动画是使可视化更具吸引力和用户吸引力的好方法。它帮助我们以有意义的方式展示数据可视化。Python 帮助我们使用现有的强大 Python 库创建动画可视化。Matplotlib是一个非常流行的数据可视化库,通常用于数据的图形表示以及使用内置函数的动画。
直接跳到末尾 去评论区领书
使用 Matplotlib 创建动画有两种方法:
在暂停()的matplotlib库的pyplot模块在功能上用于暂停为参数提到间隔秒。考虑下面的示例,我们将使用 matplotlib 创建一个简单的线性图并在其中显示动画:
创建 2 个数组 X 和 Y,并存储从 1 到 100 的值。
使用 plot() 函数绘制 X 和 Y。
以合适的时间间隔添加 pause() 函数
运行程序,你会看到动画。
Python
from matplotlib import pyplot as plt x = []y = [] for i in range(100): x.append(i) y.append(i) # 提及 x 和 y 限制以定义其范围 plt.xlim(0, 100) plt.ylim(0, 100) # 绘制图形 plt.plot(x, y, color = "green") plt.pause(0.01) plt.show()
输出 :
同样,你也可以使用 pause() 函数在各种绘图中创建动画。
这个FuncAnimation() 函数不会自己创建动画,而是从我们传递的一系列图形中创建动画。
语法: FuncAnimation(figure, animation_function, frames=None, init_func=None, fargs=None, save_count=None, *, cache_frame_data=True,
**kwargs)
现在您可以使用 FuncAnimation 函数制作多种类型的动画:
在这个例子中,我们将创建一个简单的线性图,它将显示一条线的动画。同样,使用 FuncAnimation,我们可以创建多种类型的动画视觉表示。我们只需要在一个函数中定义我们的动画,然后用合适的参数将它传递给FuncAnimation。
Python
from matplotlib import pyplot as pltfrom matplotlib.animation import FuncAnimationimport numpy as np x = []y = [] figure, ax = plt.subplots() # 设置 x 和 y 轴的限制ax.set_xlim(0, 100)ax.set_ylim(0, 12) # 绘制单个图形line, = ax.plot(0, 0) def animation_function(i): x.append(i * 15) y.append(i) line.set_xdata(x) line.set_ydata(y) return line, animation = FuncAnimation(figure, func = animation_function, frames = np.arange(0, 10, 0.1), interval = 10)plt.show()
输出:
在此示例中,我们将创建一个简单的条形图动画,它将显示每个条形的动画。
Python
from matplotlib import pyplot as pltfrom matplotlib.animation import FuncAnimation, writersimport numpy as npplt.rcParams["font.sans-serif"] = ["Microsoft YaHei"] fig = plt.figure(figsize = (7,5))axes = fig.add_subplot(1,1,1)axes.set_ylim(0, 300)palette = ["blue", "red", "green", "darkorange", "maroon", "black"]y1, y2, y3, y4, y5, y6 = [], [], [], [], [], []def animation_function(i): y1 = i y2 = 6 * i y3 = 3 * i y4 = 2 * i y5 = 5 * i y6 = 3 * i plt.xlabel("国家") plt.ylabel("国家GDP") plt.bar(["印度", "中国", "德国", "美国", "加拿大", "英国"], [y1, y2, y3, y4, y5, y6], color = palette)plt.title("条形图动画")animation = FuncAnimation(fig, animation_function, interval = 50)plt.show()
输出:
在这个例子中,我们将使用随机函数在 python 中动画散点图。我们将遍历animation_func并在迭代时绘制 x 和 y 轴的随机值。
from matplotlib import pyplot as pltfrom matplotlib.animation import FuncAnimationimport randomimport numpy as npx = []y = []colors = []fig = plt.figure(figsize=(7,5))def animation_func(i): x.append(random.randint(0,100)) y.append(random.randint(0,100)) colors.append(np.random.rand(1)) area = random.randint(0,30) * random.randint(0,30) plt.xlim(0,100) plt.ylim(0,100) plt.scatter(x, y, c = colors, s = area, alpha = 0.5)animation = FuncAnimation(fig, animation_func, interval = 100)plt.show()
输出:
在这里,我们将使用城市数据集中的最高人口绘制条形图竞赛。
不同的城市会有不同的条形图,条形图追赶将从 1990 年到 2018 年迭代。
我从人口最多的数据集中选择了最高城市的国家。
需要用到的数据集可以从这里下载:city_populations
Python
import pandas as pdimport matplotlib.pyplot as pltimport matplotlib.ticker as tickerfrom matplotlib.animation import FuncAnimation plt.rcParams["font.sans-serif"] = ["Microsoft YaHei"] df = pd.read_csv("city_populations.csv", usecols=["name", "group", "year", "value"]) colors = dict(zip(["India","Europe","Asia", "Latin America","Middle East", "North America","Africa"], ["#adb0ff", "#ffb3ff", "#90d595", "#e48381", "#aafbff", "#f7bb5f", "#eafb50"])) group_lk = df.set_index("name")["group"].to_dict() def draw_barchart(year): dff = df[df["year"].eq(year)].sort_values(by="value", ascending=True).tail(10) ax.clear() ax.barh(dff["name"], dff["value"], color=[colors[group_lk[x]] for x in dff["name"]]) dx = dff["value"].max() / 200 for i, (value, name) in enumerate(zip(dff["value"], dff["name"])): ax.text(value-dx, i, name, size=14, weight=600, ha="right", va="bottom") ax.text(value-dx, i-.25, group_lk[name], size=10, color="#444444", ha="right", va="baseline") ax.text(value+dx, i, f"{value:,.0f}", size=14, ha="left", va="center") ax.text(1, 0.4, year, transform=ax.transAxes, color="#777777", size=46, ha="right", weight=800) ax.text(0, 1.06, "Population (thousands)", transform=ax.transAxes, size=12, color="#777777") ax.xaxis.set_major_formatter(ticker.StrMethodFormatter("{x:,.0f}")) ax.xaxis.set_ticks_position("top") ax.tick_params(axis="x", colors="#777777", labelsize=12) ax.set_yticks([]) ax.margins(0, 0.01) ax.grid(which="major", axis="x", linestyle="-") ax.set_axisbelow(True) ax.text(0, 1.12, "从 1500 年到 2018 年世界上人口最多的城市", transform=ax.transAxes, size=24, weight=600, ha="left") ax.text(1, 0, "by haiyong.site | 海拥", transform=ax.transAxes, ha="right", color="#777777", bbox=dict(facecolor="white", alpha=0.8, edgecolor="white")) plt.box(False) plt.show() fig, ax = plt.subplots(figsize=(15, 8))animator = FuncAnimation(fig, draw_barchart, frames = range(1990, 2019))plt.show()
输出:
? 欢迎大家在评论区提出意见和建议!(抽两位幸运儿送书,实物图如下)?
《机器学习入门:基于数学原理的Python实战》
简介:理论性与实用性兼备,既可作为初学者的入门书籍,也可作为求职者的面试宝典,更可作为职场人士转岗的实用手册。本书适合需要全面学习机器学习算法的初学者、希望掌握机器学习算法数学理论的程序员、想转行从事机器学习算法的专业人员、对机器学习算法兴趣浓厚的人员、专业培训机构学员和希望提高 Python 编程水平的程序员。
优点:
?1.与周志华编写的《机器学习》相比,本书多了对算法的数学原理详细严谨的推导。
?2.与李锐翻译的《机器学习实战》相比,本书多了用面向对象思想将算法模块化,并且书中代码在Python 3 环境下运行。
?3.为了照顾初学者,本书补充了全书涉及的高等数学、线性代数、概率论与数理统计、Jessen不等式等数学基础知识。
也有不想抽奖自己买的同学可以参考下面的链接
京东自营购买链接:
《机器学习入门:基于数学原理的Python实战》(戴璞微,潘斌)【摘要 书评 试读】- 京东图书
当当自营购买链接:
《机器学习入门:基于数学原理的Python实战》(戴璞微)【简介_书评_在线阅读】 - 当当图书
? 注意:
大家点赞关注,三天后也就是 9月28日 从评论区留言的同学中抽取两位送书
? 行业资料:精品PPT模板几千套,简历模板一千多套
? 面试题库:Java核心知识点大全和面试真题资料
? 学习资料:2300套PHP建站源码,微信小程序入门资料,Python全集(400集)
如果中奖了联系不上则视为放弃,可以从下方公众号里找到作者的联系方式,回复【资源】获取上面的资料??????
文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。
转载请注明本文地址:https://www.ucloud.cn/yun/121147.html
作者:海拥 主页:https://haiyong.blog.csdn.net/ Pygame是一组跨平台的 Python 模块,专为编写视频游戏而设计。它包括旨在与 Python 编程语言一起使用的计算机图形和声音库。您可以使用 pygame 创建不同类型的游戏,包括街机游戏、平台游戏等等。 使用的图像: 你可以控制玩家的移动。为此,首先使用 pygame 的 display.set...
☀️苏州程序大白一文从基础手把手教你Python数据可视化大佬☀️《❤️记得收藏❤️》 目录 ?️?开讲啦!!!!?️?苏州程序大白?️??博主介绍前言数据关系可视化散点图 Scatter plots折线图强调连续性 Emphasizing continuity with line plots同时显示多了图表 数据种类的可视化 Plotting with categorical da...
摘要:文章目录情景再现本文关键词挑个软柿子单页爬取数据处理翻页操作撸代码主调度函数页面抓取函数解析保存函数可视化颜色分布评价词云图源码获取方式情景再现今日天气尚好,女友忽然欲买文胸,但不知何色更美,遂命吾剖析何色买者益众,为点议,事后而奖励之。 ...
阅读 2451·2023-04-26 02:47
阅读 2965·2023-04-26 00:42
阅读 846·2021-10-12 10:12
阅读 1344·2021-09-29 09:35
阅读 1653·2021-09-26 09:55
阅读 425·2019-08-30 14:00
阅读 1511·2019-08-29 12:57
阅读 2333·2019-08-28 18:00