- 当前位置：首页 >IT科技类资讯 >对不起，你的PPT数据不够直观，你可能需要让数据动起来
对不起，你的PPT数据不够直观，你可能需要让数据动起来
发布时间：2025-11-05 04:09:20 来源：云智核 作者：人工智能
在读技术博客的起的起过程中，我们会发现那些能够把知识、据不据动成果讲透的够直观博主很多都会做动态图表。他们的让数图是怎么做的？难度大吗？这篇文章就介绍了 Python 中一种简单的动态图表制作方法。
数据暴增的起的起年代，数据科学家、据不据动分析师在被要求对数据有更深的够直观理解与分析的同时，还需要将结果有效地传递给他人。让数如何让目标听众更直观地理解？起的起当然是将数据可视化啊，而且最好是据不据动动态可视化。
本文将以线型图、够直观条形图和饼图为例，让数系统地讲解如何让你的起的起数据图表动起来。
这些动态图表是据不据动用什么做的？
接触过数据可视化的同学应该对 Python 里的 Matplotlib 库并不陌生。站群服务器它是够直观一个基于 Python 的开源数据绘图包，仅需几行代码就可以帮助开发者生成直方图、功率谱、条形图、散点图等。这个库里有个非常实用的扩展包——FuncAnimation，可以让我们的静态图表动起来。
FuncAnimation 是 Matplotlib 库中 Animation 类的一部分，后续会展示多个示例。如果是首次接触，你可以将这个函数简单地理解为一个 While 循环，不停地在 “画布” 上重新绘制目标数据图。
如何使用 FuncAnimation？
这个过程始于以下两行代码：
import matplotlib.animation as ani animator = ani.FuncAnimation(fig, chartfunc, interval = 100)从中我们可以看到 FuncAnimation 的几个输入：
fig 是用来 「绘制图表」的 figure 对象； chartfunc 是一个以数字为输入的函数，其含义为时间序列上的时间； interval 这个更好理解，是帧之间的间隔延迟，以毫秒为单位，默认值为 200。这是云服务器三个关键输入，当然还有更多可选输入，感兴趣的读者可查看原文档，这里不再赘述。
下一步要做的就是将数据图表参数化，从而转换为一个函数，然后将该函数时间序列中的点作为输入，设置完成后就可以正式开始了。
在开始之前依旧需要确认你是否对基本的数据可视化有所了解。也就是说，我们先要将数据进行可视化处理，再进行动态处理。
按照以下代码进行基本调用。另外，这里将采用大型流行病的传播数据作为案例数据（包括每天的死亡人数）。
import matplotlib.animation as ani import matplotlib.pyplot as plt import numpy as np import pandas as pdurl = https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_deaths_global.csv df = pd.read_csv(url, delimiter=,, header=infer)df_interest = df.loc[ df[Country/Region].isin([United Kingdom, US, Italy, Germany]) & df[Province/State].isna()]df_interest.rename( index=lambda x: df_interest.at[x, Country/Region], inplace=True) df1 = df_interest.transpose()df1 = df1.drop([Province/State, Country/Region, Lat, Long]) df1 = df1.loc[(df1 != 0).any(1)] df1.index = pd.to_datetime(df1.index)绘制三种常见动态图表
绘制动态线型图
如下所示，首先需要做的第一件事是定义图的各项，这些基础项设定之后就会保持不变。它们包括：创建 figure 对象，x 标和 y 标，设置线条颜色和 figure 边距等：
import numpy as np import matplotlib.pyplot as pltcolor = [red, green, blue, orange] fig = plt.figure() plt.xticks(rotation=45, ha="right", rotation_mode="anchor") #rotate the x-axis values plt.subplots_adjust(bottom = 0.2, top = 0.9) #ensuring the dates (on the x-axis) fit in the screen plt.ylabel(No of Deaths) plt.xlabel(Dates)接下来设置 curve 函数，网站模板进而使用 .FuncAnimation 让它动起来：
def buildmebarchart(i=int): plt.legend(df1.columns) p = plt.plot(df1[:i].index, df1[:i].values) #note it only returns the dataset, up to the point i for i in range(0,4): p[i].set_color(color[i]) #set the colour of each curveimport matplotlib.animation as ani animator = ani.FuncAnimation(fig, buildmebarchart, interval = 100) plt.show()动态饼状图
可以观察到，其代码结构看起来与线型图并无太大差异，但依旧有细小的差别。
import numpy as np import matplotlib.pyplot as pltfig,ax = plt.subplots() explode=[0.01,0.01,0.01,0.01] #pop out each slice from the piedef getmepie(i): def absolute_value(val): #turn % back to a number a = np.round(val/100.*df1.head(i).max().sum(), 0) return int(a) ax.clear() plot = df1.head(i).max().plot.pie(y=df1.columns,autopct=absolute_value, label=,explode = explode, shadow = True) plot.set_title(Total Number of Deathsn + str(df1.index[min( i, len(df1.index)-1 )].strftime(%y-%m-%d)), fontsize=12)import matplotlib.animation as ani animator = ani.FuncAnimation(fig, getmepie, interval = 200) plt.show()主要区别在于，动态饼状图的代码每次循环都会返回一组数值，但在线型图中返回的是我们所在点之前的整个时间序列。返回时间序列通过 df1.head(i) 来实现，而. max()则保证了我们仅获得最新的数据，因为流行病导致死亡的总数只有两种变化：维持现有数量或持续上升。
df1.head(i).max()动态条形图
创建动态条形图的难度与上述两个案例并无太大差别。在这个案例中，作者定义了水平和垂直两种条形图，读者可以根据自己的实际需求来选择图表类型并定义变量栏。
fig = plt.figure() bar = def buildmebarchart(i=int): iv = min(i, len(df1.index)-1) #the loop iterates an extra one time, which causes the dataframes to go out of bounds. This was the easiest (most lazy) way to solve this :) objects = df1.max().index y_pos = np.arange(len(objects)) performance = df1.iloc[[iv]].values.tolist()[0] if bar == vertical: plt.bar(y_pos, performance, align=center, color=[red, green, blue, orange]) plt.xticks(y_pos, objects) plt.ylabel(Deaths) plt.xlabel(Countries) plt.title(Deaths per Country n + str(df1.index[iv].strftime(%y-%m-%d))) else: plt.barh(y_pos, performance, align=center, color=[red, green, blue, orange]) plt.yticks(y_pos, objects) plt.xlabel(Deaths) plt.ylabel(Countries)animator = ani.FuncAnimation(fig, buildmebarchart, interval=100)plt.show()在制作完成后，存储这些动态图就非常简单了，可直接使用以下代码：
animator.save(rC:tempmyfirstAnimation.gif)感兴趣的读者如想获得详细信息可参考：https://matplotlib.org/3.1.1/api/animation_api.html。
- OPPOR9s内放音质测评（探究OPPOR9s内放音质的表现，带你领略身临其境的听觉盛宴！）
- H61MHV金刚版——超强性能的首选主板（全面升级的终极选择，助力您的高效工作与娱乐）
- 详解联想G50U盘重装系统教程（简单操作带你轻松重装电脑，快速提升电脑性能）
- 华为P7移动版手机的功能与性能全面评测（一款突破性能极限的智能手机）
- 揭秘巨人江湖游戏工会卡的魅力与功能（了解工会卡的一般情况以及如何获取和使用）
- 小米路由器穿墙模式效果不佳（探究小米mi路由器穿墙模式的局限性和不足之处）
- 雷神911mm2（探索雷神911mm2的出色性能和游戏愉悦感，全面提升你的游戏体验）
- VivoY67音质表现如何？（探索VivoY67唱歌音质，揭秘其声音细腻与温暖）
- 解决电脑显示dll文件错误的方法（如何修复电脑显示dll文件错误问题）
- HTCOne手机如何？（体验HTCOne的功能与性能）
- 老捷达电脑板拆卸教程——解密老爷车中的黑科技（学会拆卸老捷达电脑板，让你的车焕然一新）
- 荣耀7i指纹解锁（荣耀7i指纹解锁带来的便利与安全）
- 酷派大神F2高清版（画面逼真细腻，享受超高清视觉盛宴）
- 以351.4挂机的摄影体验（捕捉瞬间的绝佳利器-351.4镜头）
- 联想电脑新机使用教程（带你一步步了解联想电脑新机，让你成为电脑操作达人！）
- 用U盘安装ISO系统教程（简单易懂的U盘安装ISO系统详细步骤）
- 美的X7321B一体机的特点和优势（全面升级的美的X7321B一体机，领先一步的智能家居解决方案）
- 三星S24E650PL的优点与特色（高清画质、可调节设计、低能耗）
- 探究12年Macmini的性能和特点（一台经典之作，是否依然耐用可靠？）
- 探索酷派F2全高清版照相的卓越性能（解析酷派F2全高清版照相技术的优势与特点）
随便看看
- Copyright © 2025 Powered by 对不起，你的PPT数据不够直观，你可能需要让数据动起来,云智核 滇ICP备2023006006号-28sitemap