刷爆全网的动态条形图,原来5行Python代码就能实现!

介绍如何使用Python库BarChartRace创建动态条形图,并提供多种配置选项以个性化图表。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

大家好,我是小z

今天给大家分享一篇文章,手把手绘制很酷炫的动态条形图:

说起动态图表,最火的莫过于动态条形图了。

在B站上搜索「数据可视化」这个关键词,可以看到很多与动态条形图相关的视频。

好多视频都达到了上百万的播放量,属实厉害。

目前网上实现动态条形图现成的工具也很多。

比如数可视的「花火hanabi」,嫡数的「镝数图表」,以及国外网站「Flourish」。

但是作为一名Pythoner,当然是想要研究一下如何用Python来实现。

之前也看过大佬们通过MatplotlibPlotlyPyecharts实现类似的功能,就是代码量有点多,看的脑瓜疼。

所以小F最近发现到了一个库「Bar Chart Race」,堪称Python界最强的动态可视化包。

GitHub地址:

https://github.com/dexplo/bar_chart_race

文档地址:https://www.dexplo.org/bar_chart_race/

目前主要有0.1和0.2两个版本,0.2版本添加动态曲线图以及Plotly实现的动态条形图

库是挺好的,就是在安装上有点问题。

在PyCharm的Project Interpreter上只能安装到0.1版本,功能不太全。

通过pip install bar_chart_race也只能到0.1版本。

最后小F选择将项目从GitHub上下载下来,再进行安装

下载压缩包,将解压后的文件夹放置在项目的venv/lib/python3.7/site-packages目录下。

在虚拟环境下打开文件夹,命令行运行如下命令完成安装。

cd 你的项目地址/venv/lib/python3.7/site-packages/bar_chart_race-master
python setup.py install

# 提示成功安装
# Finished processing dependencies for bar-chart-race==0.2.0

好了,安装成功后就可以引入这个第三方库。

import bar_chart_race as bcr

# 如果出现SSL错误,则全局取消证书验证
# import ssl
# ssl._create_default_https_context = ssl._create_unverified_context

# 获取数据
df = bcr.load_dataset('covid19_tutorial')
# print(df)

# 生成GIF图像
bcr.bar_chart_race(df, 'covid19_horiz.gif')

生成了一个GIF图,具体如下。

3行代码Python代码就实现了,对大佬封装好的库表示膜拜~

这里因为作者封装好了数据处理模块,只需要3行代码即可。

对于我们而言,是需要加载自己的数据,自己进行处理,所以多了那么2行。

示例里的数据直接使用作者提供的,在data文件夹下的covid19_tutorial.csv文件(GitHub上有)。

经过其封装好的数据处理函数,得到最终的数据。

另外作者还提供了很多配置参数,供大家选择。

01 动态条形图变动态柱状图

# orientation='v',生成柱状图
bcr.bar_chart_race(df, 'covid19_horiz.gif', orientation='v')

02 排序方式,默认为降序(desc)

# 设置排序方式,asc-升序
bcr.bar_chart_race(df, 'covid19_horiz.gif', sort='asc')

03 条目数限制,此处设置为最多出现6条

# 设置最多能显示的条目数,6条
bcr.bar_chart_race(df, 'covid19_horiz.gif', n_bars=6)

04 设置固定类目

# 选取如下5个国家的数据
bcr.bar_chart_race(df, 'covid19_horiz.gif', fixed_order=['Iran', 'USA', 'Italy', 'Spain', 'Belgium'])

05 固定数值轴,使其不发生动态变化

# 设置数值的最大值,固定数值轴
bcr.bar_chart_race(df, 'covid19_horiz.gif', fixed_max=True)

06 图像帧数,默认10帧,此处设置为3帧,可以发现图像明显变得有些卡顿

# 图像帧数。数值越小,越不流畅。越大,越流畅。
bcr.bar_chart_race(df, 'covid19_horiz.gif', steps_per_period=3)

07 设置帧率,单位时间默认为500ms

# 设置20帧的总时间,此处为200ms
bcr.bar_chart_race(df, 'covid19_horiz.gif', steps_per_period=20, period_length=200)

08 设置每帧增加的标签时间,默认为False

# 输出MP4
bcr.bar_chart_race(df, 'covid19_horiz.mp4', interpolate_period=True)

09 绘图属性设置

# figsize-设置画布大小,默认(6, 3.5)
# dpi-图像分辨率,默认144
# label_bars-显示柱状图的数值信息,默认为True
# period_label-显示时间标签信息,默认为True
# title-图表标题
bcr.bar_chart_race(df, 'covid19_horiz.gif', figsize=(5, 3), dpi=100, label_bars=False,
                   period_label={'x': .99, 'y': .1, 'ha': 'right', 'color': 'red'},
                   title='COVID-19 Deaths by Country')

10 配置标签文字大小

# bar_label_size-柱状图标签文字大小
# tick_label_size-坐标轴标签文字大小
# title_size-标题标签文字大小
bcr.bar_chart_race(df, 'covid19_horiz.gif', bar_label_size=4, tick_label_size=5,
                                 title='COVID-19 Deaths by Country', title_size='smaller')

11 全局文字属性

# shared_fontdict-全局字体属性
bcr.bar_chart_race(df, 'covid19_horiz.gif', title='COVID-19 Deaths by Country',
                                 shared_fontdict={'family': 'Helvetica', 'weight': 'bold',
                                                              'color': 'rebeccapurple'})

12 条形图属性,可以设置透明度,边框等

# bar_kwargs-条形图属性
bcr.bar_chart_race(df, 'covid19_horiz.gif', bar_kwargs={'alpha': .2, 'ec': 'black', 'lw': 3})

13 设置日期标签的时间格式

# 设置日期格式,默认为'%Y-%m-%d'
bcr.bar_chart_race(df, 'covid19_horiz.gif', period_fmt='%b %-d, %Y')

14 更改日期标签为数值

# 设置日期标签为数值
bcr.bar_chart_race(df.reset_index(drop=True), 'covid19_horiz.gif', interpolate_period=True, 
                                 period_fmt='Index value - {x:.2f}')

15 添加动态文本,此处为数值总数统计

# 设置文本位置、数值、大小、颜色等
def summary(values, ranks):
    total_deaths = int(round(values.sum(), -2))
    s = f'Total Deaths - {total_deaths:,.0f}'
    return {'x': .99, 'y': .05, 's': s, 'ha': 'right', 'size': 8}
# 添加文本
bcr.bar_chart_race(df, 'covid19_horiz.gif', period_summary_func=summary)

16 添加垂直条,可选类型有平均值、分位数等

# 设置垂直条数值,分位数
def func(values, ranks):
    return values.quantile(.9)
# 添加垂直条
bcr.bar_chart_race(df, 'covid19_horiz.gif', perpendicular_bar_func=func)

17 设置柱状图颜色,默认为dark24

# 设置柱状图颜色
bcr.bar_chart_race(df, 'covid19_horiz.gif', cmap='accent')

18 柱状图颜色不重复,上面这个图是有重复颜色的

# 去除重复颜色
bcr.bar_chart_race(df, 'covid19_horiz.gif', cmap='accent', filter_column_colors=True)

这里有一些要注意的地方,比如中文配置,以及自定义颜色配置

中文配置只需在第三方库的「_make_chart.py」文件中,加入如下三行代码。

#中文显示
plt.rcParams['font.sans-serif'] = ['SimHei']  #Windows
plt.rcParams['font.sans-serif'] = ['Hiragino Sans GB'] #Mac
plt.rcParams['axes.unicode_minus'] = False

现在在图表中加入中文,来看看结果。

import bar_chart_race as bcr
import pandas as pd

# 读取数据
df = pd.read_csv('yuhuanshui.csv', encoding='utf-8', header=0, names=['name', 'number', 'day'])
# 处理数据
df_result = pd.pivot_table(df, values='number', index=['day'], columns=['name'], fill_value=0)
# print(df_result)

# 生成图像
bcr.bar_chart_race(df_result, 'heat.gif', title='我是余欢水演职人员热度排行')

使用电视剧余欢水人物的「百度指数」数据。

文件具体内容如下。

经过数据透视表处理后,得到与该库格式相同的数据。

想用自己的数据来做动态条形图,5行代码即可搞定

此外通过在「_colormaps.py」文件中添加颜色信息,经cmap引用,即可自定义配置颜色。

colormaps = 
{
    "new_colors": [
        '#ff812c',
        '#ff5a5a',
        '#00c5d2',
        '#a64dff',
        '#4e70f0',
        '#f95dba',
        '#ffce2b'
    ]
}

使用一波,看会不会变得好看一些。

# 使用自定义的颜色列表
bcr.bar_chart_race(df_result, 'heat.gif', title='我是余欢水演职人员热度排行', cmap='new_colors')

果然,看起来还不错~

还有一些细节上的参数,大家可通过查看库的源码,来了解一二。

本文使用到的CSV文件及相关安装包下载地址:

链接:https://pan.baidu.com/s/1dUfJyqfBAwZ10oPujL0uxA

提取码:opl1

Pandas进阶文章!

取数,取数,取个屁啊!

后台回复“入群”即可加入小z数据干货交流群
### 如何用Python编写爬虫程序来搜索全网的指定书籍 要使用Python编写一个能够搜索全网特定书籍的爬虫程序,可以遵循以下方法论。这涉及多个技术环节,包括发送HTTP请求、解析HTML页面以及处理数据存储。 #### 使用Requests库获取网页内容 为了访问目标网站并抓取其内容,通常会使用`requests`库。这个库允许开发者轻松发起GET或POST请求,并接收响应的内容[^1]。 ```python import requests def fetch_page(url): headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64)' } response = requests.get(url, headers=headers) if response.status_code == 200: return response.text else: raise Exception(f"Failed to load page {url}") ``` 上述代码定义了一个函数用于加载给定URL的网页内容,并设置了浏览器模拟头文件以防止被服务器拒绝访问。 #### 利用BeautifulSoup解析HTML文档 一旦获得了原始HTML文本,就需要将其转换成结构化形式以便进一步操作。这里推荐的是`BeautifulSoup`库,它提供了非常友好的API接口来进DOM树遍历和节点查找。 ```python from bs4 import BeautifulSoup def parse_books(html_content): soup = BeautifulSoup(html_content, 'html.parser') books_list = [] items = soup.find_all('div', class_='book-item') # 假设每本书籍都位于此类名下的<div>标签里 for item in items: title_tag = item.select_one('.title a') rating_tag = item.select_one('.rating span') book_info = { "name": title_tag.text.strip() if title_tag else None, "link": title_tag['href'] if title_tag and 'href' in title_tag.attrs else None, "score": float(rating_tag.text) if rating_tag and rating_tag.text.isdigit() else None } books_list.append(book_info) return books_list ``` 这段脚本展示了如何通过CSS选择器定位到具体的元素位置,并从中提取所需字段值。 #### 数据清理与可视化展示 当完成初步的数据采集之后,可能还需要经历一轮或多轮的数据清洗过程才能得到最终可用的结果集。如果希望直观地展现这些信息,则可以借助像Matplotlib或者Seaborn这样的绘图工具包创建图表图形界面[^2]。 ```python import matplotlib.pyplot as plt def plot_scores(books_data): names = [b["name"][:8]+"..." if b["name"] is not None else "" for b in books_data] scores = [b["score"] or 0 for b in books_data] fig, ax = plt.subplots() bars = ax.barh(names[::-1], scores[::-1]) ax.set_xlabel('Score') ax.set_title('Top Rated Books Scores') plt.show() ``` 此部分实现了简单的水平条形统计图绘制功能,用来比较不同作品之间的评分差异情况。 --- ####
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值