数据可视化之美

您所在的位置：网站首页 › python数据可视化软件 › 数据可视化之美

数据可视化之美

#数据可视化之美| 来源: 网络整理| 查看: 265

可视化是数据描述的图形表示࿰c;旨在一目了然地揭示数据中的复杂信息。数据可视化在讲故事中的重要性@R_520_9772@。

在可视化当中࿰c;我们常用的方式有点、线、面࿰c;或者说这几者组合。部分绘图结果可见下面链接： Python 画点线图、Python 画柱状图、Python 画柱状图（总结)

在可视化中最为复杂的要数动态图的绘制࿰c;动态图能表达出更多的信息（如时间维）࿰c;包含二维（x࿰c;time）、三维（x࿰c;y࿰c;time）、四维（x࿰c;y࿰c;z࿰c;time）数据中的信息。

同时࿰c;动画可以有趣地展示某种现象。相比于静态图表࿰c;人们更容易被动画和交互式的图表所吸引。

由于博主本身专业的限制࿰c;只重点关注了地学的相关文献、代码࿰c;其他专业也可借鉴本文中的相关动态图制作方法。

动图可视化作品举例

在日常学习生活中࿰c;可以发现有非常多精彩的动态图可视化作品࿰c;这些动态图为工作的展现、数据的说明都起到锦上添花的效果。见下：

Example1：

数据可视化之美-动态图绘制（以Python为工具）

该图基于MITgcm模式输出数据绘制 Example2：

数据可视化之美-动态图绘制（以Python为工具）

该动图的左边反映的是缺氧区域随时间的变化࿰c;右边反映的是空间的变化

Example3：

数据可视化之美-动态图绘制（以Python为工具）

新冠肺炎初期死亡人数的变化该项目链接：GitHub bar_chart_race

这种动图也可用pandas_alive绘制࿰c;见下

数据可视化之美-动态图绘制（以Python为工具）

Example4：

数据可视化之美-动态图绘制（以Python为工具）

This animation shows the transport of air parcels conTinuously emitted from four point sources inside the canopy during a period of 2.5 hours for the simulation 该动图来源于SCI论文《地形对茂密森林内排放的气体在冠层内运输的影响》 Effects of topography on in-canopy transport of gases emitted within dense forests

接下来重点介绍GIF图的生成࿰c;需要注意的是࿰c;GIF的生成一般是需要安装imagemagick(图片处理工具)࿰c;用pillow也行（但相对较有瑕疵）。

举例说明：基于matplotlib中的anamation Test1：移动的sin曲线（通过更新数据方式） import numpy as np from matplotlib import pyplot as plt from matplotlib.animation import FuncAnimation plt.style.use('seaborn-pastel') fig = plt.figure() ax = plt.axes(xlim=(0, 4), ylim=(-2, 2)) # 创建了一个图像窗口࿰c;设置了坐标轴的范围 line, = ax.plot([], [], lw=3) # 建了一个空的line对象࿰c;之后将通过更新line的数据࿰c;实现动画效果。 def init(): # 初始化函数init࿰c;这个函数其实什么也没干࿰c;给了line对象空的数据 line.set_data([], []) return line, def animate(i): # 动画函数animate࿰c;入参i是动画帧序号࿰c;根据i计算新的sin曲线数据࿰c;更新到line对象。 x = np.linspace(0, 4, 1000) y = np.sin(2 * np.pi * (x - 0.01 * i)) line.set_data(x, y) return line, anim = FuncAnimation(fig, animate, init_func=init, frames=100, interval=20, blit=True) # 利用之前所说的FuncAnimation()函数创建了对象anim࿰c;初始化时传入了figure对象࿰c;init()函数和animate()函数࿰c;以及帧数和更新时间。 # 循环一个周期࿰c;也就是100帧࿰c;就可以实现前后相接的循环效果了 anim.save('sine_wave_pillow.gif', writer='pillow') # writer 根据实际安装可选择

数据可视化之美-动态图绘制（以Python为工具）

（备注：这里保存GIF参数选用pillow࿰c;坐标轴显示不清晰࿰c;可选用imagemagick） Test2：示波器上的李萨如图形（通过更新数据方式）

李萨如图形见下：

数据可视化之美-动态图绘制（以Python为工具）

import matplotlib.pyplot as plt import matplotlib.animation as animation import numpy as np plt.style.use('dark_BACkground') fig = plt.figure() ax = plt.axes(xlim=(-50, 50), ylim=(-50, 50)) line, = ax.plot([], [], lw=2) # initialization function def init(): # creaTing an empty plot/frame line.set_data([], []) return line, # lists to store x and y axis points xdata, ydata = [], [] #simulate ghost effect of oscilloscope def ghostImage(x,y): xdata.append(x) ydata.append(y) if len(xdata)>60: del xdata[0] del ydata[0] return xdata,ydata # animation function def animate(i): # t is a parameter t = i/100.0 # x, y values to be plotted x = 40*np.sin(2*2*np.pi*(t+0.3)) y = 40*np.cos(3*2*np.pi*t) # appending new points to x, y axes points list line.set_data(ghostImage(x,y)) return line, # setTing a title for the plot plt.title('CreaTing a Lissajous figure with matplotlib') # hiding the axis details plt.axis('off') # call the animator anim = animation.FuncAnimation(fig, animate, init_func=init, frames=400, interval=20, blit=True) # save the animation as gif file anim.save('figure.gif',writer='pillow')

数据可视化之美-动态图绘制（以Python为工具）

Test3：二维动画绘制（通过叠加图像形式）

预先计算的【图像列表】的动画图像

import numpy as np import matplotlib.pyplot as plt import matplotlib.animation as animation fig = plt.figure() def f(x, y): return np.sin(x) + np.cos(y) x = np.linspace(0, 2 * np.pi, 120) y = np.linspace(0, 2 * np.pi, 100).reshape(-1, 1) # ims is a list of lists, each row is a list of artists to draw in the # current frame; here we are just animaTing one artist, the image, in # each frame ims = [] for i in range(60): x += np.pi / 15. y += np.pi / 20. im = plt.imshow(f(x, y), animated=True) ims.append([im]) ani = animation.ArtistAnimation(fig, ims, interval=50, blit=True, repeat_delay=1000) ani.save('test_2d.gif', writer='pillow')

数据可视化之美-动态图绘制（以Python为工具）

Test4：二维动画绘制（通过替换数据的形式） import numpy as np import matplotlib.pyplot as plt from matplotlib.animation import FuncAnimation #导入负责绘制动画的接口 fig, ax = plt.subplots() x = np.linspace(-10*np.pi,10*np.pi,300) y = np.linspace(-10*np.pi,10*np.pi,300) X,Y = np.@H_411_65@meshgrid(x,y) img = plt.imshow(np.sin(X),cmap='ocean') nums = 1000 #需要的帧数 def init(): ax.set_xlim(0, 100) ax.set_ylim(0, 100) return img def update(step): z = np.cos((0.5*X*(np.cos(0.01*step)+0.1))+step)+np.sin(0.5*(Y*(np.sin(0.01*step)+0.1))+step) # z = np.cos((X*(np.cos(0.01*step)+0.2))+step)+np.sin((Y*(np.sin(0.01*step)+0.2))+step) img.set_data(z) #设置新的 x࿰c;y return img ani = FuncAnimation(fig, update, frames=nums, #nums输入到frames后会使用range(nums)得到一系列step输入到update中去 init_func=init,interval=100) # plt.show() ani.save('example4.gif', writer='pillow')

数据可视化之美-动态图绘制（以Python为工具）

备注：以上皆是利用matplotlib中的anamation绘制࿰c;还可以利用上文提到的pandas_alive进行绘制

举例说明：基于pandas_alive Test5：x轴显示固定 import pandas as pd import pandas_alive elec_df = pd.read_csv("data/Aus_Elec_Gen_1980_2018.csv",index_col=0,parse_dates=[0],thousands=',') elec_df.fillna(0).plot_animated('./fixed-example.gif',period_fmt="%Y",title='Australian Electricity Generation sources 1980-2018',fixed_max=True,fixed_order=True)

数据可视化之美-动态图绘制（以Python为工具）

Test6：多子图动态图 import pandas as pd import pandas_alive covid_df = pd.read_csv('data/covid19.csv', index_col=0, parse_dates=[0]) animated_line_chart = covid_df.diff().fillna(0).plot_animated(kind='line', period_label=false,add_legend=false) animated_bar_chart = covid_df.plot_animated(n_visible=10) pandas_alive.animate_multiple_plots('./example-bar-and-line-chart.gif', [animated_bar_chart, animated_line_chart], enable_progress_bar=True)

数据可视化之美-动态图绘制（以Python为工具）

Reference:

[1] 数据可视化: matplotlib绘制动态图及3维动画

[2] 【matplotlib】绘制动态图像

[3] GitHub pandas_alive

【本文地址】

数据可视化之美

数据可视化之美

今日新闻

推荐新闻