動(dòng)畫是使可視化更具吸引力和用戶吸引力的好方法。它幫助我們以有意義的方式展示數(shù)據(jù)可視化。Python 幫助我們使用現(xiàn)有的強(qiáng)大 Python 庫(kù)創(chuàng)建動(dòng)畫可視化。Matplotlib是一個(gè)非常流行的數(shù)據(jù)可視化庫(kù)，通常用于數(shù)據(jù)的圖形表示以及使用內(nèi)置函數(shù)的動(dòng)畫。

直接跳到末尾 去評(píng)論區(qū)領(lǐng)書(shū)

使用 Matplotlib 創(chuàng)建動(dòng)畫有兩種方法：

• 使用 pause() 函數(shù)
• 使用 FuncAnimation() 函數(shù)

? 方法一：使用 pause() 函數(shù)

在暫停（）的matplotlib庫(kù)的pyplot模塊在功能上用于暫停為參數(shù)提到間隔秒。考慮下面的示例，我們將使用 matplotlib 創(chuàng)建一個(gè)簡(jiǎn)單的線性圖并在其中顯示動(dòng)畫：

創(chuàng)建 2 個(gè)數(shù)組 X 和 Y，并存儲(chǔ)從 1 到 100 的值。
使用 plot() 函數(shù)繪制 X 和 Y。
以合適的時(shí)間間隔添加 pause() 函數(shù)
運(yùn)行程序，你會(huì)看到動(dòng)畫。

Python

from matplotlib import pyplot as plt  x = []y = []  for i in range(100):    x.append(i)    y.append(i)      # 提及 x 和 y 限制以定義其范圍    plt.xlim(0, 100)    plt.ylim(0, 100)          # 繪制圖形    plt.plot(x, y, color = "green")    plt.pause(0.01)  plt.show()

輸出 ：

同樣，你也可以使用 pause() 函數(shù)在各種繪圖中創(chuàng)建動(dòng)畫。

? 方法二：使用 FuncAnimation() 函數(shù)

這個(gè)FuncAnimation() 函數(shù)不會(huì)自己創(chuàng)建動(dòng)畫，而是從我們傳遞的一系列圖形中創(chuàng)建動(dòng)畫。

語(yǔ)法: FuncAnimation(figure, animation_function, frames=None, init_func=None, fargs=None, save_count=None, *, cache_frame_data=True,
**kwargs)

現(xiàn)在您可以使用 FuncAnimation 函數(shù)制作多種類型的動(dòng)畫：

? 線性圖動(dòng)畫：

在這個(gè)例子中，我們將創(chuàng)建一個(gè)簡(jiǎn)單的線性圖，它將顯示一條線的動(dòng)畫。同樣，使用 FuncAnimation，我們可以創(chuàng)建多種類型的動(dòng)畫視覺(jué)表示。我們只需要在一個(gè)函數(shù)中定義我們的動(dòng)畫，然后用合適的參數(shù)將它傳遞給FuncAnimation。

Python

from matplotlib import pyplot as pltfrom matplotlib.animation import FuncAnimationimport numpy as np  x = []y = []  figure, ax = plt.subplots()  # 設(shè)置 x 和 y 軸的限制ax.set_xlim(0, 100)ax.set_ylim(0, 12)  # 繪制單個(gè)圖形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()

輸出：

? Python 中的條形圖追趕動(dòng)畫

在此示例中，我們將創(chuàng)建一個(gè)簡(jiǎn)單的條形圖動(dòng)畫，它將顯示每個(gè)條形的動(dòng)畫。

Python

from matplotlib import pyplot as pltfrom matplotlib.animation import FuncAnimation, writersimport numpy as npplt.rcParams["font.sans-serif"] = ["Microsoft YaHei"]  fig = 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 = i	y2 = 6 * i	y3 = 3 * i	y4 = 2 * i	y5 = 5 * i	y6 = 3 * i	plt.xlabel("國(guó)家")	plt.ylabel("國(guó)家GDP")		plt.bar(["印度", "中國(guó)", "德國(guó)",			"美國(guó)", "加拿大", "英國(guó)"],			[y1, y2, y3, y4, y5, y6],			color = palette)plt.title("條形圖動(dòng)畫")animation = FuncAnimation(fig, animation_function,						interval = 50)plt.show()

輸出：

? Python 中的散點(diǎn)圖動(dòng)畫：

在這個(gè)例子中，我們將使用隨機(jī)函數(shù)在 python 中動(dòng)畫散點(diǎn)圖。我們將遍歷animation_func并在迭代時(shí)繪制 x 和 y 軸的隨機(jī)值。

from matplotlib import pyplot as pltfrom matplotlib.animation import FuncAnimationimport randomimport 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()

輸出：

? 條形圖追趕的水平移動(dòng)：

在這里，我們將使用城市數(shù)據(jù)集中的最高人口繪制條形圖競(jìng)賽。
不同的城市會(huì)有不同的條形圖，條形圖追趕將從 1990 年到 2018 年迭代。
我從人口最多的數(shù)據(jù)集中選擇了最高城市的國(guó)家。
需要用到的數(shù)據(jù)集可以從這里下載：city_populations

Python

import pandas as pdimport matplotlib.pyplot as pltimport matplotlib.ticker as tickerfrom matplotlib.animation import FuncAnimation  plt.rcParams["font.sans-serif"] = ["Microsoft YaHei"]  df = 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() / 200          for 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")             ax.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, "從 1500 年到 2018 年世界上人口最多的城市",            transform=ax.transAxes, size=24, weight=600, ha="left")          ax.text(1, 0, "by haiyong.site | 海擁",             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()

輸出：

? 評(píng)論區(qū)抽粉絲送書(shū)啦

? 歡迎大家在評(píng)論區(qū)提出意見(jiàn)和建議！（抽兩位幸運(yùn)兒送書(shū)，實(shí)物圖如下）?

《機(jī)器學(xué)習(xí)入門：基于數(shù)學(xué)原理的Python實(shí)戰(zhàn)》

簡(jiǎn)介：理論性與實(shí)用性兼?zhèn)洌瓤勺鳛槌鯇W(xué)者的入門書(shū)籍，也可作為求職者的面試寶典，更可作為職場(chǎng)人士轉(zhuǎn)崗的實(shí)用手冊(cè)。本書(shū)適合需要全面學(xué)習(xí)機(jī)器學(xué)習(xí)算法的初學(xué)者、希望掌握機(jī)器學(xué)習(xí)算法數(shù)學(xué)理論的程序員、想轉(zhuǎn)行從事機(jī)器學(xué)習(xí)算法的專業(yè)人員、對(duì)機(jī)器學(xué)習(xí)算法興趣濃厚的人員、專業(yè)培訓(xùn)機(jī)構(gòu)學(xué)員和希望提高 Python 編程水平的程序員。

優(yōu)點(diǎn)：

?1.與周志華編寫的《機(jī)器學(xué)習(xí)》相比，本書(shū)多了對(duì)算法的數(shù)學(xué)原理詳細(xì)嚴(yán)謹(jǐn)?shù)耐茖?dǎo)。
?2.與李銳翻譯的《機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》相比，本書(shū)多了用面向?qū)ο笏枷雽⑺惴K化，并且書(shū)中代碼在Python 3 環(huán)境下運(yùn)行。
?3.為了照顧初學(xué)者，本書(shū)補(bǔ)充了全書(shū)涉及的高等數(shù)學(xué)、線性代數(shù)、概率論與數(shù)理統(tǒng)計(jì)、Jessen不等式等數(shù)學(xué)基礎(chǔ)知識(shí)。

也有不想抽獎(jiǎng)自己買的同學(xué)可以參考下面的鏈接

京東自營(yíng)購(gòu)買鏈接：

《機(jī)器學(xué)習(xí)入門：基于數(shù)學(xué)原理的Python實(shí)戰(zhàn)》(戴璞微，潘斌)【摘要 書(shū)評(píng) 試讀】- 京東圖書(shū)

當(dāng)當(dāng)自營(yíng)購(gòu)買鏈接：

《機(jī)器學(xué)習(xí)入門：基于數(shù)學(xué)原理的Python實(shí)戰(zhàn)》(戴璞微)【簡(jiǎn)介_(kāi)書(shū)評(píng)_在線閱讀】 - 當(dāng)當(dāng)圖書(shū)

? 注意：

大家點(diǎn)贊關(guān)注，三天后也就是 9月28日 從評(píng)論區(qū)留言的同學(xué)中抽取兩位送書(shū)

? 行業(yè)資料：精品PPT模板幾千套，簡(jiǎn)歷模板一千多套
? 面試題庫(kù)：Java核心知識(shí)點(diǎn)大全和面試真題資料
? 學(xué)習(xí)資料：2300套PHP建站源碼，微信小程序入門資料，Python全集(400集)

如果中獎(jiǎng)了聯(lián)系不上則視為放棄，可以從下方公眾號(hào)里找到作者的聯(lián)系方式，回復(fù)【資源】獲取上面的資料??????