在暂停 的matplotlib库的pyplot模块在功能上用于暂停为参数提到间隔秒。考虑下面的示例 我们将使用 matplotlib 创建一个简单的线性图并在其中显示动画
创建 2 个数组 X 和 Y 并存储从 1 到 100 的值。
使用 plot() 函数绘制 X 和 Y。
以合适的时间间隔添加 pause() 函数
运行程序 你会看到动画。
Python
from matplotlib import pyplot as plt for i in range(100): x.append(i) y.append(i) # 提及 x 和 y 限制以定义其范围 plt.xlim(0, 100) plt.ylim(0, 100) # 绘制图形 plt.plot(x, y, color green ) plt.pause(0.01) plt.show()
输出
同样 你也可以使用 pause() 函数在各种绘图中创建动画。
方法二 使用 FuncAnimation() 函数这个FuncAnimation() 函数不会自己创建动画 而是从我们传递的一系列图形中创建动画。
语法: FuncAnimation(figure, animation_function, frames None, init_func None, fargs None, save_count None, *, cache_frame_data True,
**kwargs)
现在您可以使用 FuncAnimation 函数制作多种类型的动画
线性图动画在这个例子中 我们将创建一个简单的线性图 它将显示一条线的动画。同样 使用 FuncAnimation 我们可以创建多种类型的动画视觉表示。我们只需要在一个函数中定义我们的动画 然后用合适的参数将它传递给FuncAnimation。
Python
from matplotlib import pyplot as plt from matplotlib.animation import FuncAnimation import numpy as np figure, ax plt.subplots() # 设置 x 和 y 轴的限制 ax.set_xlim(0, 100) ax.set_ylim(0, 12) # 绘制单个图形 line, ax.plot(0, 0) def animation_function(i): x.append(i * 15) y.append(i) line.set_xdata(x) line.set_ydata(y) return line, animation FuncAnimation(figure, func animation_function, frames np.arange(0, 10, 0.1), interval 10) plt.show()
输出
Python 中的条形图追赶动画在此示例中 我们将创建一个简单的条形图动画 它将显示每个条形的动画。
Python
from matplotlib import pyplot as plt from matplotlib.animation import FuncAnimation, writers import numpy as np plt.rcParams[ font.sans-serif ] [ Microsoft YaHei ] fig plt.figure(figsize (7,5)) axes fig.add_subplot(1,1,1) axes.set_ylim(0, 300) palette [ blue , red , green , darkorange , maroon , black ] y1, y2, y3, y4, y5, y6 [], [], [], [], [], [] def animation_function(i): y1 i y2 6 * i y3 3 * i y4 2 * i y5 5 * i y6 3 * i plt.xlabel( 国家 ) plt.ylabel( 国家GDP ) plt.bar([ 印度 , 中国 , 德国 , 美国 , 加拿大 , 英国 ], [y1, y2, y3, y4, y5, y6], color palette) plt.title( 条形图动画 ) animation FuncAnimation(fig, animation_function, interval 50) plt.show()
输出
Python 中的散点图动画在这个例子中 我们将使用随机函数在 python 中动画散点图。我们将遍历animation_func并在迭代时绘制 x 和 y 轴的随机值。
from matplotlib import pyplot as plt from matplotlib.animation import FuncAnimation import random import numpy as np colors [] fig plt.figure(figsize (7,5)) def animation_func(i): x.append(random.randint(0,100)) y.append(random.randint(0,100)) colors.append(np.random.rand(1)) area random.randint(0,30) * random.randint(0,30) plt.xlim(0,100) plt.ylim(0,100) plt.scatter(x, y, c colors, s area, alpha 0.5) animation FuncAnimation(fig, animation_func, interval 100) plt.show()
输出
在这里 我们将使用城市数据集中的最高人口绘制条形图竞赛。
不同的城市会有不同的条形图 条形图追赶将从 1990 年到 2018 年迭代。
我从人口最多的数据集中选择了最高城市的国家。
需要用到的数据集可以从这里下载 city_populations
Python
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
from matplotlib.animation import FuncAnimation
plt.rcParams[ font.sans-serif ] [ Microsoft YaHei ]
df pd.read_csv( city_populations.csv ,
usecols [ name , group , year , value ])
colors dict(zip([ India , Europe , Asia ,
Latin America , Middle East ,
North America , Africa ],
[ #adb0ff , #ffb3ff , #90d595 ,
#e48381 , #aafbff , #f7bb5f ,
#eafb50 ]))
group_lk df.set_index( name )[ group ].to_dict()
def draw_barchart(year):
dff df[df[ year ].eq(year)].sort_values(by value ,
ascending True).tail(10)
ax.clear()
ax.barh(dff[ name ], dff[ value ],
color [colors[group_lk[x]] for x in dff[ name ]])
dx dff[ value ].max() / 200
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.text(1, 0.4, year, transform ax.transAxes,
color #777777 , size 46, ha right ,
weight 800)
ax.text(0, 1.06, Population (thousands) ,
transform ax.transAxes, size 12,
color #777777 )
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([])
ax.margins(0, 0.01)
ax.grid(which major , axis x , linestyle - )
ax.set_axisbelow(True)
ax.text(0, 1.12, 从 1500 年到 2018 年世界上人口最多的城市 ,
transform ax.transAxes, size 24, weight 600, ha left )
ax.text(1, 0, by haiyong.site | 海拥 ,
transform ax.transAxes, ha right , color #777777 ,
bbox dict(facecolor white , alpha 0.8, edgecolor white ))
plt.box(False)
plt.show()
fig, ax plt.subplots(figsize (15, 8))
animator FuncAnimation(fig, draw_barchart,
frames range(1990, 2019))
plt.show()
输出
评论区抽粉丝送书啦欢迎大家在评论区提出意见和建议 抽两位幸运儿送书 实物图如下
《机器学习入门 基于数学原理的Python实战》
简介 理论性与实用性兼备 既可作为初学者的入门书籍 也可作为求职者的面试宝典 更可作为职场人士转岗的实用手册。本书适合需要全面学习机器学习算法的初学者、希望掌握机器学习算法数学理论的程序员、想转行从事机器学习算法的专业人员、对机器学习算法兴趣浓厚的人员、专业培训机构学员和希望提高 Python 编程水平的程序员。
优点
1.与周志华编写的《机器学习》相比 本书多了对算法的数学原理详细严谨的推导。
2.与李锐翻译的《机器学习实战》相比 本书多了用面向对象思想将算法模块化 并且书中代码在Python 3 环境下运行。
3.为了照顾初学者 本书补充了全书涉及的高等数学、线性代数、概率论与数理统计、Jessen不等式等数学基础知识。
也有不想抽奖自己买的同学可以参考下面的链接
京东自营购买链接
《机器学习入门 基于数学原理的Python实战》(戴璞微 潘斌)【摘要 书评 试读】- 京东图书
当当自营购买链接
《机器学习入门 基于数学原理的Python实战》(戴璞微)【简介_书评_在线阅读】 - 当当图书
注意
大家点赞关注 三天后也就是 9月28日 从评论区留言的同学中抽取两位送书
行业资料 精品PPT模板几千套 简历模板一千多套
面试题库 Java核心知识点大全和面试真题资料
学习资料 2300套PHP建站源码 微信小程序入门资料 Python全集(400集)
如果中奖了联系不上则视为放弃 可以从下方公众号里找到作者的联系方式 回复【资源】获取上面的资料
