丢掉Excel，手把手教你用Python做可视化，还能调节动画丝滑度

• 2023-01-27 22:57:47来源：量子位

Pine 发自 凹非寺

量子位 | 公众号 QbitAI

数据可视化动画还在用Excel做？

(相关资料图)

现在一个简单的Python包就能分分钟搞定！

而且生成的动画也足够丝滑，效果是酱紫的：

这是一位专攻Python语言的程序员开发的安装包，名叫 Pynimate 。

目前可以直接通过PyPI安装使用。

使用指南

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, col32012   1     2     12013   1     1     22014   2     1.5   32015   2.5   2     3.5

具体的代码形式如下：

import pandas as pddf = pd.read_csv("data"csv").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_freq （Interpolation 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。

举个栗子，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, col22012   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  col22012-01-01  1.00  3.002012-04-01  1.25  2.752012-07-01  1.50  2.502012-10-01  1.75  2.252013-01-01  2.00  2.002013-04-01  2.25  1.752013-07-01  2.50  1.502013-10-01  2.75  1.252014-01-01  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 pltimport pandas as pdimport 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(callback=lambda 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

或者：

conda install ffmpeg

当然，同样也可以使用Canvas.save()来保存。

cnv.save(\"file\", 24 ,\"mp4\")

作者介绍

julkar9 ，Python/Flutter 开发人员，研究的方向为 数据分析与可视化 。

小哥表示，Pynimate还会不断更新，目前正在接受大家的反馈，之后还会上线等值区域图等功能。

他还开发了一个应用程序：Chatmetry，同样也与数据统计有关，是一个用于创建whatsapp聊天统计数据的机器人应用程序。

这个程序可以从导出的聊天中生成各种统计信息，同时支持个人和群组聊天，并且是完全离线的，既不会保存也不会共享。

传送门： https://julkaar9.github.io/pynimate/

— 完 —

量子位 QbitAI · 头条号签约

关注我们，第一时间获知前沿科技动态

标签： 应用程序 数据结构 动画效果

延伸阅读

推荐阅读

猜您喜欢