Python可視化庫Pandas_Alive怎么使用

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！

前言

最近發(fā)現(xiàn)漢語中類似的一個(gè)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(shí)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(bào)錯(cuò)，估計(jì)是作者的requestment.txt沒包含這兩個(gè)庫。

好了，成功安裝后就可以約會這個(gè)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(gè)庫的時(shí)候，大家可以減少數(shù)據(jù)，這樣生成GIF的時(shí)間就會快一些。

例如在接下來的實(shí)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！

動態(tài)條形圖

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

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(diǎn)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(diǎn)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(shí)踐驗(yàn)證。這里是億速云，小編將為大家推送更多相關(guān)知識點(diǎn)的文章，歡迎關(guān)注！