成都市建设网扬尘监控网站,和平区网站制作,wordpress无法显示此页,石家庄网站建设外包公司大家好#xff0c;数据可视化动画使用Python包就可以完成#xff0c;效果如下#xff1a;想要使用Pynimate#xff0c;直接import一下就行#xff1a;import pynimate as nim输入数据后#xff0c;Pynimate将使用函数Barplot#xff08;#xff09;来创建条形数据动画。…大家好数据可视化动画使用Python包就可以完成效果如下想要使用Pynimate直接import一下就行import pynimate as nim输入数据后Pynimate将使用函数Barplot来创建条形数据动画。而创建这种动画输入的数据必须是pandas数据结构如下其中将时间列设置为索引换句话说索引代表的是自变量。time, col1, col2, col3
2012 1 2 1
2013 1 1 2
2014 2 1.5 3
2015 2.5 2 3.5具体的代码形式如下import pandas as pd
df pd.read_csv(datacsv).set_index(time)比如要处理具体的数据写成代码应该是这样子的df pd.DataFrame({time: [1960-01-01, 1961-01-01, 1962-01-01],Afghanistan: [1, 2, 3],Angola: [2, 3, 4],Albania: [1, 2, 5],USA: [5, 3, 4],Argentina: [1, 4, 5],}
).set_index(time)此外要制作条形数据动画Barplot还有三个必需的参数得注意data、time_format和ip_freqInterpolation frequency。data就是表格的数据这里也就不再赘述。time_format是指数据索引的时间日期格式一般为”%Y-%m-%d”。最后是ip_freq它是制作动画中比较关键的一步通过线性插值使动画更加流畅丝滑。一般来说并不是所有的原始数据都适合做成动画现在一个典型的视频是24fps即每秒有24帧。举个例子下面这个表格中的数据只有三个时间点按理说只能生成3帧视频最终动画也只有3/24秒。time, col1, col2
2012 1 3
2013 2 2
2014 3 1这时候ip_freq插值线性就开始发挥作用了如果插值是一个季度则得出的数据就变成了这样time col1 col2
2012-01-01 1.00 3.00
2012-04-01 1.25 2.75
2012-07-01 1.50 2.50
2012-10-01 1.75 2.25
2013-01-01 2.00 2.00
2013-04-01 2.25 1.75
2013-07-01 2.50 1.50
2013-10-01 2.75 1.25
2014-01-01 3.00 1.00具体的插值时间间隔为多久则要视具体的数据而定一般绘制大数据时设置为ip_freq None。至此就能生成数据动画了完整代码如下所示from matplotlib import pyplot as plt
import pandas as pd
import pynimate as nimdf pd.DataFrame({time: [1960-01-01, 1961-01-01, 1962-01-01],Afghanistan: [1, 2, 3],Angola: [2, 3, 4],Albania: [1, 2, 5],USA: [5, 3, 4],Argentina: [1, 4, 5],}
).set_index(time)cnv nim.Canvas()
bar nim.Barplot(df, %Y-%m-%d, 2d)
bar.set_time(callbacklambda i, datafier: datafier.data.index[i].year)
cnv.add_plot(bar)
cnv.animate()
plt.show()这是插值为两天生成的动画效果最后还有一个问题那就是保存动画有两个格式可以选择gif或者mp4。保存为动图一般使用cnv.save(file, 24, gif)若要保存为mp4的话ffmpeg是个不错的选择它是保存为mp4的标准编写器。 pip install ffmpeg-python当然同样也可以使用Canvas.save()来保存cnv.save(file, 24 ,mp4)
