丢掉excel，手把手教你用python做可视化数据

数据可视化动画还在用Excel做？

现在一个简单的Python包就能分分钟搞定！

而且生成的动画也足够丝滑，效果是酱紫的：

这是一位专攻Python语言的程序员开发的安装包，名叫 Pynimate。

目前可以直接通过PyPI安装使用。

使用指南

想要使用Pynimate，直接import一下就行。import pynimate as nim输入数据后，Pynimate将使用函数Barplot（）来创建条形数据动画。

而创建这种动画，输入的数据必须是pandas数据结构（如下），其中将时间列设置为索引，换句话说索引代表的是自变量。time, col1, col2, col32012 1 2 12013 1 1 22014 2 1.5 32015 2.5 2 3.5

具体的代码形式如下：import pandas as pddf = pd.read_csv('data'csv').set_index('time')

比如要处理具体的数据，写成代码应该是这样子的。df = pd.DataFrame( { "time": ["1960-01-01", "1961-01-01", "1962-01-01"], "Afghanistan": [1, 2, 3], "Angola": [2, 3, 4], "Albania": [1, 2, 5], "USA": [5, 3, 4], "Argentina": [1, 4, 5], }).set_index("time")

此外，要制作条形数据动画，Barplot还有三个必需的参数得注意：data、time_format和ip_freq（Interpolationfrequency）。

data就是表格的数据，这里也就不再赘述。

time_format是指数据索引的时间日期格式，一般为：”%Y-%m-%d”。

最后是ip_freq，它是制作动画中比较关键的一步，通过线性插值使动画更加流畅丝滑。

一般来说，并不是所有的原始数据都适合做成动画，现在一个典型的视频是24fps，即每秒有24帧。

举个栗子?，下面这个表格中的数据只有三个时间点，按理说只能生成3帧视频，最终动画也只有3/24秒。time, col1, col22012 1 3 2013 2 2 2014 3 1

这时候，ip_freq插值（线性）就开始发挥作用了，如果插值是一个季度，则得出的数据就变成了这样：time col1 col22012-01-01 1.00 3.002012-04-01 1.25 2.752012-07-01 1.50 2.502012-10-01 1.75 2.252013-01-01 2.00 2.002013-04-01 2.25 1.752013-07-01 2.50 1.502013-10-01 2.75 1.252014-01-01 3.00 1.00

具体的插值时间间隔为多久，则要视具体的数据而定，一般绘制大数据时，设置为ip_freq=None。

至此，就能生成数据动画了，完整代码如下所示：from matplotlib import pyplot as pltimport pandas as pdimport pynimate as nimdf = pd.DataFrame( { "time": ["1960-01-01", "1961-01-01", "1962-01-01"], "Afghanistan": [1, 2, 3], "Angola": [2, 3, 4], "Albania": [1, 2, 5], "USA": [5, 3, 4], "Argentina": [1, 4, 5], }).set_index("time")cnv = nim.Canvas()bar = nim.Barplot(df, "%Y-%m-%d", "2d")bar.set_time(callback=lambda i, datafier: datafier.data.index[i].year)cnv.add_plot(bar)cnv.animate()plt.show()

这是插值为两天，生成的动画效果。

最后还有一个问题，那就是保存动画，有两个格式可以选择：gif或者mp4。

保存为动图一般使用：cnv.save("file", 24, "gif")

若要保存为mp4的话，ffmpeg是个不错的选择，它是保存为mp4的标准编写器。 pip install ffmpeg-python

或者：conda install ffmpeg

当然，同样也可以使用Canvas.save()来保存。cnv.save("file", 24 ,"mp4")作者介绍

julkar9，Python/Flutter开发人员，研究的方向为数据分析与可视化。

小哥表示，Pynimate还会不断更新，目前正在接受大家的反馈，之后还会上线等值区域图等功能。

他还开发了一个应用程序：Chatmetry，同样也与数据统计有关，是一个用于创建whatsapp聊天统计数据的机器人应用程序。

这个程序可以从导出的聊天中生成各种统计信息，同时支持个人和群组聊天，并且是完全离线的，既不会保存也不会共享。