Python编程实现超炫动态排序图 Python编程实现超炫动态排序图

用 python 制作超燃动态排序视频

1，数据预处理
2，图表绘制
3，制作的图表转化为视频、动画

用 python 制作超燃动态排序视频在开始之前，先贴张图，之前网上一段时间下面这种排序风格视频很火，下面这张图当作是视频其中的一帧。
制作这样视频的原理：就是把不同的帧组合在一起拼接成视频；把不同时间的排序图拼接在一起，拼接在一起形成一个随时间快速变化的动画，转化成视频，为了观看效果加一首很燃的BGM，最后的效果很赞。

文章图片

这种视频 python 也能做，基本上分为三大部分，主要用到的就是两个库函数 pandas做数据处理，matplotlib绘制表、制作视频动画

1，数据预处理
这一部分细分为：数据读取，随机生成颜色代码，城市地区与颜色映射关系构造。
本次选取的数据为从1500年到2018年各地区的人数统计(提醒一下，是各城市所在区域人口数量)
数据源链接：1500-2018各地区人口数量

# 导入库函数import randomimport pandas as pdimport matplotlib.pyplot as pltimport matplotlib.ticker as tickerimport matplotlib.animation as animationfrom IPython.display import HTMLimport matplotlib#防止动漫内存太大，报错matplotlib.rcParams['animation.embed_limit'] = 2**128

原数据是这样的，数据之间以”,(逗号)“隔开，我们需要的只是其中的几列，所以这里利用pandas 中的 usecols做一些列提取;

文章图片

#pandas读取数据，且去列名分别为name,group,year和value的值；url = 'https://gist.githubusercontent.com/johnburnmurdoch/4199dbe55095c3e13de8d5b2e5e5307a/raw/fa018b25c24b7b5f47fd0568937ff6c04e384786/city_populations'df = pd.read_csv(url, usecols=['name', 'group', 'year', 'value'])df.head()

因为每个地区标记一个颜色，这里需要构造一个随机颜色代码生成函数:

#导入random函数，randomcolor用于生成颜色代码# randomcolor生成颜色代码原理，# 【1-9/A-F】15个数字随机组合成6位字符串前面再加上一个“#”号键import randomdef randomcolor():colorlist = ['1','2','3','4','5','6','7','8','9','A','B','C','D','E','F']color =''for i in range(6):color += random.choice(colorlist)return '#'+ color

最后构造两个字典：一个是城市与颜色之间的，一个是城市与所在区域(亚洲、欧洲等)之间的，
形成一一映射关系方便后续处理

#对地区列表进行去重，分类；area_list1 = set(df['name'])# color_list用于存放随机生成颜色代码个数# 因为后面区域个数要与颜色个数保持一致，这里用了len函数；color_list =[]for i in range(len(area_list1)):str_1 = randomcolor()color_list.append(str_1)str_1 = randomcolor()#area_list转化为列表area_list_1 = [i for i in area_list1]print(color_list)print(area_list_1)

文章图片

构造映射关系:

#colors表示所在城市：颜色一一对应字典形式；colors =dict(zip(area_list_1,color_list))print(colors)#group_lk为城市：所在区域 --对应字典形式；group_lk = df.set_index('name')['group'].to_dict()print(group_lk)

文章图片

2，图表绘制
这一部分主要是利用matplotlib 写了一个在某一年中各地区人口分布的直方图绘制函数，在代码每一步中有详细注释，想实现的可以参照一下代码：

# 用plt加理图表，figsize表示图标长宽，ax表示标签fig, ax = plt.subplots(figsize=(15, 8))#dras_barchart生成current_year这一年各城市人口基本情况；def draw_barchart(current_year):#dff对year==current_year的行，以value从升序方式排序，取后十名也就是最大值；dff = df[df['year'].eq(current_year)].sort_values(by='value',ascending = True).tail(12)# 所有坐标、标签清除ax.clear()#显示颜色、城市名字ax.barh(dff['name'],dff['value'],color = [colors[x] for x in dff['name']])dx = dff['value'].max()/200#ax.text(x,y,name,font,va,ha)# x,y表示位置；# name表示显示文本；# va,ba分别表示水平位置，垂直放置位置；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.transAxes表示轴坐标系，(1,0.4)表示放置位置ax.text(1,0.4,current_year,transform = ax.transAxes,color ='#777777',size = 46,ha ='right',weight=800) ax.text(0,1.06,'Population (throusands)',transform = ax.transAxes,size=12,color='#777777')#set_major_formatter表示刻度尺格式；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([])#margins表示自动缩放余额；ax.margins(0,0.01)# 设置后面的网格ax.grid(which='major',axis='x',linestyle='-')#刻度线和网格线是在图标上方还是下方，True为下方ax.set_axisbelow(True)ax.text(0,1.15,'The most population cities in the word from 1500 to 2018',transform=ax.transAxes,size=24,weight=600,ha='left',va='top')ax.text(1,0,'by@zeroing1',transform = ax.transAxes,color ='#777777',ha = 'right',bbox = dict(facecolor='white',alpha = 0.8,edgecolor='white'))#取消图表周围的方框显示plt.box(False)#绘制2018年各城市人口情况draw_barchart(2018)

图表如下：

文章图片

3，制作的图表转化为视频、动画
用到的功能是 matplotlib 的 animation 函数，下面这个是生成一个jshtml页面，可以在线预览

#将原来的静态图拼接成动画fig, ax = plt.subplots(figsize=(15, 8))animator = animation.FuncAnimation(fig, draw_barchart, frames=range(1500, 2019))#保存到jshtmlHTML(animator.to_jshtml())

展示效果如下：

当然，也可以直接生成视频保存到本地，但在此之前请确保你的电脑已经配置好 FFmpeg，然后运行下面的代码，否则的话无法生成