一款Python工具制作的动态条形图(强烈推荐!)

 更新时间:2023年02月16日 10:11:19   作者:Python数据开发  
有时为了方便看数据的变化情况,需要画一个动态图来看整体的变化情况,下面这篇文章主要给大家介绍了一款Python工具制作的动态条形图的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下

Python客栈送红包、纸质书

前言

大家好,说起动态条形图,之前推荐过两个 Python 库,比如Bar Chart Race、Pandas_Alive,都可以实现。今天就给大家再介绍一个新更加棒的工具。

这款新的Python库pynimate,一样可以制作动态条形图,而且样式更好看。

GitHub地址:

https://github.com/julkaar9/pynimate

文档地址:https://julkaar9.github.io/pynimate/

方法如下

首先使用pip安装这个库,注意Python版本要大于等于3.9

1
2
# 安装pynimate 
pip install pynimate -i https://pypi.tuna.tsinghua.edu.cn/simple 

其中pynimate使用pandas数据帧格式,时间列设置为索引index。

1
2
3
4
5
time, col1, col2, col3 
2012   1     2     1 
2013   1     1     2 
2014   2     1.5   3 
2015   2.5   2     3.5

然后来看两个官方示例。

第一个示例比较简单,代码如下。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
from matplotlib import pyplot as plt 
import pandas as pd 
import pynimate as nim 
   
# 数据格式+索引 
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"
   
# Canvas类是动画的基础 
cnv = nim.Canvas() 
# 使用Barplot模块创建一个动态条形图, 插值频率为2天 
bar = nim.Barplot(df, "%Y-%m-%d", "2d"
# 使用了回调函数, 返回以月、年为单位格式化的datetime 
bar.set\_time(callback=lambda i, datafier: datafier.data.index\[i\].year) 
# 将条形图添加到画布中 
cnv.add\_plot(bar) 
cnv.animate() 
plt.show()

Canvas类是动画的基础,它会处理matplotlib图、子图以及创建和保存动画。

Barplot模块创建动态条形图,有三个必传参数,data、time_format、ip_freq。

分别为数据、时间格式、插值频率(控制刷新频率)。

效果如下,就是一个简单的动态条形图。

我们还可以将结果保存为GIF或者是mp4,其中mp4需要安装ffmpeg。

1
2
3
4
5
6
7
8
# 保存gif, 1秒24帧 
cnv.save("file", 24, "gif"
   
# 电脑安装好ffmpeg后, 安装Python库 
pip install ffmpeg-python 
   
# 保存mp4, 1秒24帧 
cnv.save("file", 24 ,"mp4")

第二个示例相对复杂一些,可以自定义参数,样式设置成深色模式。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
from matplotlib import pyplot as plt 
import numpy as np 
import pandas as pd 
import pynimate as nim 
   
   
# 更新条形图 
def post\_update(ax, i, datafier, bar\_attr): 
    ax.spines\["top"\].set\_visible(False
    ax.spines\["right"\].set\_visible(False
    ax.spines\["bottom"\].set\_visible(False
    ax.spines\["left"\].set\_visible(False
    ax.set\_facecolor("#001219"
    for bar, x, y in zip
        bar\_attr.top\_bars, 
        bar\_attr.bar\_length, 
        bar\_attr.bar\_rank, 
    ): 
        ax.text( 
            x - 0.3
            y, 
            datafier.col\_var.loc\[bar, "continent"\], 
            ha="right"
            color="k"
            size=12
        
   
   
# 读取数据 
df = pd.read\_csv("sample.csv").set\_index("time"
# 分类 
col = pd.DataFrame( 
    
        "columns": \["Afghanistan", "Angola", "Albania", "USA", "Argentina"\], 
        "continent": \["Asia", "Africa", "Europe", "N America", "S America"\], 
    
).set\_index("columns"
# 颜色 
bar\_cols =
    "Afghanistan": "#2a9d8f"
    "Angola": "#e9c46a"
    "Albania": "#e76f51"
    "USA": "#a7c957"
    "Argentina": "#e5989b"
   
# 新建画布 
cnv = nim.Canvas(figsize=(12.8, 7.2), facecolor="#001219"
bar = nim.Barplot( 
    df, "%Y-%m-%d", "3d", post\_update=post\_update, rounded\_edges=True, grid=False 
# 条形图分类 
bar.add\_var(col\_var=col) 
# 条形图颜色 
bar.set\_bar\_color(bar\_cols) 
# 标题设置 
bar.set\_title("Sample Title", color="w", weight=600
# x轴设置 
bar.set\_xlabel("xlabel", color="w"
# 时间设置 
bar.set\_time( 
    callback=lambda i, datafier: datafier.data.index\[i\].strftime("%b, %Y"), color="w" 
# 文字显示 
bar.set\_text( 
    "sum"
    callback=lambda i, datafier: f"Total :{np.round(datafier.data.iloc\[i\].sum(),2)}"
    size=20
    x=0.72
    y=0.20
    color="w"
   
# 文字颜色设置 
bar.set\_bar\_annots(color="w", size=13
bar.set\_xticks(colors="w", length=0, labelsize=13
bar.set\_yticks(colors="w", labelsize=13
# 条形图边框设置 
bar.set\_bar\_border\_props( 
    edge\_color="black", pad=0.1, mutation\_aspect=1, radius=0.2, mutation\_scale=0.6 
cnv.add\_plot(bar) 
cnv.animate() 
# 显示 
# plt.show() 
# 保存gif 
cnv.save("example3", 24, "gif"

效果如下,可以看出比上面的简单示例好看了不少。

另外作者还提供了相关的接口文档。

帮助我们理解学习,如何去自定义参数设置。

包含画布设置、保存设置、条形图设置、数据设置等等。

下面我们就通过获取电视剧狂飙角色的百度指数数据,来制作一个动态条形图。

先对网页进行分析,账号登陆百度指数,搜索关键词「高启强」,查看数据情况。

发现数据经过js加密,所以需要对获取到的数据进行解析。

使用了一个开源的代码,分分钟就搞定数据问题。

具体代码如下,其中「cookie值」需要替换成你自己的。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
import datetime 
import requests 
import json 
   
word\_url = 'http://index.baidu.com/api/SearchApi/thumbnail?area=0&word={}' 
   
   
def get\_html(url): 
    headers =
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.82 Safari/537.36"
        "Host": "index.baidu.com"
        "Referer": "http://index.baidu.com/v2/main/index.html"
        "Cipher-Text": "1652425237825\_1652501356206\_VBpwl9UG8Dvs2fAi91KToRTSAP7sDsQU5phHL97raPDFJdYz3fHf9hBAQrGGCs+qJoP7yb44Uvf91F7vqJLVL0tKnIWE+W3jXAI30xx340rhcwUDQZ162FPAe0a1jsCluJRmMLZtiIplubGMW/QoE/0Pw+2caH39Ok8IsudE4wGLBUdYg1/bKl4MGwLrJZ7H6wbhR0vT5X0OdCX4bMJE7vcwRCSGquRjam03pWDGZ51X15fOlO0qMZ2kqa3BmxwNlfEZ81l3L9nZdrc3/Tl4+mNpaLM7vA5WNEQhTBoDVZs6GBRcJc/FSjd6e4aFGAiCp1Y8MD66chTiykjIN51s7gbJ44JfVS0NjBnsvuF55bs=" 
    
    cookies =
        'Cookie': 你的cookie 
    
    response = requests.get(url, headers=headers, cookies=cookies) 
    return response.text 
   
   
def decrypt(t, e): 
    n = list(t) 
    i = list(e) 
    a = {} 
    result = \[\] 
    ln = int(len(n) / 2
    start = n\[ln:\] 
    end = n\[:ln\] 
    for j, k in zip(start, end): 
        a.update({k: j}) 
    for j in e: 
        result.append(a.get(j)) 
    return ''.join(result) 
   
   
def get\_ptbk(uniqid): 
    url = 'http://index.baidu.com/Interface/ptbk?uniqid={}' 
    resp = get\_html(url.format(uniqid)) 
    return json.loads(resp)\['data'\] 
   
   
def get\_data(keyword, start='2011-01-02', end='2023-01-02'): 
    url = "https://index.baidu.com/api/SearchApi/index?area=0&word=\[\[%7B%22name%22:%22{}%22,%22wordType%22:1%7D\]\]&startDate={}&endDate={}".format(keyword, start, end) 
    data = get\_html(url) 
    data = json.loads(data) 
    uniqid = data\['data'\]\['uniqid'\] 
    data = data\['data'\]\['userIndexes'\]\[0\]\['all'\]\['data'\] 
    ptbk = get\_ptbk(uniqid) 
    result = decrypt(ptbk, data) 
    result = result.split(','
    start = start\_date.split("-"
    end = end\_date.split("-"
    a = datetime.date(int(start\[0\]), int(start\[1\]), int(start\[2\])) 
    b = datetime.date(int(end\[0\]), int(end\[1\]), int(end\[2\])) 
    node = 0 
    for i in range(a.toordinal(), b.toordinal()): 
        date = datetime.date.fromordinal(i) 
        print(date, result\[node\]) 
        node += 1 
        with open('data.csv', 'a+') as f: 
            f.write(keyword + ',' + date.strftime('%Y-%m-%d') + ',' + result\[node\] + '\\n'
   
   
if \_\_name\_\_ == '\_\_main\_\_'
    names = \['唐小龙', '孟德海', '孟钰', '安欣', '安长林', '徐忠', '徐江', '曹闯', '李响', '李宏伟', '李有田', '杨健', '泰叔', '赵立冬', '过山峰', '陆寒', '陈书婷', '高启兰', '高启强', '高启盛', '高晓晨'\] 
    for keyword in names: 
        start\_date = "2023-01-14" 
        end\_date = "2023-02-04" 
        get\_data(keyword, start\_date, end\_date) 

爬取数据情况如下,一共是400多条,其中有空值存在。

然后就是转换成pynimate所需的数据格式。

对数据进行数据透视表操作,并且将空值数据填充为0。

1
2
3
4
5
6
7
8
9
import pandas as pd 
   
# 读取数据 
df = pd.read\_csv('data.csv', encoding='utf-8', header=None, names=\['name', 'day', 'number'\]) 
   
# 数据处理,数据透视表 
df\_result = pd.pivot\_table(df, values='number', index=\['day'\], columns=\['name'\], fill\_value=0
# 保存 
df\_result.to\_csv('result.csv'

保存文件,数据情况如下。

使用之前深色模式的可视化代码,并略微修改。

比如设置条形图数量(n_bars)、标题字体大小及位置、中文显示等等。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
from matplotlib import pyplot as plt 
import pandas as pd 
import pynimate as nim 
   
# 中文显示 
plt.rcParams\['font.sans-serif'\] = \['SimHei'\]  #Windows 
plt.rcParams\['font.sans-serif'\] = \['Hiragino Sans GB'\] #Mac 
plt.rcParams\['axes.unicode\_minus'\] = False 
   
   
# 更新条形图 
def post\_update(ax, i, datafier, bar\_attr): 
    ax.spines\["top"\].set\_visible(False
    ax.spines\["right"\].set\_visible(False
    ax.spines\["bottom"\].set\_visible(False
    ax.spines\["left"\].set\_visible(False
    ax.set\_facecolor("#001219"
   
   
# 读取数据 
df = pd.read\_csv("result.csv").set\_index("day"
   
# 新建画布 
cnv = nim.Canvas(figsize=(12.8, 7.2), facecolor="#001219"
bar = nim.Barplot( 
    df, "%Y-%m-%d", "3h", post\_update=post\_update, rounded\_edges=True, grid=False, n\_bars=6 
# 标题设置 
bar.set\_title("《狂飙》主要角色热度排行(百度指数)", color="w", weight=600, x=0.15, size=30
# 时间设置 
bar.set\_time( 
    callback=lambda i, datafier: datafier.data.index\[i\].strftime("%Y-%m-%d"), color="w", y=0.2, size=20 
   
# 文字颜色设置 
bar.set\_bar\_annots(color="w", size=13
bar.set\_xticks(colors="w", length=0, labelsize=13
bar.set\_yticks(colors="w", labelsize=13
# 条形图边框设置 
bar.set\_bar\_border\_props( 
    edge\_color="black", pad=0.1, mutation\_aspect=1, radius=0.2, mutation\_scale=0.6 
cnv.add\_plot(bar) 
cnv.animate() 
# 显示 
# plt.show() 
# 保存gif 
cnv.save("kuangbiao", 24, "gif"

执行代码,《狂飙》电视剧角色热度排行的动态条形图就制作好了。

结果如下,看着还不错。

总结 

到此这篇关于Python工具制作的动态条形图的文章就介绍到这了,更多相关Python动态条形图内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

蓄力AI

微信公众号搜索 “ 脚本之家 ” ,选择关注

程序猿的那些事、送书等活动等着你

原文链接:https://blog.csdn.net/m0_59596937/article/details/128894296

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若内容造成侵权/违法违规/事实不符,请将相关资料发送至 reterry123@163.com 进行投诉反馈,一经查实,立即处理!

相关文章

  • python多线程爬取西刺代理的示例代码

    python多线程爬取西刺代理的示例代码

    这篇文章主要介绍了python多线程爬取西刺代理的示例代码,帮助大家更好的理解和学习python的爬虫,感兴趣的朋友可以了解下
    2021-01-01
  • python中关于property的最详细使用方法

    python中关于property的最详细使用方法

    这篇文章主要介绍了python中关于property的最详细使用方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2021-04-04
  • 分享4个Python中的非常好用的自动化脚本

    分享4个Python中的非常好用的自动化脚本

    这篇文章为大家准备了4个很棒的Python自动化脚本,可以解决这些问题。文中的示例代码讲解详细,具有一定的借鉴价值,需要的可以参考一下
    2022-11-11
  • Django 解决阿里云部署同步数据库报错的问题

    Django 解决阿里云部署同步数据库报错的问题

    这篇文章主要介绍了Django 解决阿里云部署同步数据库报错的问题,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-05-05
  • 浅析Python 多行匹配模式

    浅析Python 多行匹配模式

    这篇文章主要介绍了Python 多行匹配模式的相关资料,文中讲解非常细致,代码帮助大家更好的理解和学习,感兴趣的朋友可以了解下
    2020-07-07
  • Python中Selenium模块的使用详解

    Python中Selenium模块的使用详解

    这篇文章主要介绍了Python中Selenium模块的使用详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2020-10-10
  • python实现车辆跟随滑模控制的实例

    python实现车辆跟随滑模控制的实例

    这篇文章主要介绍了python实现车辆跟随滑模控制,采用指数趋近律、等速趋近律、准滑模控制的方法完成车辆跟随问题的仿真,运行结果以图片形式保存在同目录下,需要的朋友可以参考下
    2022-05-05
  • Python3 webservice接口测试代码详解

    Python3 webservice接口测试代码详解

    这篇文章主要介绍了Python3 webservice接口测试代码详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2020-06-06
  • python实现百度语音识别api

    python实现百度语音识别api

    这篇文章主要为大家详细介绍了python实现百度语音识别api,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2018-04-04
  • 使用Python实现XLS和XLSX之间的相互转换

    使用Python实现XLS和XLSX之间的相互转换

    在日常工作中,我们经常需要处理和转换不同格式的Excel文件,以适应不同的需求和软件兼容性,Excel文件的两种常见格式是XLS(Excel 97-2003)和XLSX(Excel 2007及以上版本),本文将详细介绍如何使用Python在XLS和XLSX格式之间进行转换,需要的朋友可以参考下
    2024-09-09

最新评论