動態(tài)條形圖大火了一陣子，尤其是那種對比世界各國歷年來的GDP或者軍事實力的動態(tài)條形圖，配上激動人心的音樂，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一般（捂臉）。

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

查看并選取符合要求數(shù)據(jù)

先看下數(shù)據(jù)，依然是英超各球隊的積分數(shù)據(jù)，制作動態(tài)條形圖，對數(shù)據(jù)量要求會稍微大一些，對于有時間維度的數(shù)據(jù)來說，時間越長，能體現(xiàn)的變化和信息量就會越多，這里我們只選取了從2010–2019年英超各球隊的積分數(shù)據(jù)，這個數(shù)據(jù)量不算大，但是不影響學習原理和實現(xiàn)步驟。

選取每年前十的球隊進入數(shù)據(jù)集，最終的數(shù)據(jù)集長這個樣子：

我們一步一步來，先繪制一個簡單的條形圖，比如繪制2019年排名前十球隊積分的條形圖，準備數(shù)據(jù)，把2019年的數(shù)據(jù)提取出來然后進行排序并選擇前十名的球隊數(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

結果：

簡單解釋下，這里并沒有復雜的代碼，都是常用的語法，除了一個df.eq（），這個方法主要是進行對比，將df中符合括號內(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，所以要選取排名前十的球隊不能用head（10），而是用tail（10），選取結尾的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'], dff['積分']);

ok，畫出來是符合要求的條形圖！

設置條形顏色

如果不設置顏色，畫出來的所有條都是一個顏色，就像上邊的那幅圖。

為了讓圖形更美觀，對各個球隊的積分變化看起來更明顯，還是要設置一下顏色。這里有兩個選擇，一是對排名設置顏色，即無論哪個球隊是第一名，只要排到第一名就會被指定這種顏色，還有一種是給每個球隊指定顏色，無論這個球隊排名是多少，它的顏色都不會變。

實踐證明第二種方法更復雜一點，但是更容易被接受，所以這里采用的第二種方法來設置顏色。

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

返回結果一共24個球隊：

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', '紐卡斯爾', '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', '謝菲爾德聯(lián)'], dtype=object)

生成24個不同的顏色：

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)) # 每個球隊對應一個顏色

由于顏色種類比較多，一一指定太費時間和精力，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'].iloc[i], dff['積分'].iloc[i], color=colors1[dff['球   
    隊'].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：

實現(xiàn)動圖

其實大家都知道，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，而我們的動圖運用的也是這個原理，所以只需把繪制條形圖的代碼封裝成一個函數(shù)，然后重復調用這個函數(shù)在不同的數(shù)據(jù)集上繪制圖形就可以實現(xiàn)動態(tài)展現(xiàn)。

fig, ax = plt.subplots(figsize=(12, 6)) #同時建立畫布和子畫布，沒有設置默認為一個子畫布

def  draw_bar(year):
    ax.spines['right'].set_color('none') #把右邊的邊框顏色設置為無色,隱藏右邊框
    ax.spines['top'].set_color('none')  #把上邊的邊框顏色設置為無色,隱藏上邊框
    ax.spines['left'].set_color('none') #把右邊的邊框顏色設置為無色,隱藏左邊框
    ax.spines['bottom'].set_color('none')  #把上邊的邊框顏色設置為無色,隱藏下邊框
    
    #準備數(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'].iloc[i], dff['積分'].iloc[i], height=0.7, color=colors1[dff['球隊'].iloc[i]],alpha = 0.5)
        ax.text(dff['積分'].iloc[i]-3,i+0.1,dff['球隊'].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，接下來是激動人心實現(xiàn)動圖的操作了，需要matplotlib中的animation模塊，運用該模塊中的FuncAnimation方法重復調用前邊定義好的畫圖函數(shù)，實現(xiàn)動畫效果：

import matplotlib.animation as animation #導入animation模塊
from IPython.display import HTML  #導入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 動態(tài)圖

動態(tài)條形圖就完活兒了，代碼沒有很復雜，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數(shù)據(jù)集看下實現(xiàn)效果。