Utilisez Python pour dessiner des animations GIF sympas qui surprennent tout le monde

Dans un article précédent, l'éditeur a expliqué comment utiliser ​​gif​​​Module à créer​​gif​​​模块来制作​​gif​​格式的图表，

厉害了，用Python绘制动态可视化图表，并保存成gif格式今天小编再给大家来介绍一种制作​​gif​​​格式图表的新方法，调用的是​​matplotlib​​的相关模块，其中的步骤与方法也是相当地简单易懂。

下载和导入数据库

我们这次用到的数据集是​​bokeh​​模块自带的数据集，通过下面这一行代码直接就可以下载

import bokeh
bokeh.sampledata.download()

然后导入后面要用到的数据集，我们挑选的是指定国家的1950年至今不同年龄阶段的人口所占比重的数据

from bokeh.sampledata.population import data
import numpy as np

data = filter_loc('United States of America')
data.head()

output

先绘制若干张静态的图表

我们可以先绘制若干张静态的图表，然后将这几张图表合成一张​​gif​​格式的动图即可，代码如下

import seaborn as sns
import matplotlib.pyplot as plt
import matplotlib.patheffects as fx

# 绘制图表的函数
def make_plot(year):
    
    # 根据年份来筛选出数据
    df = data[data.Year == year]
        
    # 制作图表
    fig, (ax1, ax2) = plt.subplots(1, 2, sharey = True)
    ax1.invert_xaxis()
    fig.subplots_adjust(wspace = 0) 
    
    ax1.barh(df[df.Sex == 'Male'].AgeGrp, df[df.Sex == 'Male'].percent, label = 'Male')
    ax2.barh(df[df.Sex == 'Female'].AgeGrp, df[df.Sex == 'Female'].percent, label = 'Female', color = 'C1')
    
    country = df.Location.iloc[0]
    if country == 'United States of America': country == 'US'
        
    fig.suptitle(f'......')
    fig.supxlabel('......')
    fig.legend(bbox_to_anchor = (0.9, 0.88), loc = 'upper right')
    ax1.set_ylabel('Age Groups')
    
    return fig

我们自定义了一个绘制图表的函数，其中的参数是年份，逻辑很简单，我们是想根据年份来筛选出数据，然后根据筛选出的数据来绘制图表，每一年的图表不尽相同

years = [i for i in set(data.Year) if i < 2022]
years.sort()

for year in years:
    fig = make_plot(year)
    fig.savefig(f'{year}.jpeg',bbox_inches = 'tight')

output

这样我们就生成了若干张静态的图表，然后集合成​​gif​

sont géniaux. Utilisez Python pour dessiner des graphiques de visualisation dynamique et les enregistrer au format gif. Aujourd'hui, je vais vous présenter une méthode de production.< code style="font. -famille : monospace ; taille de police : hériter ; couleur d'arrière-plan : rgba (0, 0, 0, 0,06) ; remplissage : 0px 2px ; hauteur de ligne : héritage ; ; text-indent: 0px;">​gif​​​Nouvelle méthode de formatage des graphiques, appelant ​​matplotlib​​Pertinent modules, les étapes et les méthodes sont également assez simples et faciles à comprendre.

Téléchargez et importez la base de données

L'ensemble de données que nous avons utilisé cette fois est​​bokeh​​L'ensemble de données fourni avec le module peut être téléchargé directement via la ligne de code suivante

import matplotlib.animation as animation
fig, ax = plt.subplots()
ims = []

for year in years:
    im = ax.imshow(plt.imread(f'{year}.jpeg'), animated = True)
    ims.append([im])

ani = animation.ArtistAnimation(fig, ims, interval=600)
ani.save('us_population.gif')

puis importé pour utilisation ultérieure L'ensemble de données que nous avons sélectionné correspond aux données sur la proportion de la population des différents groupes d'âge dans le pays spécifié de 1950 à nos jours

fig, (ax1, ax2) = plt.subplots(1, 2, sharey = True)
   
df = data[data.Year == 1955]

y_pos = [i for i in range(len(df[df.Sex == 'Male']))]
male = ax1.barh(y_pos, df[df.Sex == 'Male'].percent, label = 'Male',
               tick_label = df[df.Sex == 'Male'].AgeGrp)
female = ax2.barh(y_pos, df[df.Sex == 'Female'].percent, label = 'Female', 
                  color = 'C1', tick_label = df[df.Sex == 'Male'].AgeGrp)

ax1.invert_xaxis()
fig.suptitle('.......')
fig.supxlabel('....... (%)')
fig.legend(bbox_to_anchor = (0.9, 0.88), loc = 'upper right')
ax1.set_ylabel('Age Groups')

output

#🎜🎜 ## 🎜🎜#Dessinez d'abord plusieurs graphiques statiques

Nous pouvons d'abord dessiner plusieurs graphiques statiques, puis combiner ces graphiques en un seul​gif​​ une animation au format suffit, le code est le suivant

def run(year):
    # 通过年份来筛选出数据
    df = data[data.Year == year]
    # 针对不同地性别来绘制
    total_pop = df.Value.sum()
    df['percent'] = df.Value / total_pop * 100
    male.remove()
    y_pos = [i for i in range(len(df[df.Sex == 'Male']))]
    male.patches = ax1.barh(y_pos, df[df.Sex == 'Male'].percent, label = 'Male', 
                     color = 'C0', tick_label = df[df.Sex == 'Male'].AgeGrp)
    female.remove()
    female.patches = ax2.barh(y_pos, df[df.Sex == 'Female'].percent, label = 'Female',
                 
                 color = 'C1', tick_label = df[df.Sex == 'Female'].AgeGrp)

    text.set_text(year)
    return male#, female

Nous avons personnalisé une fonction pour dessiner un graphique, les paramètres sont l'année et la logique C'est très simple . Nous voulons filtrer les données en fonction de l'année, puis dessiner un graphique basé sur les données filtrées. Les graphiques sont différents pour chaque année

ani = animation.FuncAnimation(fig, run, years, blit = True, repeat = True, 
                              interval = 600)
ani.save('文件名.gif')

output#🎜🎜##🎜🎜#< img. src="https://img.php.cn/upload/article/000/887/227/168318834842840.png" alt="Utilisez Python pour dessiner des animations gif sympas, qui étonnent tout le monde" />#🎜 🎜##🎜 🎜#De cette façon, nous avons généré plusieurs graphiques statiques, puis les avons assemblés dans ​​gif​​ Plusieurs graphiques au format, Le code est le suivant. #🎜🎜##🎜🎜#Peut-être qu'après avoir vu cela, certaines personnes pourraient penser que la méthode mentionnée ci-dessus est un peu gênante. Après tout, nous devons d'abord générer des dizaines de graphiques statiques. Si l'espace disque de l'ordinateur est un peu restreint, ou ce n'est pas encore comme ça. Un endroit pour stocker ces dizaines de graphiques. Vous vous demanderez donc si cela peut se faire en une seule étape. Bien sûr, c’est possible. Par exemple, si nous envisageons de tracer la répartition des proportions de population à différents âges de 1950 à 2020, la première étape consiste à tracer la répartition des proportions de population à différents âges en 1950, qui est l’année de départ. Figure, le code est le suivant #🎜🎜#

import matplotlib.animation as animation

# 创建一个新的画布
fig, (ax, ax2, ax3) = plt.subplots(1, 3, figsize = (10, 3))

ims = []
for year in years:
    im = ax.imshow(plt.imread(f'文件1{year}.jpeg'), animated = True)
    im2 = ax2.imshow(plt.imread(f'文件2{year}.jpeg'), animated = True)
    im3 = ax3.imshow(plt.imread(f'文件3{year}.jpeg'), animated = True)
    ims.append([im, im2, im3])

ani = animation.ArtistAnimation(fig, ims, interval=600)
ani.save('comparison.gif')

#🎜🎜#output#🎜🎜##🎜🎜##🎜🎜##🎜🎜##🎜🎜# Ensuite, nous personnalisons une fonction pour dessiner un graphique, où le paramètre est l'année, et le but Le but est de filtrer les données correspondantes par année et de dessiner le graphique correspondant #🎜🎜#

def run(year):
    # 通过年份来筛选出数据
    df = data[data.Year == year]
    # 针对不同地性别来绘制
    total_pop = df.Value.sum()
    df['percent'] = df.Value / total_pop * 100
    male.remove()
    y_pos = [i for i in range(len(df[df.Sex == 'Male']))]
    male.patches = ax1.barh(y_pos, df[df.Sex == 'Male'].percent, label = 'Male', 
                     color = 'C0', tick_label = df[df.Sex == 'Male'].AgeGrp)
    female.remove()
    female.patches = ax2.barh(y_pos, df[df.Sex == 'Female'].percent, label = 'Female',
                 
                 color = 'C1', tick_label = df[df.Sex == 'Female'].AgeGrp)

    text.set_text(year)
    return male#, female

然后我们调用​​animation.FuncAnimation()​​方法，

ani = animation.FuncAnimation(fig, run, years, blit = True, repeat = True, 
                              interval = 600)
ani.save('文件名.gif')

output

这样就可以一步到位生成​​gif​​格式的图表，避免生成数十张繁多地静态图片了。

将若干张​​<span style="color: #2b2b2b;">gif</span>​​动图放置在一张大图当中

最后我们可以将若干张​​gif​​动图放置在一张大的图表当中，代码如下

import matplotlib.animation as animation

# 创建一个新的画布
fig, (ax, ax2, ax3) = plt.subplots(1, 3, figsize = (10, 3))

ims = []
for year in years:
    im = ax.imshow(plt.imread(f'文件1{year}.jpeg'), animated = True)
    im2 = ax2.imshow(plt.imread(f'文件2{year}.jpeg'), animated = True)
    im3 = ax3.imshow(plt.imread(f'文件3{year}.jpeg'), animated = True)
    ims.append([im, im2, im3])

ani = animation.ArtistAnimation(fig, ims, interval=600)
ani.save('comparison.gif')

output

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!