰器
特别篇 5 - Sklearn 0.22
特别篇 6 - Jupyter Notebook
特别篇 7 - 格式化字符串
特别篇 8 - 正则表达式
特别篇 9 - 正则表达式实战
特别篇 10 - 错误类型
特别篇 11 - 异常处理
特别篇 12 - Collection
特别篇 13 - Matplotlib Animation
本帖我们目的只有一个，复现下面视频展示的内容，即中国(上证)和美国(标普 500)2016 年 3 月到 2020 年 4 月的股市走势对比。先点开视频看一看，配着 Fort Minor 的 Remember the Name 的前奏真带感。
做出该视频我用了四个工具：
Matplotlib(核心)
ScreenToGif 本地软件(用于录屏存成 gif)
ezgif 在线(用于快进 gif 播放速度被存成视频，用于压缩)
腾讯微视 APP(用于配乐)
不难发现，后三个都是锦上添花，而第一个才是雪中送炭。
首先引入可能需要的包，其中第 7 行引入的 animation 是为了画动态图的。第 12 行也比较重要，有时候动态图太大了，很容易突破默认 byte，如果不设置 animation.emded_limit, 显示出来的图是不完整的，保险起见可以设一个比较大的数，比如 2^64。
用 Pandas 从 'data.csv' 中加载数据(2006 年 1 月到 2020 年 4 月 10 日上证和标普 500 的日收盘价)，csv 数据的截屏如下：
下列代码注意三个细节：
将第一列日期作为 DataFrame 的即行标签 (设置 index_col=0)
并用列表解析式(list comprehension)将日期字符串转成 datetime 对象
用 df.iloc[::-1] 将日期逆排，第一行对应着是最旧的日期
打印 DataFrame 的首尾三行看看。
df = pd.read_csv('data.csv', index_col=0)df.index = [datetime.strptime(d, '%d/%m/%Y').date() for d in df.index]df = df.iloc[::-1]df.head(3).append(df.tail(3))
在本例中， 我们只看最近 1000 天的数据，数据太多生成动图太慢。想生成完整的图的同学可用 df1 = df。
df1 = df.iloc[-1000:,:]df1.head(3).append(df1.tail(3))
选取了起始日后(本例是 2016 年 3 月 7 日，读者可以随意选定)，为了公平比较，我们计算出每天相对起始日的收益(df1/df1.iloc[0,:])，而起始日的收益为 0，换句话就是说从起始日开始投资指数，得到的每天累积收益。收益的单位用 % 来表示，因此乘上个 100。
df1 = df1 / df1.iloc[0,:]*100 - 100df1.head(3).append(df1.tail(3))
要做动图，步骤分三步：
1. 写一个静态画图函数，假设叫 animate(i)，其中 i 可看成是 df1 的变化的 index。不同的 i 就会切片得到 df1.iloc[:i,:]。
2. 使用 animation 库里的 FuncAnimation()，其调用形式为
FuncAnimation( fig,
animate,
frames,
interval )
其中
fig 是图对象
animate 是第一步定义的静态画图函数，还记得 Python 里面函数是可以作为参数传递到另外一个高阶函数吗？
frames 设定动画应含多少帧，也就是说，通过该参数定义调用 animate(i) 的频率，这里设定为 np.arange(1,df1.shape[0],1)，即该动画为 df1.shape[0] 帧。
interval 是每一帧的时间间隔，默认是 200ms。
该函数的返回对象起名为 animator。
3. 用 HTML(animator.to_jshtml()) 将动图在 Jupyter Notebook 里展示。
后面 2 和 3 两步非常标准化，真正的细节都体现在第 1 步的 animate(i) 中。
看了上面视频，我们发现一开始坐标轴是静止的，任由这两条折线向右运动，如图所示。
过了一段时间，坐标轴变成动态，随着折线也开始运动，如下图所示。因为数据太多了，如果不弄成动态坐标轴最后发现图会越来越小。
为了处理这个坐标轴从静态变动态这个细节，我们要写个 if-else 条件语句，而技巧就是定义一个 num_of_span(比如设定为 150)，当 num_of_date(也就是 animiate(i) 里的 i)小于 num_of_span 坐标轴为静态，大于等于 num_of_span 坐标轴为动态。
现在静态坐标轴时的代码。
核心代码在第 5-28 行，关于 matplotlib 的知识可参考【盘一盘 matplotlib】一贴 。
第 5-7 行：切片两个 DataFrame，df_temp 用于画折线和散点，df_span 用于标注横轴标签(第 25-28 行的 xticks)。获取 df_temp 的日期起名为 idx。
第 9-14, 16-21 行：画中美两个股市的折线图(用 plot 函数)，散点图(用 scatter 函数)和文字(用 text 函数)，我们就以中国举例。
折线图：这个太简单了，前两个参数就是 x 和 y，而后面三个参数都是美化折现，颜色选我个人喜好的那个红色，线宽为 4，zorder = 2 是和下面散点 zorder = 3 对应，就是先画折现后画散点，散点要盖住折线。这样才能出来图中散点加在折线(而不是折线加在散点)的效果。
散点图：这个也简单，但是我们只需要一个散点，最后一个数据的散点，因此 x 和 y 有 [-1] 的索引。其他美化散点的参数就不提了，也是慢慢试出来的，比如散点大小 s 我从 500 试到 1000。
文字：这个也不难，同理我们也只需一个文字，即散点出坐标下写文字“中国”。其他都是美化文字的参数，也不提了。
第 23-28 行：分别设置横轴和纵轴的上下界。对于横轴的上下界，我们用 df_span 的首尾日期，由于 df_num 在这种情况一直小于 df_span，那么当 df_num 动时，df_span 是静止的，因此横轴是静止的。关于 xticks, 我们用 df_span 每隔 30 天显示日期标签，rotation = 90 是为了防止日期太拥挤，转成纵向。
好了，静态横轴的代码详细解释完了，我相信你们可以看懂动态横轴的代码了。最大的变化就是所有数据都是用 [-1] 来索引，因为每次我们都只画最新的数据。
最后将图的上边、左边和右边的框去掉，加上横向网格线，标注纵轴标签和图标题。
之后用 FuncAnimation() 来调用 animate 赋予其动态“魔力”。
最后你可以用 animator.save() 来存成视频或者 html 形式，但我发现文件太大，因此我手动用 ScreenToGif 做成动图(gif 还是很大，大概 17MB，根本传不上公众号模板中)，然后在 ezgif 网页上压缩并快播存成视频(20 秒视频才 1.8 MB)，再用微视 APP 给其配音乐。
这些后期制造大家可以按自己的需求和喜好来做，核心还是用 matplotlib 做出动态图。
2总结由于我刚接触这个用 matplotlib 画动图，就是有天一个读者在微信群给我看了这样的视频，我觉的很酷而且记得 matplotlib 可以画动图就是试着实现。整个实现文前视频花了 4 个小时(当然在咨询了可视化专家张杰博士的情况下)，单纯就是为实现而学新知识的，因此我只是根据自己的理解把画图原理解释了下，有些地方可能不太准确，大家看了有什么不对的地方欢迎指出。
两点心得：
非技术：根据兴趣学东西非常快，为了完成某个目的，找东西也更有针对性，结果导向很有效。
技术：在运行动图时，由于非常费时，因此建议先把静态函数 animate(i) 调试好，然后选取不同的 i 值，看看画出来的图是否正确是否符合直觉，再用 FuncAnimation() 和 HTML() 将它动态化并展示出来，要不然大量时间花在等待制作动图上了。
Stay Tuned！
喜大普奔
我的新书《快乐机器学习》
在新加坡终于有买了
扫码进 Lazada 购买
新加坡全岛包邮
我的新课《Python 基础》
扫码购买
上过的都说好
1487
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
