Python做可视化数据还是非常丝滑的

lsekfe

数据可视化动画还在用Excel做？
　　现在一个简单的Python包就能分分钟搞定！
　　而且生成的动画也足够丝滑，效果是酱紫的：

　　这是一位专攻Python语言的程序员开发的安装包，名叫Pynimate。
　　目前可以直接通过PyPI安装使用。

　　使用指南
　　想要使用Pynimate，直接import一下就行。

1. 　import pynimate as nim

复制代码

而创建这种动画，输入的数据必须是pandas数据结构（如下），其中将时间列设置为索引，换句话说索引代表的是自变量。

1. time, col1, col2, col3
   
2. 　　2012   1     2     1
   
3. 　　2013   1     1     2
   
4. 　　2014   2     1.5   3
   
5. 　　2015   2.5   2     3.5

复制代码

具体的代码形式如下：

1. import pandas as pd
   
2. 　　df = pd.read_csv('data'csv').set_index('time')

复制代码

比如要处理具体的数据，写成代码应该是这样子的。

1. 　df = pd.DataFrame(
   
2. 　　    {
   
3. 　　        "time": ["1960-01-01", "1961-01-01", "1962-01-01"],
   
4. 　　        "Afghanistan": [1, 2, 3],
   
5. 　　        "Angola": [2, 3, 4],
   
6. 　　        "Albania": [1, 2, 5],
   
7. 　　        "USA": [5, 3, 4],
   
8. 　　        "Argentina": [1, 4, 5],
   
9. 　　    }
   
10. 　　).set_index("time")

复制代码

此外，要制作条形数据动画，Barplot还有三个必需的参数得注意：data、time_format和ip_freq（Interpolation frequency）。
　　data就是表格的数据，这里也就不再赘述。
　　time_format是指数据索引的时间日期格式，一般为：”%Y-%m-%d”。
　　最后是ip_freq，它是制作动画中比较关键的一步，通过线性插值使动画更加流畅丝滑。
　　一般来说，并不是所有的原始数据都适合做成动画，现在一个典型的视频是24fps，即每秒有24帧。
　　举个栗子，下面这个表格中的数据只有三个时间点，按理说只能生成3帧视频，最终动画也只有3/24秒。

1. 　time, col1, col2
   
2. 　　2012   1     3  
   
3. 　　2013   2     2   
   
4. 　　2014   3     1

复制代码

这时候，ip_freq插值（线性）就开始发挥作用了，如果插值是一个季度，则得出的数据就变成了这样：

1. time     col1  col2
   
2. 　　2012-01-01  1.00  3.00
   
3. 　　2012-04-01  1.25  2.75
   
4. 　　2012-07-01  1.50  2.50
   
5. 　　2012-10-01  1.75  2.25
   
6. 　　2013-01-01  2.00  2.00
   
7. 　　2013-04-01  2.25  1.75
   
8. 　　2013-07-01  2.50  1.50
   
9. 　　2013-10-01  2.75  1.25
   
10. 　　2014-01-01  3.00  1.00

复制代码

具体的插值时间间隔为多久，则要视具体的数据而定，一般绘制大数据时，设置为ip_freq = None。
　　至此，就能生成数据动画了，完整代码如下所示：

1. from matplotlib import pyplot as plt
   
2. 　　import pandas as pd
   
3. 　　import pynimate as nim
   
4. 　　df = pd.DataFrame(
   
5. 　　    {
   
6. 　　        "time": ["1960-01-01", "1961-01-01", "1962-01-01"],
   
7. 　　        "Afghanistan": [1, 2, 3],
   
8. 　　        "Angola": [2, 3, 4],
   
9. 　　        "Albania": [1, 2, 5],
   
10. 　　        "USA": [5, 3, 4],
    
11. 　　        "Argentina": [1, 4, 5],
    
12. 　　    }
    
13. 　　).set_index("time")
    
14. 　　cnv = nim.Canvas()
    
15. 　　bar = nim.Barplot(df, "%Y-%m-%d", "2d")
    
16. 　　bar.set_time(callback=lambda i, datafier: datafier.data.index[i].year)
    
17. 　　cnv.add_plot(bar)
    
18. 　　cnv.animate()
    
19. 　　plt.show()

复制代码

这是插值为两天，生成的动画效果。

　　最后还有一个问题，那就是保存动画，有两个格式可以选择：gif或者mp4。
　　保存为动图一般使用：

1. 　　cnv.save("file", 24, "gif")
   

复制代码

若要保存为mp4的话，ffmpeg是个不错的选择，它是保存为mp4的标准编写器。

1. 　　 pip install ffmpeg-python
   

复制代码

或者：
　　conda install ffmpeg

　　当然，同样也可以使用Canvas.save()来保存。
　　cnv.save("file", 24 ,"mp4")