Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >介绍一个Python模块,绘制超级惊艳的可视化动图

介绍一个Python模块,绘制超级惊艳的可视化动图

作者头像
用户6888863
发布于 2024-01-04 05:48:16
发布于 2024-01-04 05:48:16
16200
代码可运行
举报
文章被收录于专栏:AI篮球与生活AI篮球与生活
运行总次数:0
代码可运行

今天小编给大家介绍一款可视化模块,使用它可以绘制出十分惊艳的动图效果,那么当然第一步我们首先是要安装一下该模块,通过pip命令行来安装

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
pip install ipyvizzu

牛刀小试

我们首先来简单地使用该模块来绘制一张动图,用Pandas导入数据集,代码如下

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
import pandas as pd
from ipyvizzu import Chart, Data, Config

data_frame = pd.read_csv("titanic.csv")

在导入数据集完毕之后,小编先来介绍一下使用该模块的大致步骤,我们实例化Data()对象,然后将导入的数据集放置其中,代码如下

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
data = Data()
data.add_data_frame(data_frame)

然后我们再实例化图表对象Chart(),将含有数据集的data放置其中

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
chart = Chart()
chart.animate(data)

接下来我们开始绘制图表,需要指定好的是图表的一些属性,例如直方图的话就是X轴Y轴该放置什么样的数据,颜色选择是默认的还是需要另外指定的,以及标题等等

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
chart.animate(Config({"x": "Count", "y": "Sex", "label": "Count","title":"Passengers of the Titanic"}))

然后我们再此基础之上,在添加上下面的代码,

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
chart.animate(Config({"x": ["Count","Survived"], "label": ["Count","Survived"], "color": "Survived"}))

因此该模块绘制出来的所谓的动图,其实就是若干张静态图表的叠加,我们不妨来看一下完整的案例

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
import pandas as pd
from ipyvizzu import Chart, Data, Config

data_frame = pd.read_csv("titanic.csv")
data = Data()
data.add_data_frame(data_frame)

chart = Chart()
chart.animate(data)
chart.animate(Config({"x": "Count", "y": "Sex", "label": "Count","title":"Passengers of the Titanic"}))
chart.animate(Config({"x": ["Count","Survived"], "label": ["Count","Survived"], "color": "Survived"}))
chart.animate(Config({"x": "Count", "y": ["Sex","Survived"]}))

散点图与直方图之间的动图转变

因为篇幅有限,小编在这里也不太可能一次性将这个知识点讲完,读者可以自行去官网上查阅,github的地址是:https://github.com/vizzuhq/ipyvizzu/tree/main

这里小编尝试来绘制绘制一下散点图与直方图之间的动图转变,首先是绘制散点图,代码如下

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
import pandas as pd
from ipyvizzu import Chart, Data, Config, Style

data_frame = pd.read_csv("chart_types_eu.csv", dtype={"Year": str})
data = Data()
data.add_data_frame(data_frame)

chart = Chart()
chart.animate(data)

chart.animate(
    Config(
        {
            "channels": {
                "x": ["Joy factors", "Value 6 (+/-)"],
                "y": "Value 5 (+/-)",
                "color": "Joy factors",
                "size": "Value 2 (+)",
                "label": "Country_code",
            },
            "title": "Bubble Plot",
            "geometry": "circle",
        }
    )
)

我们通过title参数在设置标题,size参数在设置散点的大小以及color参数在设置散点的颜色,接下来我们来绘制直方图,代码如下

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
chart.animate(
    Config(
        {
            "channels": {
                "y": "Joy factors",
                "x": ["Value 2 (+)", "Country_code"],
                "label": None
            },
            "title": "Bar Chart",
            "geometry": "rectangle",
            "orientation": "vertical",
        }
    ),
    geometry={"delay": 0.7, "duration": 1},
)

然后我们在直方图上标上标记,代码如下

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
chart.animate(
    Config(
        {"channels": {"x": {"set": ["Value 2 (+)"]}, "label": {"set": ["Value 2 (+)"]}}}
    )
)

我们总体来看一下出来的动图效果,如下图所示

分享、收藏、点赞、在看安排一下?

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2024-01-04,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 关于数据分析与可视化 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
ipyvizzu!小清新式的动画图表绘制工具,值得学习一下~
连续多期给大家推荐了R语言中的可视化工具包,今天给大家推荐一个我最近发现的特别好用且好看的可视化工具-「ipyvizzu」,该工具不仅支持常见的可视化图表类型,且其默认的配色真的很亮眼,赶紧来一起学习下吧~~
DataCharm
2024/01/06
1440
ipyvizzu!小清新式的动画图表绘制工具,值得学习一下~
深度好文 | Matplotlib 可视化最有价值的 50 个图表(附完整 Python 源代码)
在数据分析和可视化中最有用的 50 个 Matplotlib 图表。 这些图表列表允许您使用 python 的 matplotlib 和 seaborn 库选择要显示的可视化对象。
数据派THU
2019/05/09
1.7K0
深度好文 | Matplotlib 可视化最有价值的 50 个图表(附完整 Python 源代码)
08-可视化操作-探索泰坦尼克灾难数据
import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns
光点神奇
2019/05/28
1.3K0
50个数据可视化最有价值的图表(附完整Python代码)
导读:本文总结了 Matplotlib 以及 Seaborn 用的最多的50个图形,掌握这些图形的绘制,对于数据分析的可视化有莫大的作用,强烈推荐大家阅读后收藏。
IT阅读排行榜
2019/03/11
2.1K0
50个数据可视化最有价值的图表(附完整Python代码)
Pandas之:Pandas高级教程以铁达尼号真实数据为例
接下来我们会以Pandas官网提供的Titanic.csv为例来讲解Pandas的使用。
程序那些事
2021/06/07
8180
可视化神器Plotly玩转股票图
本文是可视化神器Plotly绘图的第7篇,讲解的是如何通过Plotly来绘制与股市相关的图形,比如基础K线图、OHLC图等。
皮大大
2021/04/28
6.8K0
可视化神器Plotly玩转股票图
6个顶级Python可视化库
这篇文章云朵君将和大家一起学习每个库的优点和缺点。到最后,对它们的不同特点有更好的了解,在合适的时候更容易选择合适的库。
数据STUDIO
2023/09/04
1.1K0
6个顶级Python可视化库
技巧|Python 制作动态图表的正确方式
关于动态图表,相信大家都或多或少的接触过一些,如果是代码水平比较不错的,可以选择 Matplotlib,当然也可以使用 pyecharts 的相关功能,不过这些工具都专注于图表的制作,也就是对于图表的数据,你是需要自行转换的。而今天介绍的这个可视化图库,完美的结合了 Pandas 数据格式,又辅以 Matplotlib 的强大功能,使得我们制作动图变得容易的多了。
码农向前冲
2021/12/22
1.5K2
技巧|Python 制作动态图表的正确方式
pandas实现数据可视化
我们常用Python语言的matplotlib库和seaborn库实现数据可视化。实际上,pandas基于其数据框结构也能够便捷地绘制出各种类型的图形,以实现数据可视化的目的。
陆勤_数据人网
2019/06/05
7500
pandas实现数据可视化
6个顶级Python可视化库
如果你是Python可视化的新手,一些流行的可视化库包括Matplotlib、Seaborn、Plotly、Bokeh、Altair和Folium,以及大量的库和例子可能会让你感到不知所措。
周萝卜
2023/08/21
6600
6个顶级Python可视化库
使用 Python 进行数据可视化之Plotly
作者主页:海拥 作者简介:CSDN全栈领域优质创作者、HDZ核心组成员、蝉联C站周榜前十
海拥
2021/12/21
2.1K0
使用 Python 进行数据可视化之Plotly
看完这篇文章,我彻底爱上了Python动态图表!
关于动态条形图,小F以前推荐过「Bar Chart Race」这个库。三行代码就能实现动态条形图的绘制。
小F
2020/12/16
8190
看完这篇文章,我彻底爱上了Python动态图表!
Python Matplotlib数据可视化 绘制箱形图、散点图和直方图
Python中可以通过matplotlib模块的pyplot子库来完成绘图。Matplotlib可用于创建高质量的图表和图形,也可以用于绘制和可视化结果。matplotlib是Python优秀的数据可视化第三方库,matplotlib.pyplot是绘制种类可视化图形的命令子库,相当于快捷方式 import matplotlib.pyplot as plt.
叶庭云
2020/09/17
5K0
Python  Matplotlib数据可视化   绘制箱形图、散点图和直方图
【可视化大屏】全流程讲解用python的pyecharts库实现拖拽可视化大屏的背后原理,简单粗暴!
针对TOP250排行榜的数据,开发一套可视化数据大屏系统,展示各维度数据分析结果。
马哥python说
2025/04/27
4400
【可视化大屏】全流程讲解用python的pyecharts库实现拖拽可视化大屏的背后原理,简单粗暴!
Matplotlib可视化没那么难:7种常用图表最全绘制攻略来了!
导读:绘图是数据分析工作中的重要一环,是探索过程的一部分。Matplotlib是当前用于数据可视化的最流行的Python包之一,本文主要介绍数据可视化分析工具:Matplotlib。
IT阅读排行榜
2021/06/01
7K0
Matplotlib可视化没那么难:7种常用图表最全绘制攻略来了!
Plotly深入浅出
作为Python的新一代数据可视化绘图库,和matplotlib等传统绘图库相比,plotly具有以下优点:
lyhue1991
2022/05/16
2.6K0
Plotly深入浅出
一文汇总Python可视化工具及图表
正所谓“一图胜千言”,数据可视化是数据科学中重要的一项工作,在面对海量的大数据中,如果没有图表直观的展示复杂数据,我们往往会摸不着头脑。通过可视化的图表可以直观了解数据潜藏的重要信息,以便在业务和决策中发现数据背后的价值!
算法进阶
2023/10/26
8380
一文汇总Python可视化工具及图表
TOP50 Python可视化经典案例上(附源码,建议收藏)
很多读者想学Python转数据分析,在学习或使用的过程中经常会忘记一些图表的具体用法,所以行哥分享matplotlib和seaborn速查表给读者们在画图的时候使用,需要pdf版本的话可以在行哥免费的星球里下载
行哥玩Python
2020/07/14
2.8K0
TOP50 Python可视化经典案例上(附源码,建议收藏)
Matplotlib 可视化最有价值的 14 个图表(附完整 Python 源代码)
这些图表根据可视化目标的7个不同情景进行分组。 例如,如果要想象两个变量之间的关系,请查看“关联”部分下的图表。 或者,如果您想要显示值如何随时间变化,请查看“变化”部分,依此类推。
CSDN技术头条
2019/11/19
1.2K0
Matplotlib 可视化最有价值的 14 个图表(附完整 Python 源代码)
你知道怎么用Pandas绘制带交互的可视化图表吗?
之前咱们介绍过Pandas可视化图表的绘制《『数据可视化』一文掌握Pandas可视化图表》,不过它是依托于matplotlib,因此无法进行交互。但其实,在Pandas的0.25.0版本之后,提供了一些其他绘图后端,其中就有我们今天要演示的主角基于Bokeh!
可以叫我才哥
2021/09/24
4K0
推荐阅读
相关推荐
ipyvizzu!小清新式的动画图表绘制工具,值得学习一下~
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验