導語
哈嘍吖~鐵汁萌！大家有做過PPT嗎？無論是在學校裡完成課業還是辦公我們一般都需要做PPT~
今天呢小編就打算出一期教大家做動態圖放到PPT當中，讓做好的PPT看上去更高階一些！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。他們的徒弟是怎麼做的？難度大嗎？接下來就告訴你！
正文
這篇文章就介紹了 Python 中一種簡單的動態圖表製作方法，這樣生成的動圖就可以豐富我們的PPT啦~
資料暴增的年代，資料科學家、分析師在被要求對資料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？當然是將資料視覺化啊，而且最好是動態視覺化。
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資料圖表動起來
。
這些動態圖表是用什麼做的？
接觸過資料視覺化的同學應該對 Python 裡的 Matplotlib 庫並不陌生。它是一個基於 Python 的開源資料繪圖包，僅需幾行程式碼就可以幫助開發者生成直方圖、功率譜、條形圖、散點圖等。這個庫裡有個非常實用的擴充套件包——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，後續會展示多個示例。如果是第一次接觸，你可以將這個函式簡單地理解為一個 While 迴圈，不停地在 “畫布” 重新繪製目標資料圖。
如何使用 FuncAnimation？
這個過程始於以下兩行程式碼：
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 「繪製圖表」的 figure 物件；
chartfunc 是一個以數字為輸入的函式，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，預設值為 200。
這是三個關鍵輸入，當然還有更多可選輸入，感興趣的讀者可檢視原文件，這裡不再贅述。
下一步要做的就是將資料圖表引數化，從而轉換為一個函式，然後將該函式時間序列中的點作為輸入，設定完成後就可以正式開始了。
在開始之前依舊需要確認你是否對基本的資料視覺化有所瞭解。也就是說，我們先要將資料進行視覺化處理，然後再進行動態處理。
按照以下程式碼進行基本呼叫。另外，這裡將採用大型流行病的傳播資料作為案例資料（包括每天的死亡人數）。
import matplotlib。animation as aniimport matplotlib。pyplot as pltimport numpy as npimport 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）
繪製三種常見動態圖表
繪製動態線型圖
如下所示，首先需要做的第一件事是定義圖的各項，這些基礎項設定之後就會保持不變。它們包括：建立 figure 物件，x 標和 y 標，設定線條顏色和 figure 邊距等：
import numpy as npimport matplotlib。pyplot as pltcolor = ［‘red’， ‘green’， ‘blue’， ‘orange’］fig = plt。figure（）plt。xticks（rotation=45， ha=“right”， rotation_mode=“anchor”） #rotate the x-axis valuesplt。subplots_adjust（bottom = 0。2， top = 0。9） #ensuring the dates （on the x-axis） fit in the screenplt。ylabel（‘No of Deaths’）plt。xlabel（‘Dates’）
接下來設定 curve 函式，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 anianimator = ani。FuncAnimation（fig， buildmebarchart， interval = 100）plt。show（）
動態餅狀圖
可以觀察到，其程式碼結構看起來與線型圖並無太大差異，但依舊有細小的差別。
import numpy as npimport 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 Deaths\n’ + str（df1。index［min（ i， len（df1。index）-1 ）］。strftime（‘%y-%m-%d’））， fontsize=12）import matplotlib。animation as anianimator = ani。FuncAnimation（fig， getmepie， interval = 200）plt。show（）
主要區別在於，動態餅狀圖的程式碼每次迴圈都會返回一組數值，但線上型圖中返回的是我們所在點之前的整個時間序列。返回時間序列透過 df1。head（i） 來實現，而。 max（）則保證了我們僅獲得最新的資料，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
建立動態條形圖的難度與上述兩個案例並無太大差別。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型別並定義變數欄。
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（）
在製作完成後，儲存這些動態圖就非常簡單了，可直接使用以下程式碼：
animator。save（r‘C：\temp\myfirstAnimation。gif’）
end
好啦這期就分享到這裡結束了！希望對你們有幫助，喜歡的話記得給小編個三連噢~家人們的支援是小編更新最大的動力
想領取完整原始碼跟更多Python學習資料可私信我“666”
