python动态柱状图_动态排名柱状图的两种做法

受B站拜年祭发射最多的弹幕是什么？视频启发，对日常维护工作中的故障硬件也做了一次盘点。这里介绍两种方法，第一种是Python + Matplotlib；第二种是利用GitHub上现成的“轮子”。如果需要快速出图，后者更简单（也更美观）。

方法一：Python

MATPLOTLIB的动画类

MATPLOTLIB包含了一个动画类——Animation，用这个类就可以实现图标的动画效果。先看下官方文档给出的例子：

import numpy as np

import matplotlib.pyplot as plt

from matplotlib.animation import FuncAnimation

fig, ax = plt.subplots()xdata, ydata = [], []ln, = plt.plot([], [], 'ro')

def init():

ax.set_xlim(0, 2*np.pi)

ax.set_ylim(-1, 1)

return ln,

def update(frame):

xdata.append(frame)

ydata.append(np.sin(frame))

ln.set_data(xdata, ydata)

return ln,

ani = FuncAnimation(fig, update, frames=np.linspace(0, 2*np.pi, 128),

init_func=init, blit=True)plt.show()

上例中，init初始化图表，update函数则负责更新图表中的数据。最主要的是FuncAnimation，通过不断调用update，并将frames参数中的值依次传递给update，更新图表。这个例子的运行结果如下：

示例gif

数据整理

先将故障硬件的名称、故障数量和发生日期整理好。好在这些数据一直以来都有不定期梳理。梳理后的格式如下：

整理后的数据

保存成csv后由pandas读取到DataFrame中，同时解析日期：

with open('plugin_faults.csv', 'r') as f:

data = pd.read_csv(f, parse_dates=['date'])

因为柱状图中每根柱的长度是个累计值，而表中的是当天故障的数量，因此要按故障硬件名称累积求和：

data = data.sort_values('date')

group = data.groupby('name')

data['value_cumsum'] = group.cumsum()

data.sort_values(['date','value_cumsum','name'], inplace=True)

data.drop_duplicates(['date','name'], keep='last', inplace=True)

填充所有日期，所有硬件类型

plugins = ['PCU', '电源板', 'AS7-D', 'ESB24-D', 'CPU', 'HWAT-B', 'SW256B', 'SWPRO-C',

'ETP', 'ET16', '时钟板', 'DRAM', 'TR3T', '硬盘', 'HDSAM-A', 'DCAR1-A', '光模块', '熔丝', '网管交换机'] # 所有硬件名称

start = datetime(2017,1,1) # 开始日期

end = datetime(2019,12,31) # 结束日期

dates = [start + timedelta(days=i) for i in range((end - start).days + 1)]

index = pd.MultiIndex.from_product([dates, plugins], names = ["date", "name"]) # 3年内所有日期与硬件名称的笛卡尔积作为多重索引

df = pd.DataFrame(index=index)

df['value'] = data.set_index(['date', 'name'])['value_cumsum'] # 向DataFrame填入data中的数据

df = df.unstack(level=1).fillna(method='ffill') # 将硬件名称索引unstack，前向填充累计故障数（比如累计到昨天一共坏n件，而今天没有该硬件故障，则累计数量还是n件)

df = df.stack(dropna=False).reset_index().fillna(0) # 转换成无索引的DataFrame，并填充缺失值为0（从开始时间直至第一个同类型硬件发生故障的值均为缺失值）

至此数据整理部分结束，得到了2017至2019年共计3年内每天每种硬件故障的累计数的DataFrame。

作图

通过水平柱状图将故障硬件的数量进行排名可视化，每个柱一个颜色，由多到少自上往下排列。

水平柱状图用barh生成，动画需更新每日的排序，但同一种硬件的颜色不能改变，因此初始化了plugin_color字典。

update函数中的df_i为当前帧所使用的数据，以日期作为筛选标准。

fig, ax = plt.subplots()

# 分配颜色的字典

colormap = [i / len(plugins) * 0.7 + 0.15 for i, _ in enumerate(plugins)]

colormap = plt.get_cmap('Paired')(colormap)

plugin_color = {plugins[i]: colormap[i] for i in range(len(plugins))}

def update(i):

date = datetime(2017, 1, 1) + timedelta(days=i)

# 筛选当日的数据，按数量排序

df_i = df[df['date'] == date]

df_i = df_i.sort_values('value', ascending=True)

names = df_i['name'] # 硬件名称作为Y轴标签

colors = [plugin_color[name] for name in names]

value = df_i['value'] # X轴的值

ax.clear() # 清理ax，否则排序不会重做

x = max(value) * 0.85 # 图中日期标签的水平相对位置

if i == 0:

ax.set_xlim(0, 1.05)

x = 0.85

# 水平柱状图

rects = ax.barh(y=names,

width=value,

align='center',

height=0.5,

color=colors)

# 每个柱的数字标签

for i, v in enumerate(value):

ax.text(v + 0.1, i, int(v), color=colors[i], ha='left', va='center')

# 日期标签

ax.text(x, 0.5, date.strftime('%Y-%m-%d'),

fontweight='bold', fontsize='25', color='red')

return rects

生成动画对象，回调函数为update，frames传入3年的日期数，interval定义每一帧的时延（每秒8帧）。

blit我试了下没感觉有啥区别，按照官方文档的说法，是一种比较老的绘图技术，这里设成False。

repeat控制是否循环播放。

ani = animation.FuncAnimation(fig=fig,

func=update,

frames=int(len(df) / len(plugins)),

interval=1000/8, # 每帧之间的时延，单位：ms

blit=False,

repeat=False)

保存为视频或GIF：

ani.save('test.gif', dpi=10, writer='pillow')

ani.save('test.mp4')

如果要在jupyter notebook中直接显示（中文显示问题参见“参考3”）：

%matplotlib inline

from IPython.display import HTML

HTML(ani.to_html5_video())

生成的动态排名柱状图GIF（完整的GIF太大，只截部分）：

生成gif

方法二：现成的“轮子”

从ID来看，应该就是B站视频的原作者在GitHub上的一个库（见“参考2”），使用的是d3.js的前端作图。只要将数据整理成规定的格式，直接从网页导入即可。也可以修改一些简单的配置，非常好用，在此推荐一下。

最后一帧截图：

最后一帧

参考