一款Python工具制作的动态条形图(强烈推荐!)
作者:Python数据开发 时间:2021-07-21 17:38:18
前言
大家好,说起动态条形图,之前推荐过两个 Python 库,比如Bar Chart Race、Pandas_Alive,都可以实现。今天就给大家再介绍一个新更加棒的工具。
这款新的Python库pynimate,一样可以制作动态条形图,而且样式更好看。
GitHub地址:
https://github.com/julkaar9/pynimate
文档地址:https://julkaar9.github.io/pynimate/
方法如下
首先使用pip安装这个库,注意Python版本要大于等于3.9。
# 安装pynimate
pip install pynimate -i https://pypi.tuna.tsinghua.edu.cn/simple
其中pynimate使用pandas数据帧格式,时间列设置为索引index。
time, col1, col2, col3
2012 1 2 1
2013 1 1 2
2014 2 1.5 3
2015 2.5 2 3.5
然后来看两个官方示例。
第一个示例比较简单,代码如下。
from matplotlib import pyplot as plt
import pandas as pd
import pynimate as nim
# 数据格式+索引
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")
# Canvas类是动画的基础
cnv = nim.Canvas()
# 使用Barplot模块创建一个动态条形图, 插值频率为2天
bar = nim.Barplot(df, "%Y-%m-%d", "2d")
# 使用了回调函数, 返回以月、年为单位格式化的datetime
bar.set\_time(callback=lambda i, datafier: datafier.data.index\[i\].year)
# 将条形图添加到画布中
cnv.add\_plot(bar)
cnv.animate()
plt.show()
Canvas类是动画的基础,它会处理matplotlib图、子图以及创建和保存动画。
Barplot模块创建动态条形图,有三个必传参数,data、time_format、ip_freq。
分别为数据、时间格式、插值频率(控制刷新频率)。
效果如下,就是一个简单的动态条形图。
我们还可以将结果保存为GIF或者是mp4,其中mp4需要安装ffmpeg。
# 保存gif, 1秒24帧
cnv.save("file", 24, "gif")
# 电脑安装好ffmpeg后, 安装Python库
pip install ffmpeg-python
# 保存mp4, 1秒24帧
cnv.save("file", 24 ,"mp4")
第二个示例相对复杂一些,可以自定义参数,样式设置成深色模式。
from matplotlib import pyplot as plt
import numpy as np
import pandas as pd
import pynimate as nim
# 更新条形图
def post\_update(ax, i, datafier, bar\_attr):
ax.spines\["top"\].set\_visible(False)
ax.spines\["right"\].set\_visible(False)
ax.spines\["bottom"\].set\_visible(False)
ax.spines\["left"\].set\_visible(False)
ax.set\_facecolor("#001219")
for bar, x, y in zip(
bar\_attr.top\_bars,
bar\_attr.bar\_length,
bar\_attr.bar\_rank,
):
ax.text(
x - 0.3,
y,
datafier.col\_var.loc\[bar, "continent"\],
ha="right",
color="k",
size=12,
)
# 读取数据
df = pd.read\_csv("sample.csv").set\_index("time")
# 分类
col = pd.DataFrame(
{
"columns": \["Afghanistan", "Angola", "Albania", "USA", "Argentina"\],
"continent": \["Asia", "Africa", "Europe", "N America", "S America"\],
}
).set\_index("columns")
# 颜色
bar\_cols = {
"Afghanistan": "#2a9d8f",
"Angola": "#e9c46a",
"Albania": "#e76f51",
"USA": "#a7c957",
"Argentina": "#e5989b",
}
# 新建画布
cnv = nim.Canvas(figsize=(12.8, 7.2), facecolor="#001219")
bar = nim.Barplot(
df, "%Y-%m-%d", "3d", post\_update=post\_update, rounded\_edges=True, grid=False
)
# 条形图分类
bar.add\_var(col\_var=col)
# 条形图颜色
bar.set\_bar\_color(bar\_cols)
# 标题设置
bar.set\_title("Sample Title", color="w", weight=600)
# x轴设置
bar.set\_xlabel("xlabel", color="w")
# 时间设置
bar.set\_time(
callback=lambda i, datafier: datafier.data.index\[i\].strftime("%b, %Y"), color="w"
)
# 文字显示
bar.set\_text(
"sum",
callback=lambda i, datafier: f"Total :{np.round(datafier.data.iloc\[i\].sum(),2)}",
size=20,
x=0.72,
y=0.20,
color="w",
)
# 文字颜色设置
bar.set\_bar\_annots(color="w", size=13)
bar.set\_xticks(colors="w", length=0, labelsize=13)
bar.set\_yticks(colors="w", labelsize=13)
# 条形图边框设置
bar.set\_bar\_border\_props(
edge\_color="black", pad=0.1, mutation\_aspect=1, radius=0.2, mutation\_scale=0.6
)
cnv.add\_plot(bar)
cnv.animate()
# 显示
# plt.show()
# 保存gif
cnv.save("example3", 24, "gif")
效果如下,可以看出比上面的简单示例好看了不少。
另外作者还提供了相关的接口文档。
帮助我们理解学习,如何去自定义参数设置。
包含画布设置、保存设置、条形图设置、数据设置等等。
下面我们就通过获取电视剧狂飙角色的百度指数数据,来制作一个动态条形图。
先对网页进行分析,账号登陆百度指数,搜索关键词「高启强」,查看数据情况。
发现数据经过js加密,所以需要对获取到的数据进行解析。
使用了一个开源的代码,分分钟就搞定数据问题。
具体代码如下,其中「cookie值」需要替换成你自己的。
import datetime
import requests
import json
word\_url = 'http://index.baidu.com/api/SearchApi/thumbnail?area=0&word={}'
def get\_html(url):
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.82 Safari/537.36",
"Host": "index.baidu.com",
"Referer": "http://index.baidu.com/v2/main/index.html",
"Cipher-Text": "1652425237825\_1652501356206\_VBpwl9UG8Dvs2fAi91KToRTSAP7sDsQU5phHL97raPDFJdYz3fHf9hBAQrGGCs+qJoP7yb44Uvf91F7vqJLVL0tKnIWE+W3jXAI30xx340rhcwUDQZ162FPAe0a1jsCluJRmMLZtiIplubGMW/QoE/0Pw+2caH39Ok8IsudE4wGLBUdYg1/bKl4MGwLrJZ7H6wbhR0vT5X0OdCX4bMJE7vcwRCSGquRjam03pWDGZ51X15fOlO0qMZ2kqa3BmxwNlfEZ81l3L9nZdrc3/Tl4+mNpaLM7vA5WNEQhTBoDVZs6GBRcJc/FSjd6e4aFGAiCp1Y8MD66chTiykjIN51s7gbJ44JfVS0NjBnsvuF55bs="
}
cookies = {
'Cookie': 你的cookie
}
response = requests.get(url, headers=headers, cookies=cookies)
return response.text
def decrypt(t, e):
n = list(t)
i = list(e)
a = {}
result = \[\]
ln = int(len(n) / 2)
start = n\[ln:\]
end = n\[:ln\]
for j, k in zip(start, end):
a.update({k: j})
for j in e:
result.append(a.get(j))
return ''.join(result)
def get\_ptbk(uniqid):
url = 'http://index.baidu.com/Interface/ptbk?uniqid={}'
resp = get\_html(url.format(uniqid))
return json.loads(resp)\['data'\]
def get\_data(keyword, start='2011-01-02', end='2023-01-02'):
url = "https://index.baidu.com/api/SearchApi/index?area=0&word=\[\[%7B%22name%22:%22{}%22,%22wordType%22:1%7D\]\]&startDate={}&endDate={}".format(keyword, start, end)
data = get\_html(url)
data = json.loads(data)
uniqid = data\['data'\]\['uniqid'\]
data = data\['data'\]\['userIndexes'\]\[0\]\['all'\]\['data'\]
ptbk = get\_ptbk(uniqid)
result = decrypt(ptbk, data)
result = result.split(',')
start = start\_date.split("-")
end = end\_date.split("-")
a = datetime.date(int(start\[0\]), int(start\[1\]), int(start\[2\]))
b = datetime.date(int(end\[0\]), int(end\[1\]), int(end\[2\]))
node = 0
for i in range(a.toordinal(), b.toordinal()):
date = datetime.date.fromordinal(i)
print(date, result\[node\])
node += 1
with open('data.csv', 'a+') as f:
f.write(keyword + ',' + date.strftime('%Y-%m-%d') + ',' + result\[node\] + '\\n')
if \_\_name\_\_ == '\_\_main\_\_':
names = \['唐小龙', '孟德海', '孟钰', '安欣', '安长林', '徐忠', '徐江', '曹闯', '李响', '李宏伟', '李有田', '杨健', '泰叔', '赵立冬', '过山峰', '陆寒', '陈书婷', '高启兰', '高启强', '高启盛', '高晓晨'\]
for keyword in names:
start\_date = "2023-01-14"
end\_date = "2023-02-04"
get\_data(keyword, start\_date, end\_date)
爬取数据情况如下,一共是400多条,其中有空值存在。
然后就是转换成pynimate所需的数据格式。
对数据进行数据透视表操作,并且将空值数据填充为0。
import pandas as pd
# 读取数据
df = pd.read\_csv('data.csv', encoding='utf-8', header=None, names=\['name', 'day', 'number'\])
# 数据处理,数据透视表
df\_result = pd.pivot\_table(df, values='number', index=\['day'\], columns=\['name'\], fill\_value=0)
# 保存
df\_result.to\_csv('result.csv')
保存文件,数据情况如下。
使用之前深色模式的可视化代码,并略微修改。
比如设置条形图数量(n_bars)、标题字体大小及位置、中文显示等等。
from matplotlib import pyplot as plt
import pandas as pd
import pynimate as nim
# 中文显示
plt.rcParams\['font.sans-serif'\] = \['SimHei'\] #Windows
plt.rcParams\['font.sans-serif'\] = \['Hiragino Sans GB'\] #Mac
plt.rcParams\['axes.unicode\_minus'\] = False
# 更新条形图
def post\_update(ax, i, datafier, bar\_attr):
ax.spines\["top"\].set\_visible(False)
ax.spines\["right"\].set\_visible(False)
ax.spines\["bottom"\].set\_visible(False)
ax.spines\["left"\].set\_visible(False)
ax.set\_facecolor("#001219")
# 读取数据
df = pd.read\_csv("result.csv").set\_index("day")
# 新建画布
cnv = nim.Canvas(figsize=(12.8, 7.2), facecolor="#001219")
bar = nim.Barplot(
df, "%Y-%m-%d", "3h", post\_update=post\_update, rounded\_edges=True, grid=False, n\_bars=6
)
# 标题设置
bar.set\_title("《狂飙》主要角色热度排行(百度指数)", color="w", weight=600, x=0.15, size=30)
# 时间设置
bar.set\_time(
callback=lambda i, datafier: datafier.data.index\[i\].strftime("%Y-%m-%d"), color="w", y=0.2, size=20
)
# 文字颜色设置
bar.set\_bar\_annots(color="w", size=13)
bar.set\_xticks(colors="w", length=0, labelsize=13)
bar.set\_yticks(colors="w", labelsize=13)
# 条形图边框设置
bar.set\_bar\_border\_props(
edge\_color="black", pad=0.1, mutation\_aspect=1, radius=0.2, mutation\_scale=0.6
)
cnv.add\_plot(bar)
cnv.animate()
# 显示
# plt.show()
# 保存gif
cnv.save("kuangbiao", 24, "gif")
执行代码,《狂飙》电视剧角色热度排行的动态条形图就制作好了。
结果如下,看着还不错。
总结
来源:https://blog.csdn.net/m0_59596937/article/details/128894296