Python編程實(shí)現(xiàn)超炫動(dòng)態(tài)排序圖
用 python 制作超燃動(dòng)態(tài)排序視頻
在開始之前，先貼張圖，之前網(wǎng)上一段時(shí)間下面這種排序風(fēng)格視頻很火，下面這張圖當(dāng)作是視頻其中的一幀。
制作這樣視頻的原理：就是把不同的幀組合在一起拼接成視頻；把不同時(shí)間的排序圖拼接在一起，拼接在一起形成一個(gè)隨時(shí)間快速變化的動(dòng)畫，轉(zhuǎn)化成視頻，為了觀看效果加一首很燃的BGM，最后的效果很贊。
這種視頻 python 也能做，基本上分為三大部分，主要用到的就是兩個(gè)庫函數(shù) pandas做數(shù)據(jù)處理，matplotlib繪制表、制作視頻動(dòng)畫
1，數(shù)據(jù)預(yù)處理
這一部分細(xì)分為：數(shù)據(jù)讀取，隨機(jī)生成顏色代碼，城市地區(qū)與顏色映射關(guān)系構(gòu)造。
本次選取的數(shù)據(jù)為從1500年到2018年各地區(qū)的人數(shù)統(tǒng)計(jì)(提醒一下，是各城市所在區(qū)域人口數(shù)量)
數(shù)據(jù)源鏈接：1500-2018各地區(qū)人口數(shù)量
# 導(dǎo)入庫函數(shù) import random import pandas as pd import matplotlib.pyplot as plt import matplotlib.ticker as ticker import matplotlib.animation as animation from IPython.display import HTML import matplotlib #防止動(dòng)漫內(nèi)存太大，報(bào)錯(cuò) matplotlib.rcParams['animation.embed_limit'] = 2**128
原數(shù)據(jù)是這樣的，數(shù)據(jù)之間以”,(逗號(hào))“隔開，我們需要的只是其中的幾列，所以這里利用pandas 中的 usecols做一些列提取;
#pandas讀取數(shù)據(jù)，且去列名分別為name,group,year和value的值； url = 'https://gist.githubusercontent.com/johnburnmurdoch/4199dbe55095c3e13de8d5b2e5e5307a/raw/fa018b25c24b7b5f47fd0568937ff6c04e384786/city_populations' df = pd.read_csv(url, usecols=['name', 'group', 'year', 'value']) df.head()
因?yàn)槊總€(gè)地區(qū)標(biāo)記一個(gè)顏色，這里需要構(gòu)造一個(gè)隨機(jī)顏色代碼生成函數(shù):
#導(dǎo)入random函數(shù)，randomcolor用于生成顏色代碼 # randomcolor生成顏色代碼原理， # 【1-9/A-F】15個(gè)數(shù)字隨機(jī)組合成6位字符串前面再加上一個(gè)“#”號(hào)鍵 import random def randomcolor(): colorlist = ['1','2','3','4','5','6','7','8','9','A','B','C','D','E','F'] color ='' for i in range(6): color += random.choice(colorlist) return '#'+ color
最后構(gòu)造兩個(gè)字典：一個(gè)是城市與顏色之間的，一個(gè)是城市與所在區(qū)域(亞洲、歐洲等)之間的，
形成一一映射關(guān)系方便后續(xù)處理
#對(duì)地區(qū)列表進(jìn)行去重，分類； area_list1 = set(df['name']) # color_list用于存放隨機(jī)生成顏色代碼個(gè)數(shù) # 因?yàn)楹竺鎱^(qū)域個(gè)數(shù) 要與顏色個(gè)數(shù)保持一致，這里用了len函數(shù)； color_list =[] for i in range(len(area_list1)): str_1 = randomcolor() color_list.append(str_1) str_1 = randomcolor() #area_list轉(zhuǎn)化為列表 area_list_1 = [i for i in area_list1] print(color_list) print(area_list_1)
構(gòu)造映射關(guān)系:
#colors表示 所在城市：顏色 一一對(duì)應(yīng)字典形式；
colors =dict(zip(area_list_1,color_list))
print(colors)
#group_lk為 城市：所在區(qū)域 --對(duì)應(yīng)字典形式；
group_lk = df.set_index('name')['group'].to_dict()
print(group_lk)
2，圖表繪制
這一部分主要是利用matplotlib 寫了一個(gè)在某一年中各地區(qū)人口分布的直方圖繪制函數(shù)，在代碼每一步中有詳細(xì)注釋，想實(shí)現(xiàn)的可以參照一下代碼：
# 用plt加理圖表，figsize表示圖標(biāo)長寬，ax表示標(biāo)簽
fig, ax = plt.subplots(figsize=(15, 8))
#dras_barchart生成current_year這一年各城市人口基本情況；
def draw_barchart(current_year):
#dff對(duì)year==current_year的行，以value從升序方式排序，取后十名也就是最大值；
dff = df[df['year'].eq(current_year)].sort_values(by='value',ascending = True).tail(12)
# 所有坐標(biāo)、標(biāo)簽清除
ax.clear()
#顯示顏色、城市名字
ax.barh(dff['name'],dff['value'],color = [colors[x] for x in dff['name']])
dx = dff['value'].max()/200
#ax.text(x,y,name,font,va,ha)
# x,y表示位置；
# name表示顯示文本；
# va,ba分別表示水平位置，垂直放置位置；
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.transAxes表示軸坐標(biāo)系，(1,0.4)表示放置位置
ax.text(1,0.4,current_year,transform = ax.transAxes,color ='#777777',size = 46,ha ='right',weight=800)
ax.text(0,1.06,'Population (throusands)',transform = ax.transAxes,size=12,color='#777777')
#set_major_formatter表示刻度尺格式；
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([])
#margins表示自動(dòng)縮放余額；
ax.margins(0,0.01)
# 設(shè)置后面的網(wǎng)格
ax.grid(which='major',axis='x',linestyle='-')
#刻度線和網(wǎng)格線是在圖標(biāo)上方還是下方，True為下方
ax.set_axisbelow(True)
ax.text(0,1.15,'The most population cities in the word from 1500 to 2018',
transform=ax.transAxes,size=24,weight=600,ha='left',va='top')
ax.text(1,0,'by@zeroing1',transform = ax.transAxes,color ='#777777',ha = 'right',
bbox = dict(facecolor='white',alpha = 0.8,edgecolor='white'))
#取消圖表周圍的方框顯示
plt.box(False)
#繪制2018年各城市人口情況
draw_barchart(2018)
圖表如下：
3，制作的圖表轉(zhuǎn)化為視頻、動(dòng)畫
用到的功能是 matplotlib 的 animation 函數(shù)，下面這個(gè)是生成一個(gè)jshtml頁面，可以在線預(yù)覽
#將原來的靜態(tài)圖拼接成動(dòng)畫 fig, ax = plt.subplots(figsize=(15, 8)) animator = animation.FuncAnimation(fig, draw_barchart, frames=range(1500, 2019)) #保存到j(luò)shtml HTML(animator.to_jshtml())
展示效果如下：
當(dāng)然，也可以直接生成視頻保存到本地，但在此之前請(qǐng)確保你的電腦已經(jīng)配置好 FFmpeg，然后運(yùn)行下面的代碼，否則的話無法生成
#生成video，并保存至指定文件夾中
animator.to_html5_video()
animator.save('E:/ceshi/country_populations1.mp4')
然后可以加上合適的背景音樂，一個(gè)超燃的動(dòng)態(tài)排序視頻就完成了!
以上就是Python編程實(shí)現(xiàn)超炫動(dòng)態(tài)排序圖的詳細(xì)內(nèi)容，更多關(guān)于Python實(shí)現(xiàn)動(dòng)態(tài)排序圖的資料請(qǐng)關(guān)注本站其它相關(guān)文章！
版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。
關(guān)注官方微信