数据呈现 | 简单易学！用Python最基础的绘图包来做动图

前面我们讲过，在 Python 中有许多可视化的包（点击传送门回顾），每个包都有自己独特的特点。在这些包当中，有一个包是最最基础的，那就是matplotlib,学好它，日常基本绘图应该不在话下。

但是，这似乎仅限于在静态图，在matplotlib下如何实现由静态图变为动态图呢？

放心！matplotlib作为一个名牌绘图包，自然也有相应的模块实现这个功能，今天就让我们一起来学习学习吧。

函数简介

在matplotlib中 绘制动图的核心函数是matplotlib.animation.FuncAnimation，其用法为：

animation.funcanimation(fig, animate, init_func, frames, fargs，interval, blit)

左右滑动查看更多

其中参数的具体解释如下：

fig: 我们创建的画布名称animate: 是重点，是我们每个时刻要更新图形对象的函数，返回值和init_func相同init_func: 初始化函数，其返回值就是每次都要更新的对象， 告诉FuncAnimation在不同时刻要更新哪些图形对象frames: 相当于时刻t，要模拟多少帧图画，不同时刻的t相当于animate的参数fargs：传递给每个调用的可选附加参数interval: 刷新频率，以毫秒计算blit: blit告诉动画只重绘修改的部分，结合上面保存的时间，blit=true会使动画显示得会非常快

注：函数官方解释请点击阅读原文。

绘图代码

以绘制动态折线图为例。首先从国家统计局下载最近20年（1999年-2018年）城乡居民消费价格指数（上年=100），具体数据如下所示：

在得到数据后，我们便可以绘制动态折线图，代码如下：

import numpy as np
import pandas as pd 
import matplotlib.pyplot as plt
import matplotlib.animation as animation        # 导入matplotlib动图模块
# 在notebook上显示动图
%matplotlib qt5                                 
plt.rcParams['font.sans-serif'] = ['SimHei']    # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False      # 用来正常显示负号
# 导入、处理数据
df = pd.read_excel("C:/Users/yeahww/Desktop/index.xlsx")    # 路径以文件位置为准，注意斜杠方向
df = df.set_index("year")   # 将year设置为索引
x = df.index
y1 = df.city
y2 = df.country

# 绘图
fig, ax = plt.subplots() # 生成子图，相当于fig = plt.figure(),ax = fig.add_subplot()
line, = ax.plot(x, y1, color='g', linestyle = 'dashdot')  # 绘制城市居民消费价格指数
line2, = ax.plot(x, y2, color='r',linestyle = 'solid')    # 绘制农村居民消费价格指数
ax.set_xticklabels(x,rotation = 45)    # 设置坐标标签
    
def update(num,x,y1,y2,line):   # 通过帧数来不断更新新的数值
    line.set_data(x[:num+1], y1[:num+1])
    line.axes.axis([0, 20, 95, 110])
    line2.set_data(x[:num+1], y2[:num+1])
    line2.axes.axis([0, 20, 95, 110])
    return line,line2  # 可以同时画两个或多个线，只要在update函数中返回多个线即可


ani = animation.FuncAnimation(fig, update,len(x), fargs=[x,y1,y2,line],interval=200, blit=True)
#ani.save('index.gif')    # 保存为gif图像，可在电脑工作路径找到图像文件
plt.show()

左右滑动查看更多

动图呈现

如下图，一副简单的动态折线图的效果就出来了，相比静态折线图，尽管传达的信息是一致的，但是无论从生动性、美观程度还是可读性上，动态折线图还是要略胜一筹。此外，你还可以为下图继续添加装饰，比如图例，图表标题等等（可参考以往推文，点击传送门）。

图形解读

最后，从图中可以看到我国城乡居民CPI的演变过程，可以得到以下几点简单结论：

第一，城乡居民消费价格指数总体上呈相同的变化趋势。

第二，我国农村居民CPI在2001年到2011年期间均大于城市居民CPI，表明了农村的物价变动幅度高于城市。

第三，我国城乡CPI总体变动幅度不大，处于可控范围，除1999年、2002年、2009年城乡CPI均小于100外，其余年份均大于100，总体而言，物价处于上涨状态。

►往期推荐

回复【Python】👉简单有用易上手

回复【学术前沿】👉机器学习丨大数据

回复【数据资源】👉公开数据

回复【可视化】👉你心心念念的数据呈现

回复【老姚专栏】👉老姚趣谈值得一看

►一周热文

数据Seminar

这里是大数据、分析技术与学术研究的三叉路口

作者：威武哥（叶武威）
审阅：简华（何年华）编辑：青酱

    欢迎扫描👇二维码添加关注