❤️【python入门项目】在 Python 中创建条形图追赶动画(评论区送书)❤️

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：

• 使用 pause() 函数
• 使用 FuncAnimation() 函数

? 方法一：使用 pause() 函数

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。

? 方法二：使用 FuncAnimation() 函数

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：

? 线性图动画：

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：

? Python 中的条形图追赶动画

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：

? Python 中的散点图动画：

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：

? 条形图追赶的水平移动：

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：

? 评论区抽粉丝送书啦

? 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??????