用Python绘制超酷的gif动图，惊艳了所有人
在之前的用P艳所有人一篇文章当中，小编当时分享了如何用Python当中的制超gif模块来制作gif格式的图表，
厉害了，图惊用Python绘制动态可视化图表，用P艳所有人并保存成gif格式今天小编再给大家来介绍一种制作gif格式图表的制超新方法，调用的图惊是matplotlib的相关模块，其中的用P艳所有人步骤与方法也是相当地简单易懂。
下载和导入数据库
我们这次用到的制超数据集是bokeh模块自带的数据集，通过下面这一行代码直接就可以下载
import bokeh
bokeh.sampledata.download()
然后导入后面要用到的图惊数据集，我们挑选的用P艳所有人是指定国家的1950年至今不同年龄阶段的人口所占比重的数据
from bokeh.sampledata.population import data
import numpy as np
data = filter_loc(United States of America)
data.head()
output
先绘制若干张静态的图表
我们可以先绘制若干张静态的图表，然后将这几张图表合成一张gif格式的站群服务器制超动图即可，代码如下
import seaborn as sns
import matplotlib.pyplot as plt
import matplotlib.patheffects as fx
# 绘制图表的图惊函数
def make_plot(year):
# 根据年份来筛选出数据
df = data[data.Year == year]
# 制作图表
fig, (ax1, ax2) = plt.subplots(1, 2, sharey = True)
ax1.invert_xaxis()
fig.subplots_adjust(wspace = 0)
ax1.barh(df[df.Sex == Male].AgeGrp, df[df.Sex == Male].percent, label = Male)
ax2.barh(df[df.Sex == Female].AgeGrp, df[df.Sex == Female].percent, label = Female, color = C1)
country = df.Location.iloc[0]
if country == United States of America: country == US
fig.suptitle(f......)
fig.supxlabel(......)
fig.legend(bbox_to_anchor = (0.9, 0.88), loc = upper right)
ax1.set_ylabel(Age Groups)
return fig
我们自定义了一个绘制图表的函数，其中的用P艳所有人参数是年份，逻辑很简单，制超我们是图惊想根据年份来筛选出数据，然后根据筛选出的数据来绘制图表，每一年的图表不尽相同
years = [i for i in set(data.Year) if i < 2022]
years.sort()
for year in years:
fig = make_plot(year)
fig.savefig(f{ year}.jpeg,bbox_inches = tight)
output
这样我们就生成了若干张静态的图表，然后集合成gif格式的图表几个，代码如下
import matplotlib.animation as animation
fig, ax = plt.subplots()
ims = []
for year in years:
im = ax.imshow(plt.imread(f{ year}.jpeg), animated = True)
ims.append([im])
ani = animation.ArtistAnimation(fig, ims, interval=600)
ani.save(us_population.gif)
output
还有另外一种思路
可能看到这儿，有人会觉得上面提到的方法稍显麻烦，毕竟我们需要先生成数十张静态的图表，要是电脑的磁盘空间有点紧张的话，或者还没有这样的一个地方来存放这数十张的图表。于是亿华云乎就会疑问道，是不是可以一步到位的来。当然也是可以的，例如我们打算绘制1950年到2020年不同年龄阶段的人口比例分布图，首先第一步在于我们先要绘制1950年，也就是起始年，该年不同年龄阶段的人口比例分布图，代码如下
fig, (ax1, ax2) = plt.subplots(1, 2, sharey = True)
df = data[data.Year == 1955]
y_pos = [i for i in range(len(df[df.Sex == Male]))]
male = ax1.barh(y_pos, df[df.Sex == Male].percent, label = Male,
tick_label = df[df.Sex == Male].AgeGrp)
female = ax2.barh(y_pos, df[df.Sex == Female].percent, label = Female,
color = C1, tick_label = df[df.Sex == Male].AgeGrp)
ax1.invert_xaxis()
fig.suptitle(.......)
fig.supxlabel(....... (%))
fig.legend(bbox_to_anchor = (0.9, 0.88), loc = upper right)
ax1.set_ylabel(Age Groups)
output
然后我们自定义一个绘制图表的函数，其中参数为年份，目的在于通过年份来筛选出相对应的数据并且绘制出相对应的图表
def run(year):
# 通过年份来筛选出数据
df = data[data.Year == year]
# 针对不同地性别来绘制
total_pop = df.Value.sum()
df[percent] = df.Value / total_pop * 100
male.remove()
y_pos = [i for i in range(len(df[df.Sex == Male]))]
male.patches = ax1.barh(y_pos, df[df.Sex == Male].percent, label = Male,
color = C0, tick_label = df[df.Sex == Male].AgeGrp)
female.remove()
female.patches = ax2.barh(y_pos, df[df.Sex == Female].percent, label = Female,
color = C1, tick_label = df[df.Sex == Female].AgeGrp)
text.set_text(year)
return male#, female
然后我们调用animation.FuncAnimation()方法，
ani = animation.FuncAnimation(fig, run, years, blit = True, repeat = True,
interval = 600)
ani.save(文件名.gif)
output
这样就可以一步到位生成gif格式的图表，避免生成数十张繁多地静态图片了。
将若干张gif动图放置在一张大图当中
最后我们可以将若干张gif动图放置在一张大的图表当中，代码如下
import matplotlib.animation as animation
# 创建一个新的画布
fig, (ax, ax2, ax3) = plt.subplots(1, 3, figsize = (10, 3))
ims = []
for year in years:
im = ax.imshow(plt.imread(f文件1{ year}.jpeg), animated = True)
im2 = ax2.imshow(plt.imread(f文件2{ year}.jpeg), animated = True)
im3 = ax3.imshow(plt.imread(f文件3{ year}.jpeg), animated = True)
ims.append([im, im2, im3])
ani = animation.ArtistAnimation(fig, ims, interval=600)
ani.save(comparison.gif)
output
