來(lái)源：俊欣

作者：關(guān)于數(shù)據(jù)分析與可視化

有粉絲問(wèn)道說(shuō)“是不是可以將這些動(dòng)態(tài)的可視化圖表保存成gif圖”，小編立馬就回復(fù)了說(shuō)后面會(huì)寫(xiě)一篇相關(guān)的文章來(lái)介紹如何進(jìn)行保存gif格式的文件。那么我們就開(kāi)始進(jìn)入主題，來(lái)談一下Python當(dāng)中的gif模塊。

安裝相關(guān)的模塊

首先第一步的話(huà)我們需要安裝相關(guān)的模塊，通過(guò)pip命令來(lái)安裝

pip install gif

另外由于gif模塊之后會(huì)被當(dāng)做是裝飾器放在繪制可視化圖表的函數(shù)上，主要我們依賴(lài)的還是Python當(dāng)中繪制可視化圖表的matplotlib、plotly、以及altair這些模塊，因此我們還需要下面這幾個(gè)庫(kù)

pip install "gif[altair]" pip install "gif[matplotlib]" pip install "gif[plotly]" 

gif和matplotlib的結(jié)合

我們先來(lái)看gif和matplotlib模塊的結(jié)合，我們先來(lái)看一個(gè)簡(jiǎn)單的例子，代碼如下

import random from matplotlib import pyplot as plt import gif

x = [random.randint(0, 100) for _ in range(100)]
y = [random.randint(0, 100) for _ in range(100)]

gif.options.matplotlib["dpi"] = 300 @gif.frame def plot(i): xi = x[i*10:(i+1)*10]
    yi = y[i*10:(i+1)*10]
    plt.scatter(xi, yi)
    plt.xlim((0, 100))
    plt.ylim((0, 100))

frames = [] for i in range(10):
    frame = plot(i)
    frames.append(frame)

gif.save(frames, 'example.gif', duration=3.5, unit="s", between="startend")

output

代碼的邏輯并不難理解，首先我們需要定義一個(gè)函數(shù)來(lái)繪制圖表并且?guī)?/span>gif裝飾器，接著我們需要一個(gè)空的列表，通過(guò)for循環(huán)將繪制出來(lái)的對(duì)象放到這個(gè)空列表當(dāng)中然后保存成gif格式的文件即可。

gif和plotly的結(jié)合

除了和matplotlib的聯(lián)用之外，gif和plotly之間也可以結(jié)合起來(lái)用，代碼如下

import random import plotly.graph_objects as go import pandas as pd import gif

df = pd.DataFrame({ 't': list(range(10)) * 10, 'x': [random.randint(0, 100) for _ in range(100)], 'y': [random.randint(0, 100) for _ in range(100)]
})

@gif.frame
def plot(i):
    d = df[df['t'] == i]
    fig = go.Figure()
    fig.add_trace(go.Scatter(
        x=d["x"],
        y=d["y"],
        mode="markers" ))
    fig.update_layout(width=500, height=300) return fig

frames = [] for i in range(10):
    frame = plot(i)
    frames.append(frame)

gif.save(frames, 'example_plotly.gif', duration=100)

output

整體的代碼邏輯和上面的相似，這里也就不做具體的說(shuō)明了

matplotlib多子圖動(dòng)態(tài)可視化

上面繪制出來(lái)的圖表都是在單張圖表當(dāng)中進(jìn)行的，那當(dāng)然了我們還可以在多張子圖中進(jìn)行動(dòng)態(tài)可視化的展示，代碼如下

# 讀取數(shù)據(jù) df = pd.read_csv('weather_hourly_darksky.csv')
df = df.rename(columns={"time": "date"})

@gif.frame def plot(df, date):
    df = df.loc[df.index[0]:pd.Timestamp(date)]

    fig, (ax1, ax2, ax3) = plt.subplots(3, figsize=(10, 6), dpi=100)

    ax1.plot(df.temperature, marker='o', linestyle='--', linewidth=1, markersize=3, color='g')
    maxi = round(df.temperature.max() + 3)
    ax1.set_xlim([START, END])
    ax1.set_ylim([0, maxi])
    ax1.set_ylabel('TEMPERATURE', color='green')

    ax2.plot(df.windSpeed, marker='o', linestyle='--', linewidth=1, markersize=3, color='b')
    maxi = round(df.windSpeed.max() + 3)
    ax2.set_xlim([START, END])
    ax2.set_ylim([0, maxi])
    ax2.set_ylabel('WIND', color='blue')

    ax3.plot(df.visibility, marker='o', linestyle='--', linewidth=1, markersize=3, color='r')
    maxi = round(df.visibility.max() + 3)
    ax3.set_xlim([START, END])
    ax3.set_ylim([0, maxi])
    ax3.set_ylabel('VISIBILITY', color='red')

frames = [] for date in pd.date_range(start=df.index[0], end=df.index[-1], freq='1M'):
    frame = plot(df, date)
    frames.append(frame)

gif.save(frames, "文件名稱(chēng).gif", duration=0.5, unit='s')

output

動(dòng)態(tài)氣泡圖

最后我們用plotly模塊來(lái)繪制一個(gè)動(dòng)態(tài)的氣泡圖，代碼如下

import gif import plotly.graph_objects as go import numpy as np np.random.seed(1) N = 100 x = np.random.rand(N) y = np.random.rand(N) colors = np.random.rand(N) sz = np.random.rand(N) * 30 layout = go.Layout( xaxis={'range': [-2, 2]}, yaxis={'range': [-2, 2]}, margin=dict(l=10, r=10, t=10, b=10) ) @gif.frame def plot(i): fig = go.Figure(layout=layout) fig.add_trace(go.Scatter( x=x[:i], y=y[:i], mode="markers", marker=go.scatter.Marker( size=sz[:i], color=colors[:i], opacity=0.6, colorscale="Viridis" ) )) fig.update_layout(width=500, height=300) return fig frames = [] for i in range(100): frame = plot(i) frames.append(frame) gif.save(frames, "bubble.gif") 

output