效果預覽

配上動感的音樂感覺就是不一樣啊，要達到上述效果除了核心的Matplotlib繪圖外，其他工具和上篇推文?Hans Rosling Charts Matplotlib 繪制所使用的工具一樣啊。下面將分以下幾個部分對制作過程進行介紹。

01. 引言

動態曲線圖不同于動態氣泡圖，它可以查看部分指標在一段時間內的變化趨勢，本期推文將推出動態曲線圖的?Matplotlib?繪制過程，核心過程為?折線圖?和 散點圖 的繪制，詳細過程如下：

02. 數據處理

由于需要查某些指標隨時間的變化趨勢，可將數據處理成如下形式（部分）：

圖表中的?china、usa、japan?等變量可以結合自己的實際需求進行更改，而?time?列則是時間變化。上述數據為本次繪制動態曲線圖所需數據，即從?gapminder?網站下載的平均個人收入（Income per person）數據整理而成，處理代碼主要如下：

這里?eq(nation)?操作為提取自己所需數據，最后通過?pandas?的?concat()?操縱進行提取數據合并即可。

03. 數據可視化

動態圖表的繪制主要在于折線圖和散點圖的繪制，我們采用的依舊還是面向對象式繪圖方式，這里建議繪制較為復雜的圖表時多采用此方法進行繪制。完整繪圖過程如下：

繪圖的核心代碼（以china為例）主要在第16-24行，詳細解釋如下：

idx = data_test.time

折線圖：

ax.plot( idx, data_test['china'],color = '#FF5872',lw = 4)#折線圖

其中，x?和?y?參數分別設置為數據的?time?列和?china?列，color?和線寬?lw?屬性則是為了美化折線圖。

散點圖：

ax.scatter(idx.tolist()[-1],data_test['china'].tolist()[-1],color='#FF5872',edgecolor ='black',s = 280,lw = 2.5,zorder =4)#散點圖

散點圖的繪制則需知道我們只需要繪制最后一個散點，即獲取最后一個數據，因此scatter的x，y均有[-1]的索引，當然，我們需在之前使用tolist()方法轉變成數據列表形式，填充顏色?color、散點邊框顏色?edgecolor、散點大小?s、和線寬?lw?均可根據自己需要進行定制化設置。這里需要注意的是zorder屬性的設置，這里設置zorder=4,表示散點圖繪制在折線圖之后，即散點圖壓在折線圖之上，使繪圖更加美觀。

文本（國家名）：

ax.text(idx.tolist()[-1]+5,data_test['china'].tolist()[-1]-250,'china',size=15,c= '#FF5872',va='top',ha='left',fontweight = 'bold')#國家名

這里的?x?和?y?屬性則是根據實際情況進行慢慢調試 ，其他的屬性則是美化圖表使用。

文本（數值）：

ax.text(idx.tolist()[-1]+5,data_test['china'].tolist()[-1]-250,'china',size=15,c= '#FF5872',va='top',ha='left',fontweight = 'bold')#國家名

由于數據較大，這里

':{:,.0f}'.format(data_test['china'].tolist()[-1])對文本進行格式化操作，其他屬性則根據自己需求進行設置即可。

部分詳細解釋如下：

• 第?77-84?行則是添加位置固定的文本內容，設置?transform = ax.transAxes?則使文本位置不隨數據變化而變動。這里需要指出的是，一般的繪圖過程，固定文本一般都是在圖表的刻度、軸等屬性設置結束后再進行添加，這點則需要注意，好的繪圖習慣可以大大減少繪圖時間哦

• 第?66-71?行則是自定義 y 軸的刻度比例范圍，由于，較早年份的數據較為集中，使圖表繪制集中在一塊，影響美觀，特經此過程進行設置，而這也是?matplotlib 3.1?版本新添加的內容。

• 第?53?行使用?ax.axvline()?為動態圖表添加一條推進線。

• 第?54-64?行則是對圖表刻度、軸脊等 屬性進設置。

• 第?75?行采用ax.yaxis.set_major_formatter(ticker.StrMethodFormatter('{x:,.0f}'))定制化刻度標簽形式，此方法對繪制定制化的刻度標簽非常有用，希望感興趣的同學們可以多看看官網的教程。
  

• 第?86?行?ax.set_axisbelow(True)?設置網格線等屬性位于圖表圖層之下。
  

下面給出一年份數據繪制的曲線圖結果：

備注：要想生成這種暗黑背景風格的圖表，則可通過以下設置完成：

#設置畫布figure顏色 plt.figure(facecolor='#1D1E23',edgecolor='#1D1E23') #對Axis進行背景顏色設置 ax.set_facecolor('#373E4B')

04. 總結

Matplotlib繪制動態曲線圖較動態氣泡圖而言，繪制過程較為簡單，主要就是折線圖和散點圖的配合使用，其他的就是圖表屬性的定制化設置了，個人能力有限，發現錯誤的同學可以留言告知啊，下期我們將繼續推出Matplotlib動態圖系列的第三篇--動態條形圖 繪制方法。

E?N?D

各位伙伴們好，詹帥本帥搭建了一個個人博客和小程序，匯集各種干貨和資源，也方便大家閱讀，感興趣的小伙伴請移步小程序體驗一下哦！（歡迎提建議）

推薦閱讀

牛逼！Python常用數據類型的基本操作（長文系列第①篇）

牛逼！Python的判斷、循環和各種表達式（長文系列第②篇）

牛逼！Python函數和文件操作（長文系列第③篇）

牛逼！Python錯誤、異常和模塊（長文系列第④篇）

總結

以上是生活随笔為你收集整理的Python-Matplotlib动态曲线图(linechart)绘制的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。