13518219792
这篇文章主要讲解了“Python可视化库Pandas_Alive怎么使用”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“Python可视化库Pandas_Alive怎么使用”吧！
创新互联专注于乐平网站建设服务及定制，我们拥有丰富的企业做网站经验。 热诚为您提供乐平营销型网站建设，乐平网站制作、乐平网页设计、乐平网站官网定制、微信小程序定制开发服务，打造乐平网络公司原创品牌,更为您提供乐平网站排名全网营销落地服务。
最近发现汉语中类似的一个可视化图库「Pandas_Alive」，不仅包含动态条形图，还可以绘制动态曲线图产品，气泡图，饼状图，地图在等。
同样也是几行代码就能完成动态图表的替换。
GitHub地址：
https://github.com/JackMcKew/pandas_alive
使用文档：
https://jackmckew.github.io/pandas_alive/
安装版本建议是0.2.3， matplotlib版本是3.2.1。
同时需自行安装tqdm（显示进度条）和descartes（放置地图相关库）。
要不然会出现报错，估计是作者的requestment.txt没包含这两个库。
好了，成功安装后就可以约会这个第三方库，直接选择加载本地文件。
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）
刚开始学习这个库的时候，大家可以减少数据，这样生成GIF的时间就会快一些。
例如在接下来的实践中，基本都只挑选了20天左右的数据。
对于其他图表，我们可以查看官方文档的API说明，得以了解。
下面我们就来看看其他动态图表的替换方法吧！
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年澳大利亚发电来源'）
02动态柱状图
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动态曲线图
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动态面积图
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动态散点图
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 = [ “最低温度（摄氏度）”， “最高温度（摄氏度）） “ ”
merged_temp_df [keep_columns] .resample（“ Y”）.mean（）。plot_animated（filename = 'examples / example-scatter-chart.gif'，kind = “ scatter”，
title = “最高温度和最低温度澳大利亚纽卡斯尔'）
06动态饼状图
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动态气泡图
multi_index_df = pd.read_csv（ “数据/ multi.csv” ，标题= [ 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（ 种类= “ bubble”， 文件名= “ examples / example-bubble-chart.gif”， x_data_label = “经度”， y_data_label = “纬度”， 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地理空间点图表
进口 geopandas
导入 pandas_alive
进口 contextily
GDF = geopandas.read_file（'数据/ NSW-covid19-例逐postcode.gpkg' ）
gdf.index = gdf.postcode
GDF = gdf.drop（'邮编'，轴= 1）
的结果= 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总体地理图表
进口 geopandas
导入 pandas_alive
进口 contextily
GDF = geopandas.read_file（'数据/意大利-covid-region.gpkg' ）
gdf.index = gdf.region
GDF = gdf.drop（'区域'，轴= 1）
结果= 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}）
感谢各位的阅读，以上就是“Python可视化库Pandas_Alive怎么使用”的内容了，经过本文的学习后，相信大家对Python可视化库Pandas_Alive怎么使用这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！
