這篇文章主要講解了“Python可視化庫Pandas_Alive怎么使用”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“Python可視化庫Pandas_Alive怎么使用”吧！
創(chuàng)新互聯(lián)專注于樂平網(wǎng)站建設(shè)服務(wù)及定制，我們擁有豐富的企業(yè)做網(wǎng)站經(jīng)驗。 熱誠為您提供樂平營銷型網(wǎng)站建設(shè)，樂平網(wǎng)站制作、樂平網(wǎng)頁設(shè)計、樂平網(wǎng)站官網(wǎng)定制、微信小程序定制開發(fā)服務(wù)，打造樂平網(wǎng)絡(luò)公司原創(chuàng)品牌,更為您提供樂平網(wǎng)站排名全網(wǎng)營銷落地服務(wù)。
最近發(fā)現(xiàn)漢語中類似的一個可視化圖庫「Pandas_Alive」，不僅包含動態(tài)條形圖，還可以繪制動態(tài)曲線圖產(chǎn)品，氣泡圖，餅狀圖，地圖在等。
同樣也是幾行代碼就能完成動態(tài)圖表的替換。
GitHub地址：
https://github.com/JackMcKew/pandas_alive
使用文檔：
https://jackmckew.github.io/pandas_alive/
安裝版本建議是0.2.3， matplotlib版本是3.2.1。
同時需自行安裝tqdm（顯示進(jìn)度條）和descartes（放置地圖相關(guān)庫）。
要不然會出現(xiàn)報錯，估計是作者的requestment.txt沒包含這兩個庫。
好了，成功安裝后就可以約會這個第三方庫，直接選擇加載本地文件。
import pandas_alive as pd import pandas covid_df = pd.read_csv（'data / covid19.csv'，index_col = 0，parse_dates = [ 0 ]） covid_df.plot_animated（filename = 'examples / example-barh-chart.gif'，n_visible = 15）
剛開始學(xué)習(xí)這個庫的時候，大家可以減少數(shù)據(jù)，這樣生成GIF的時間就會快一些。
例如在接下來的實踐中，基本都只挑選了20天左右的數(shù)據(jù)。
對于其他圖表，我們可以查看官方文檔的API說明，得以了解。
下面我們就來看看其他動態(tài)圖表的替換方法吧！
elec_df = pd.read_csv（“ data / Aus_Elec_Gen_1980_2018.csv”，index_col = 0，parse_dates = [ 0 ]，千元= '，'） elec_df = elec_df.iloc [：20，：] elec_df.fillna（0）.plot_animated（'examples / example-electricity- generation -australia.gif'，period_fmt = “％Y”，title = '1980-2018年澳大利亞發(fā)電來源'）
02動態(tài)柱狀圖
covid_df = pd.read_csv（'data / covid19.csv'，index_col = 0，parse_dates = [ 0 ]） covid_df.plot_animated（filename = 'examples / example-barv-chart.gif'，方向= 'v'，n_visible = 15）
03動態(tài)曲線圖
重慶分公司
重慶分公司
covid_df = pd.read_csv（'data / covid19.csv'，index_col = 0，parse_dates = [ 0 ]）
covid_df.diff（）
fillna（0）.plot_animated（filename = 'examples / example-line-chart.gif'，kind = 'line'，period_label = { 'x'： 0.25， 'y'： 0.9 }）
04動態(tài)面積圖
covid_df = pd.read_csv（'data / covid19.csv'，index_col = 0，parse_dates = [ 0 ]）
covid_df.sum（axis = 1）.fillna（0）.plot_animated（filename = 'examples / example-bar-chart .gif'，kind = 'bar'，
period_label = { 'x'： 0.1， 'y'： 0.9 }，
enable_progress_bar = True，steps_per_period = 2，interpolate_period = True，period_length = 200
）05動態(tài)散點圖
max_temp_df = pd.read_csv（
“ data / Newcastle_Australia_Max_Temps.csv”，
parse_dates = { “ Timestamp”：[ “ Year”， “ Month”， “ Day” ]}，
）
min_temp_df = pd.read_csv（
“ data / Newcastle_Tustralia_T。，
parse_dates = { “ Timestamp”：[ “ Year”， “ Month”， “ Day” ]}，
）
max_temp_df = max_temp_df.iloc [：5000
，：] min_temp_df = min_temp_df.iloc [：5000
，：] merged_temp_df = pd。 merge_asof（max_temp_df，min_temp_df，on = “ Timestamp”）
merged_temp_df.index = pd.to_datetime（merged_temp_df [ “ Timestamp” ] .dt.strftime（'％Y /％m /％d'））
keep_columns = [ “最低溫度（攝氏度）”， “最高溫度（攝氏度）） “ ”
merged_temp_df [keep_columns] .resample（“ Y”）.mean（）。plot_animated（filename = 'examples / example-scatter-chart.gif'，kind = “ scatter”，
title = “最高溫度和最低溫度澳大利亞紐卡斯?fàn)?#39;）
06動態(tài)餅狀圖
covid_df = pd.read_csv（'data / covid19.csv'，index_col = 0，parse_dates = [ 0 ]）
covid_df.plot_animated（filename = 'examples / example-pie-chart.gif'，kind = “ pie”，
rotationlabels = True，period_label = { 'x'： 0， 'y'： 0 }）07動態(tài)氣泡圖
multi_index_df = pd.read_csv（ “數(shù)據(jù)/ multi.csv” ，標(biāo)題= [ 0， 1 ]，index_col = 0） multi_index_df.index = pd.to_datetime（multi_index_df.index，dayfirst =真） map_chart = multi_index_df.plot_animated（ 種類= “ bubble”， 文件名= “ examples / example-bubble-chart.gif”， x_data_label = “經(jīng)度”， y_data_label = “緯度”， size_data_label = “案例”， color_data_label = “案例”， vmax = 5，steps_per_period = 3，interpolate_period = True，period_length = 500， dpi = 100 ）
08地理空間點圖表
進(jìn)口 geopandas
導(dǎo)入 pandas_alive
進(jìn)口 contextily
GDF = geopandas.read_file（'數(shù)據(jù)/ NSW-covid19-例逐postcode.gpkg' ）
gdf.index = gdf.postcode
GDF = gdf.drop（'郵編'，軸= 1）
的結(jié)果= gdf.iloc [:,：20 ]
result [ 'geometry' ] = gdf.iloc [:, -1：] [ 'geometry' ]
map_chart = result.plot_animated（filename = 'examples / example-geo-point-chart .gif”，
basemap_format = { 'source'：contextily.providers.Stamen.Terrain}）09總體地理圖表
進(jìn)口 geopandas
導(dǎo)入 pandas_alive
進(jìn)口 contextily
GDF = geopandas.read_file（'數(shù)據(jù)/意大利-covid-region.gpkg' ）
gdf.index = gdf.region
GDF = gdf.drop（'區(qū)域'，軸= 1）
結(jié)果= gdf.iloc [：，：20 ]
result [ 'geometry' ] = gdf.iloc [:, -1：] [ 'geometry' ]
map_chart = result.plot_animated（filename = 'examples / example-example-example-geo-polygon-chart.gif'，
basemap_format = { 'source'：contextily.providers.Stamen.Terrain}）
感謝各位的閱讀，以上就是“Python可視化庫Pandas_Alive怎么使用”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對Python可視化庫Pandas_Alive怎么使用這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是創(chuàng)新互聯(lián)，小編將為大家推送更多相關(guān)知識點的文章，歡迎關(guān)注！
