如何在Python中创建动态图形？

动态图形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帮助我们使用现有强大的Python库创建动态图形可视化。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，也用于使用内置函数的动态图形。

使用Matplotlib创建动态图形有两种方法：

使用pause（）函数
使用FuncAnimation（）函数

方法1：使用pause（）函数

matplotlib库的pyplot模块中的pause（）函数用于暂停参数中提到的间隔秒。考虑下面的例子，我们将使用matplotlib创建一个简单的线性图，并在其中显示Animation：

创建两个数组，X和Y，并存储从1到100的值。
使用plot（）函数绘制X和Y。
添加pause（）函数，并设置适当的时间间隔
运行程序，你会看到动态图形。

from matplotlib import pyplot as pltx = []
y = []for i in range(100):x.append(i)y.append(i)# Mention x and y limits to define their rangeplt.xlim(0, 100)plt.ylim(0, 100)# Plotting graphplt.plot(x, y, color = 'green')plt.pause(0.01)plt.show()

在这里插入图片描述

方法2：使用FuncAnimation（）函数

这个FuncAnimation（）函数本身并不创建动画，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：

动态线性图形：

在这个例子中，我们正在创建一个简单的线性图，它将显示一条直线的动画。同样，使用FuncAnimation，我们可以创建许多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其传递给FuncAnimation。

from matplotlib import pyplot as plt
from matplotlib.animation import FuncAnimation
import numpy as npx = []
y = []figure, ax = plt.subplots()# Setting limits for x and y axis
ax.set_xlim(0, 100)
ax.set_ylim(0, 12)# Since plotting a single graph
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()

在这里插入图片描述
动态条形图

from matplotlib import pyplot as plt
from matplotlib.animation import FuncAnimation, writers
import numpy as npfig = 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 = iy2 = 5 * iy3 = 3 * iy4 = 2 * iy5 = 6 * iy6 = 3 * iplt.xlabel("Country")plt.ylabel("GDP of Country")plt.bar(["India", "China", "Germany", "USA", "Canada", "UK"],[y1, y2, y3, y4, y5, y6],color = palette)plt.title("Bar Chart Animation")animation = FuncAnimation(fig, animation_function, interval = 50)
plt.show()

在这里插入图片描述
动态散点图

在这个例子中，我们将在python中使用random函数动态散点图。我们将迭代animation_func，在迭代的同时，我们将绘制x轴和y轴的随机值。

from matplotlib import pyplot as plt
from matplotlib.animation import FuncAnimation
import random
import 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()

在这里插入图片描述
动态水平条形图

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
from matplotlib.animation import FuncAnimationdf = 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() / 200for 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')# polished stylesax.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, 'The most populous cities in the world from 1500 to 2018',transform=ax.transAxes, size=24, weight=600, ha='left')ax.text(1, 0, 'by @pratapvardhan; credit @jburnmurdoch', 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()