丟掉Excel，手把手教你用Python做可視化數據，還能任意調節動畫絲滑度

作者：Pine 2023-02-01 10:16:50

開發新聞

一個簡單的Python包就能分分鐘搞定！

本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

數據可視化動畫還在用Excel做？

現在一個簡單的Python包就能分分鐘搞定！

而且生成的動畫也足夠絲滑，效果是醬紫的：

這是一位專攻Python語言的程序員開發的安裝包，名叫Pynimate。

目前可以直接通過PyPI安裝使用。

使用指南

想要使用Pynimate，直接import一下就行。

import pynimate as nim

而創建這種動畫，輸入的數據必須是pandas數據結構（如下），其中將時間列設置為索引，換句話說索引代表的是自變量。

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

具體的代碼形式如下：

import pandas as pd
df = pd.read_csv('data'csv').set_index('time')

比如要處理具體的數據，寫成代碼應該是這樣子的。

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，要制作條形數據動畫，Barplot還有三個必需的參數得注意：data、time_format和ip_freq（Interpolation frequency）。

data就是表格的數據，這里也就不再贅述。

time_format是指數據索引的時間日期格式，一般為：”%Y-%m-%d”。

最后是ip_freq，它是制作動畫中比較關鍵的一步，通過線性插值使動畫更加流暢絲滑。

一般來說，并不是所有的原始數據都適合做成動畫，現在一個典型的視頻是24fps，即每秒有24幀。

舉個栗子??，下面這個表格中的數據只有三個時間點，按理說只能生成3幀視頻，最終動畫也只有3/24秒。

time, col1, col2
2012   1     3  
2013   2     2   
2014   3     1

這時候，ip_freq插值（線性）就開始發揮作用了，如果插值是一個季度，則得出的數據就變成了這樣：

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

具體的插值時間間隔為多久，則要視具體的數據而定，一般繪制大數據時，設置為ip_freq = None。

至此，就能生成數據動畫了，完整代碼如下所示：

from matplotlib import pyplot as plt
import pandas as pd
import pynimate as nim

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")

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()