在讀技術博客的過程中，我們會發現那些能夠把知識、成果講透的博主很多都會做動態圖表。他們的圖是怎么做的？難度大嗎？這篇文章就介紹了 Python 中一種簡單的動態圖表制作方法。

數據暴增的年代，數據科學家、分析師在被要求對數據有更深的理解與分析的同時，還需要將結果有效地傳遞給他人。如何讓目標聽眾更直觀地理解？當然是將數據可視化啊，而且最好是動態可視化。

本文將以線型圖、條形圖和餅圖為例，系統地講解如何讓你的數據圖表動起來。

這些動態圖表是用什么做的？

接觸過數據可視化的同學應該對 Python 里的 Matplotlib 庫并不陌生。它是一個基于 Python 的開源數據繪圖包，僅需幾行代碼就可以幫助開發者生成直方圖、功率譜、條形圖、散點圖等。這個庫里有個非常實用的擴展包——FuncAnimation，可以讓我們的靜態圖表動起來。

FuncAnimation 是 Matplotlib 庫中 Animation 類的一部分，后續會展示多個示例。如果是首次接觸，你可以將這個函數簡單地理解為一個 While 循環，不停地在 “畫布” 上重新繪制目標數據圖。

如何使用 FuncAnimation？

這個過程始于以下兩行代碼：

import matplotlib.animation as ani 
 
animator = ani.FuncAnimation(fig, chartfunc, interval = 100) 

從中我們可以看到 FuncAnimation 的幾個輸入：

• fig 是用來 「繪制圖表」的 figure 對象；
• chartfunc 是一個以數字為輸入的函數，其含義為時間序列上的時間；
• interval 這個更好理解，是幀之間的間隔延遲，以毫秒為單位，默認值為 200。

這是三個關鍵輸入，當然還有更多可選輸入，感興趣的讀者可查看原文檔，這里不再贅述。

下一步要做的就是將數據圖表參數化，從而轉換為一個函數，然后將該函數時間序列中的點作為輸入，設置完成后就可以正式開始了。

在開始之前依舊需要確認你是否對基本的數據可視化有所了解。也就是說，我們先要將數據進行可視化處理，再進行動態處理。

按照以下代碼進行基本調用。另外，這里將采用大型流行病的傳播數據作為案例數據（包括每天的死亡人數）。

import matplotlib.animation as ani 
import matplotlib.pyplot as plt 
import numpy as np 
import pandas as pdurl = '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) 

繪制三種常見動態圖表

繪制動態線型圖

如下所示，首先需要做的第一件事是定義圖的各項，這些基礎項設定之后就會保持不變。它們包括：創建 figure 對象，x 標和 y 標，設置線條顏色和 figure 邊距等：

import numpy as np 
 
import matplotlib.pyplot as pltcolor = ['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') 

接下來設置 curve 函數，進而使用 .FuncAnimation 讓它動起來：

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() 

動態餅狀圖

可以觀察到，其代碼結構看起來與線型圖并無太大差異，但依舊有細小的差別。

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 Deathsn' + 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) 
 
plt.show() 

主要區別在于，動態餅狀圖的代碼每次循環都會返回一組數值，但在線型圖中返回的是我們所在點之前的整個時間序列。返回時間序列通過 df1.head(i) 來實現，而. max()則保證了我們僅獲得最新的數據，因為流行病導致死亡的總數只有兩種變化：維持現有數量或持續上升。

df1.head(i).max() 

動態條形圖

創建動態條形圖的難度與上述兩個案例并無太大差別。在這個案例中，作者定義了水平和垂直兩種條形圖，讀者可以根據自己的實際需求來選擇圖表類型并定義變量欄。

fig = plt.figure() 
 
bar = ''def buildmebarchart(i=int): 
 
    iv = min(i, len(df1.index)-1) #the loop iterates an extra one time, which causes the dataframes to go out of bounds. This was the easiest (most lazy) way to solve this :) 
 
    objects = df1.max().index 
 
    y_pos = np.arange(len(objects)) 
 
    performance = df1.iloc[[iv]].values.tolist()[0] 
 
    if bar == 'vertical': 
 
        plt.bar(y_pos, performance, align='center', color=['red', 'green', 'blue', 'orange']) 
 
        plt.xticks(y_pos, objects) 
 
        plt.ylabel('Deaths') 
 
        plt.xlabel('Countries') 
 
        plt.title('Deaths per Country n' + str(df1.index[iv].strftime('%y-%m-%d'))) 
 
    else: 
 
        plt.barh(y_pos, performance, align='center', color=['red', 'green', 'blue', 'orange']) 
 
        plt.yticks(y_pos, objects) 
 
        plt.xlabel('Deaths') 
 
        plt.ylabel('Countries')animator = ani.FuncAnimation(fig, buildmebarchart, interval=100)plt.show() 

在制作完成后，存儲這些動態圖就非常簡單了，可直接使用以下代碼：

animator.save(r'C:tempmyfirstAnimation.gif') 

感興趣的讀者如想獲得詳細信息可參考：https://matplotlib.org/3.1.1/api/animation_api.html。