動(dòng)態(tài)條形圖大火了一陣子，尤其是那種對(duì)比世界各國歷年來的GDP或者軍事實(shí)力的動(dòng)態(tài)條形圖，配上激動(dòng)人心的音樂，眼看著中國從后往前排名不斷考前，作為愛國的人，集體榮譽(yù)感爆棚的那種，真的是心潮澎湃自豪到仿佛國力的提升我也做出了不可磨滅的貢獻(xiàn)一般（捂臉）。

雖然我沒有對(duì)國力提升做出什么不可磨滅的貢獻(xiàn)，但是我可以探索下動(dòng)態(tài)條形圖是怎樣繪制的，應(yīng)該也算是傳播知識(shí)了吧（笑哭）。

查看并選取符合要求數(shù)據(jù)

先看下數(shù)據(jù)，依然是英超各球隊(duì)的積分?jǐn)?shù)據(jù)，制作動(dòng)態(tài)條形圖，對(duì)數(shù)據(jù)量要求會(huì)稍微大一些，對(duì)于有時(shí)間維度的數(shù)據(jù)來說，時(shí)間越長，能體現(xiàn)的變化和信息量就會(huì)越多，這里我們只選取了從2010–2019年英超各球隊(duì)的積分?jǐn)?shù)據(jù)，這個(gè)數(shù)據(jù)量不算大，但是不影響學(xué)習(xí)原理和實(shí)現(xiàn)步驟。

選取每年前十的球隊(duì)進(jìn)入數(shù)據(jù)集，最終的數(shù)據(jù)集長這個(gè)樣子：

我們一步一步來，先繪制一個(gè)簡單的條形圖，比如繪制2019年排名前十球隊(duì)積分的條形圖，準(zhǔn)備數(shù)據(jù)，把2019年的數(shù)據(jù)提取出來然后進(jìn)行排序并選擇前十名的球隊(duì)數(shù)據(jù)，具體代碼如下：

year = 2019
dff = (df_t[df_t["年份"].eq(year)]
       .sort_values(by='積分', ascending=True)
       .tail(10))
dff

結(jié)果：

簡單解釋下，這里并沒有復(fù)雜的代碼，都是常用的語法，除了一個(gè)df.eq（），這個(gè)方法主要是進(jìn)行對(duì)比，將df中符合括號(hào)內(nèi)變量要求的數(shù)據(jù)并提取出來，原始的數(shù)據(jù)中包含了從2010–2019的所有數(shù)據(jù)，這里只需要2019年的，所以通過這種方式把2019年的數(shù)據(jù)提取出來。

后邊的排序語法選擇升序排序，這樣排在第一位的是積分最少的球隊(duì)，所以要選取排名前十的球隊(duì)不能用head（10），而是用tail（10），選取結(jié)尾的10行。之所以這么操作，還是由于條形圖繪制過程中是從下往上畫，為了條形的排序是從下往上條形越來越長，所以采用這樣的操作。

來看一下上邊截取出來的數(shù)據(jù)集繪制出來的條形圖是什么樣子的：

plt.figure(figsize=(10,6))
plt.barh(dff['球隊(duì)'], dff['積分']);

ok，畫出來是符合要求的條形圖！

設(shè)置條形顏色

如果不設(shè)置顏色，畫出來的所有條都是一個(gè)顏色，就像上邊的那幅圖。

為了讓圖形更美觀，對(duì)各個(gè)球隊(duì)的積分變化看起來更明顯，還是要設(shè)置一下顏色。這里有兩個(gè)選擇，一是對(duì)排名設(shè)置顏色，即無論哪個(gè)球隊(duì)是第一名，只要排到第一名就會(huì)被指定這種顏色，還有一種是給每個(gè)球隊(duì)指定顏色，無論這個(gè)球隊(duì)排名是多少，它的顏色都不會(huì)變。

實(shí)踐證明第二種方法更復(fù)雜一點(diǎn)，但是更容易被接受，所以這里采用的第二種方法來設(shè)置顏色。

names = df_t10.球隊(duì).unique()  #查看排名進(jìn)過前十的球隊(duì)都有哪些
names

返回結(jié)果一共24個(gè)球隊(duì)：

array(['曼聯(lián)', '切爾西', '曼城', '阿森納', '熱刺', '利物浦', '埃弗頓', '富勒姆', '阿斯頓維拉',
       '桑德蘭', '紐卡斯?fàn)?, '西布羅姆維奇', '斯旺西', '西漢姆聯(lián)', '南安普敦', '斯托克城', '水晶宮',
       '萊斯特', '伯恩茅斯', '西布朗', '伯恩利', '萊斯特城', '狼隊(duì)', '謝菲爾德聯(lián)'], dtype=object)

生成24個(gè)不同的顏色：

import matplotlib.cm as cm
c = []
for i in range(len(names)):
    c.append(cm.nipy_spectral(float(i)/len(names)))

colors1 = dict(zip(names,c)) # 每個(gè)球隊(duì)對(duì)應(yīng)一個(gè)顏色

由于顏色種類比較多，一一指定太費(fèi)時(shí)間和精力，所以引入matplotlib.cm色譜，cm.nipy_spectral（）函數(shù)，賦給它不同的浮點(diǎn)數(shù)數(shù)值能夠生成不同的顏色。

plt.figure(figsize=(12,6))

 #給不同的條形添加不同顏色的時(shí)候注意顏色列表有24中顏色，不能直接讓顏色等于顏色列表
for i in range(len(dff)): 
    plt.barh(dff['球隊(duì)'].iloc[i], dff['積分'].iloc[i], color=colors1[dff['球   
    隊(duì)'].iloc[i]],alpha = 0.5)

 # 在畫布右方添加年份
plt.text(1, 0.4, current_year, transform=ax.transAxes, size=46, ha='right',alpha=0.5);

效果圖：

實(shí)現(xiàn)動(dòng)圖

其實(shí)大家都知道，所謂視頻也是由一幀一幀的畫面組成按照順序播放形成視頻的，而我們的動(dòng)圖運(yùn)用的也是這個(gè)原理，所以只需把繪制條形圖的代碼封裝成一個(gè)函數(shù)，然后重復(fù)調(diào)用這個(gè)函數(shù)在不同的數(shù)據(jù)集上繪制圖形就可以實(shí)現(xiàn)動(dòng)態(tài)展現(xiàn)。

fig, ax = plt.subplots(figsize=(12, 6)) #同時(shí)建立畫布和子畫布，沒有設(shè)置默認(rèn)為一個(gè)子畫布

def  draw_bar(year):
    ax.spines['right'].set_color('none') #把右邊的邊框顏色設(shè)置為無色,隱藏右邊框
    ax.spines['top'].set_color('none')  #把上邊的邊框顏色設(shè)置為無色,隱藏上邊框
    ax.spines['left'].set_color('none') #把右邊的邊框顏色設(shè)置為無色,隱藏左邊框
    ax.spines['bottom'].set_color('none')  #把上邊的邊框顏色設(shè)置為無色,隱藏下邊框
    
    #準(zhǔn)備數(shù)據(jù)
    dff = (df_t[df_t["年份"].eq(year)].sort_values(by='積分', ascending=True).tail(10)) 

    ax.clear() #清空已存在的圖像

    for i in range(len(dff)):
        colors =cm.nipy_spectral(float(i)/len(dff))
        ax.barh(dff['球隊(duì)'].iloc[i], dff['積分'].iloc[i], height=0.7, color=colors1[dff['球隊(duì)'].iloc[i]],alpha = 0.5)
        ax.text(dff['積分'].iloc[i]-3,i+0.1,dff['球隊(duì)'].iloc[i])
        ax.text(dff['積分'].iloc[i]-2,i-0.3,dff['積分'].iloc[i])
        
    ax.text(1, 0.4, year, transform=ax.transAxes, color='#777777', size=46, ha='right',alpha=0.5, weight=800)
    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(0.2, 1.1, '2010--2019英超各球隊(duì)年度積分',
            transform=ax.transAxes, size=20, weight=600, ha='left');

    
draw_bar(2019)

函數(shù)已經(jīng)封裝好了，接下來是激動(dòng)人心實(shí)現(xiàn)動(dòng)圖的操作了，需要matplotlib中的animation模塊，運(yùn)用該模塊中的FuncAnimation方法重復(fù)調(diào)用前邊定義好的畫圖函數(shù)，實(shí)現(xiàn)動(dòng)畫效果：

import matplotlib.animation as animation #導(dǎo)入animation模塊
from IPython.display import HTML  #導(dǎo)入HTML模塊 
fig, ax = plt.subplots(figsize=(10, 6))
animator = animation.FuncAnimation(fig, draw_bar, frames=range(2010, 2020),interval = 600)  #interval控制更迭速度，默認(rèn)200毫秒
HTML(animator.to_jshtml()) #將渲染的HTML輸出嵌入到iPython輸出中

animator.save('yingchao.gif',writer='imagemagick') # 保存 gif 動(dòng)態(tài)圖

動(dòng)態(tài)條形圖就完活兒了，代碼沒有很復(fù)雜，完整的過程就最后的兩段代碼，前期的代碼主要是分解了中間的過程，方便理解而已，有興趣的小伙伴可以深入研究或者換個(gè)數(shù)據(jù)集看下實(shí)現(xiàn)效果。