这期博客，我们来学习一下，如何使用python的matplotlib绘制动态的柱状图，机缘巧合之后，导师让我替他绘制一个动态的柱状图，然后在一天的努力下，我速成了一下这个动态柱状图，在这里把代码和方法开源出来，万一以后大家的导师也让画，可以参考我的方法。

1. 竖着的柱状图绘图代码：
2. 横着的柱状图绘图代码：

以上海疫情的发展为例，先将疫情的发展数字做成excel表格，然后用python读取数据，横坐标 和 纵坐标分别问新增确认人数和新增无症状人数，动态的变量为日期。

B站视频演示链接

如何使用matplotlib绘制动态柱状图-python_哔哩哔哩_bilibili

总体思路很简单，动态的意义是延时输出新图片，我们将这个日期作为第三维的时间变量，不停的进行延时更新图片进行输出，即可得到动态的可视化效果。

延时的和核心代码，在这里：

data是第三维的动态变量，plt.pause是延时，每次图片存在的时间

date = ['2022年3月4日', '2022年3月5日', '2022年3月6日', '2022年3月7日',
        '2022年3月8日', '2022年3月9日', '2022年3月10日', '2022年3月11日', '2022年3月12日',
        '2022年3月13日', '2022年3月14日', '2022年3月15日', '2022年3月16日','2022年3月17日',
        '2022年3月18日','2022年3月19日', '2022年3月20日', '2022年3月21日',
       '2022年3月22日', '2022年3月23日', '2022年3月24日', '2022年3月25日', '2022年3月26日', '2022年3月27日',
        '2022年3月28日', '2022年3月29日', '2022年3月30日', '2022年3月31日', '2022年4月1日'
    ,'2022年4月2日', '2022年4月3日', '2022年4月4日'
    , '2022年4月5日', '2022年4月6日', '2022年4月7日']


for i in range(35):#动态的意义是延时输出图片
   


    plt.pause(0.1) #延时，每次图片播放的时间填多少就是多少，单位为秒
plt.show()

还有这个清除函数很重要，你需要要清除之前的才能画新的，不然会乱。 

plt.cla()#清除当前的图片，重新画新的

除了这两个是关键的，其他的代码就都是画图的常规代码了，看不懂的直接百度就行了。

横向动态柱状图：

纵向柱状图：

主要是CSDN不能上传视频到博客，做成的GIF动图效果又差的一批，那我这里把动态的视频放到我的B站，大家看效果可以点击链接直接观看。一般都是用python做好动态图，然后录屏再做成GIF动图，不过当日我导师要的是视频，然后让我剪辑加上音乐的。

 B站视频演示链接

如何使用matplotlib绘制动态柱状图-python_哔哩哔哩_bilibili

首先是我采集的数据：

 后来发现数据这样排列，不例如python的提取，我就稍微修改了一下，去掉了title，改成了如下的样子，方便我们使用pandas库进行提取。

竖着的柱状图绘图代码：

import pandas as pd
from matplotlib import pyplot as plt

df1 = pd.read_excel("data - 1.xlsx")#从文件夹提取我们需要的内容
# print(df1)   #打印出来看看
date = df1['日期']   #提取的抬头
y1 = df1['新增确诊人数']
y2 = df1['新增无症状人数']
y3 = df1['治愈人数']

date = ['2022年3月4日', '2022年3月5日', '2022年3月6日', '2022年3月7日',
        '2022年3月8日', '2022年3月9日', '2022年3月10日', '2022年3月11日', '2022年3月12日',
        '2022年3月13日', '2022年3月14日', '2022年3月15日', '2022年3月16日','2022年3月17日',
        '2022年3月18日','2022年3月19日', '2022年3月20日', '2022年3月21日',
       '2022年3月22日', '2022年3月23日', '2022年3月24日', '2022年3月25日', '2022年3月26日', '2022年3月27日',
        '2022年3月28日', '2022年3月29日', '2022年3月30日', '2022年3月31日', '2022年4月1日'
    ,'2022年4月2日', '2022年4月3日', '2022年4月4日'
    , '2022年4月5日', '2022年4月6日', '2022年4月7日']
print(len(date))
y1 = list(y1)
y2 = list(y2)
y3 = list(y3)
print(y1)
print(y2)
print(y3)



plt.rcParams["font.sans-serif"] = ['SimHei'] #方便汉语
plt.rcParams["axes.unicode_minus"] = False
plt.figure()


for i in range(35):#动态的意义是延时输出图片
    plt.cla()#清除当前的图片，重新画新的
    title = ['新增确诊人数' , '新增无症状人数' ]

    p1 = plt.bar(title[0], y1[i] , width=0.3 , color= 'lightcoral' )#标题的设置
    p2 = plt.bar(title[1], y2[i] , width=0.3 ,color='turquoise' )

    plt.bar_label(p1, label_type='edge', fontsize=12) #柱状图上面的小标题
    plt.bar_label(p2, label_type='edge', fontsize=12)
    plt.title(date[i] ,  fontsize=20)  #柱状图上面的大标题
    plt.ylim(0, 1000) #坐标

    if y1[i]>1000 or y2[i] >1000: #老师让做动态坐标，在播放的过程中坐标会发生变化
        plt.ylim(0, 21000)
    else:
        plt.ylim(0, 1000)
    # plt.ylabel("新增人数", fontsize=20)
    plt.xticks(fontsize=10)


    plt.pause(0.1) #延时，每次图片播放的时间填多少就是多少，单位为秒
plt.show()

横着的柱状图绘图代码： 

import pandas as pd
from matplotlib import pyplot as plt

df1 = pd.read_excel("data - 1.xlsx")
# print(df1)
date = df1['日期']
y1 = df1['新增确诊人数']
y2 = df1['新增无症状人数']
y3 = df1['治愈人数']

date = ['2022年3月4日上海市疫情发展趋势', '2022年3月5日上海市疫情发展趋势', '2022年3月6日上海市疫情发展趋势', '2022年3月7日上海市疫情发展趋势',
        '2022年3月8日上海市疫情发展趋势', '2022年3月9日上海市疫情发展趋势', '2022年3月10日上海市疫情发展趋势', '2022年3月11日上海市疫情发展趋势', '2022年3月12日上海市疫情发展趋势',
        '2022年3月13日上海市疫情发展趋势', '2022年3月14日上海市疫情发展趋势', '2022年3月15日上海市疫情发展趋势', '2022年3月16日上海市疫情发展趋势','2022年3月17日上海市疫情发展趋势',
        '2022年3月18日上海市疫情发展趋势','2022年3月19日上海市疫情发展趋势', '2022年3月20日上海市疫情发展趋势', '2022年3月21日上海市疫情发展趋势',
       '2022年3月22日上海市疫情发展趋势', '2022年3月23日上海市疫情发展趋势', '2022年3月24日上海市疫情发展趋势', '2022年3月25日上海市疫情发展趋势', '2022年3月26日上海市疫情发展趋势', '2022年3月27日上海市疫情发展趋势',
        '2022年3月28日上海市疫情发展趋势', '2022年3月29日上海市疫情发展趋势', '2022年3月30日上海市疫情发展趋势', '2022年3月31日上海市疫情发展趋势', '2022年4月1日上海市疫情发展趋势'
    ,'2022年4月2日上海市疫情发展趋势', '2022年4月3日上海市疫情发展趋势', '2022年4月4日上海市疫情发展趋势'
    , '2022年4月5日上海市疫情发展趋势', '2022年4月6日上海市疫情发展趋势', '2022年4月7日上海市疫情发展趋势']
print(len(date))
y1 = list(y1)
y2 = list(y2)
y3 = list(y3)
print(y1)
print(y2)
print(y3)
ans = []
for i in range(35):
    ans.append([y1[i] , y2[i]])
print(ans)

for i in range(35):#动态的意义是延时输出图片
    plt.cla()#清除之前的图，画新的
    title = ['新增无症状人数'  ,  '新增确诊人数' ]
    plt.rcParams['font.sans-serif'] = ['SimHei'] # 显示中文
    plt.title(str(date[i]) , fontsize=30)

    b = plt.barh(range(len(ans[i])), ans[i] ,tick_label = title , height=0.05 ,   color=['turquoise' , 'lightcoral' ],)#绘图
    plt.xticks(fontsize=20)  #横坐标

    plt.yticks(fontsize=20) #纵坐标

    for rect in b:
        w = rect.get_width()

        plt.text(w, rect.get_y() + rect.get_height() / 2, '%d' %  #放置小标题
                 int(w), ha='left', va='center')

    plt.pause(0.5)#延时，每次图片播放的时间填多少就是多少，单位为秒

plt.show()

整个项目的下载链接：链接：https://pan.baidu.com/s/1KVpBPCOA__8hHYhSbNY7yQ 
提取码：alid

一、 动态柱状图的意义

动画可以有趣地展示某种现象。相比于静态图表，人们更容易被动画和交互式的图表所吸引。在描绘时间序列数据时，动画更有意义。

总之一句话，领导基本都好这口的咯！

具体的操作请参考下面的动图：

二、 Python与数据处理

基于动态的柱状图的数据要求：不同的日期是按照新增的列显示出来，而不是按照行的形式进行展现的。具体如下图：

但是，通常的情况下，获取得到的数据是按照行进行获取的。

为了将行转换为列，需要用Python进行一下的操作：

读取原始数据，确定目标表中的行——具体读取省份信息之后，然后在去重即可

读取原始数据，确定目标表中的列——具体读取日期信息之后，然后在去重，接着排序即可

根据以上确定的行，以及列——采用循环的函数直接将相应的数值给补充上即可！！！

备注: 以上 Python 代码，以及上传到 GIthub

https://github.com/DataClubs/Python-Flourish

三、 Flourish与数据可视化

登录https://flourish.studio/注册免费的账号

导入以上Python数据处理得到的目标Excel数据

按照下图进行相应的数据设置

四、 动态柱状图的操作视频（先收藏，再观看！）

受B站拜年祭发射最多的弹幕是什么？视频启发，对日常维护工作中的故障硬件也做了一次盘点。这里介绍两种方法，第一种是Python + Matplotlib；第二种是利用GitHub上现成的“轮子”。如果需要快速出图，后者更简单（也更美观）。

方法一：Python

MATPLOTLIB的动画类

MATPLOTLIB包含了一个动画类——Animation，用这个类就可以实现图标的动画效果。先看下官方文档给出的例子：

import numpy as np

import matplotlib.pyplot as plt

from matplotlib.animation import FuncAnimation

fig, ax = plt.subplots()xdata, ydata = [], []ln, = plt.plot([], [], 'ro')

def init():

ax.set_xlim(0, 2*np.pi)

ax.set_ylim(-1, 1)

return ln,

def update(frame):

xdata.append(frame)

ydata.append(np.sin(frame))

ln.set_data(xdata, ydata)

return ln,

ani = FuncAnimation(fig, update, frames=np.linspace(0, 2*np.pi, 128),

init_func=init, blit=True)plt.show()

上例中，init初始化图表，update函数则负责更新图表中的数据。最主要的是FuncAnimation，通过不断调用update，并将frames参数中的值依次传递给update，更新图表。这个例子的运行结果如下：

示例gif

数据整理

先将故障硬件的名称、故障数量和发生日期整理好。好在这些数据一直以来都有不定期梳理。梳理后的格式如下：

整理后的数据

保存成csv后由pandas读取到DataFrame中，同时解析日期：

with open('plugin_faults.csv', 'r') as f:

data = pd.read_csv(f, parse_dates=['date'])

因为柱状图中每根柱的长度是个累计值，而表中的是当天故障的数量，因此要按故障硬件名称累积求和：

data = data.sort_values('date')

group = data.groupby('name')

data['value_cumsum'] = group.cumsum()

data.sort_values(['date','value_cumsum','name'], inplace=True)

data.drop_duplicates(['date','name'], keep='last', inplace=True)

填充所有日期，所有硬件类型

plugins = ['PCU', '电源板', 'AS7-D', 'ESB24-D', 'CPU', 'HWAT-B', 'SW256B', 'SWPRO-C',

'ETP', 'ET16', '时钟板', 'DRAM', 'TR3T', '硬盘', 'HDSAM-A', 'DCAR1-A', '光模块', '熔丝', '网管交换机'] # 所有硬件名称

start = datetime(2017,1,1) # 开始日期

end = datetime(2019,12,31) # 结束日期

dates = [start + timedelta(days=i) for i in range((end - start).days + 1)]

index = pd.MultiIndex.from_product([dates, plugins], names = ["date", "name"]) # 3年内所有日期与硬件名称的笛卡尔积作为多重索引

df = pd.DataFrame(index=index)

df['value'] = data.set_index(['date', 'name'])['value_cumsum'] # 向DataFrame填入data中的数据

df = df.unstack(level=1).fillna(method='ffill') # 将硬件名称索引unstack，前向填充累计故障数（比如累计到昨天一共坏n件，而今天没有该硬件故障，则累计数量还是n件)

df = df.stack(dropna=False).reset_index().fillna(0) # 转换成无索引的DataFrame，并填充缺失值为0（从开始时间直至第一个同类型硬件发生故障的值均为缺失值）

至此数据整理部分结束，得到了2017至2019年共计3年内每天每种硬件故障的累计数的DataFrame。

作图

通过水平柱状图将故障硬件的数量进行排名可视化，每个柱一个颜色，由多到少自上往下排列。

水平柱状图用barh生成，动画需更新每日的排序，但同一种硬件的颜色不能改变，因此初始化了plugin_color字典。

update函数中的df_i为当前帧所使用的数据，以日期作为筛选标准。

fig, ax = plt.subplots()

# 分配颜色的字典

colormap = [i / len(plugins) * 0.7 + 0.15 for i, _ in enumerate(plugins)]

colormap = plt.get_cmap('Paired')(colormap)

plugin_color = {plugins[i]: colormap[i] for i in range(len(plugins))}

def update(i):

date = datetime(2017, 1, 1) + timedelta(days=i)

# 筛选当日的数据，按数量排序

df_i = df[df['date'] == date]

df_i = df_i.sort_values('value', ascending=True)

names = df_i['name'] # 硬件名称作为Y轴标签

colors = [plugin_color[name] for name in names]

value = df_i['value'] # X轴的值

ax.clear() # 清理ax，否则排序不会重做

x = max(value) * 0.85 # 图中日期标签的水平相对位置

if i == 0:

ax.set_xlim(0, 1.05)

x = 0.85

# 水平柱状图

rects = ax.barh(y=names,

width=value,

align='center',

height=0.5,

color=colors)

# 每个柱的数字标签

for i, v in enumerate(value):

ax.text(v + 0.1, i, int(v), color=colors[i], ha='left', va='center')

# 日期标签

ax.text(x, 0.5, date.strftime('%Y-%m-%d'),

fontweight='bold', fontsize='25', color='red')

return rects

生成动画对象，回调函数为update，frames传入3年的日期数，interval定义每一帧的时延（每秒8帧）。

blit我试了下没感觉有啥区别，按照官方文档的说法，是一种比较老的绘图技术，这里设成False。

repeat控制是否循环播放。

ani = animation.FuncAnimation(fig=fig,

func=update,

frames=int(len(df) / len(plugins)),

interval=1000/8, # 每帧之间的时延，单位：ms

blit=False,

repeat=False)

保存为视频或GIF：

ani.save('test.gif', dpi=10, writer='pillow')

ani.save('test.mp4')

如果要在jupyter notebook中直接显示（中文显示问题参见“参考3”）：

%matplotlib inline

from IPython.display import HTML

HTML(ani.to_html5_video())

生成的动态排名柱状图GIF（完整的GIF太大，只截部分）：

生成gif

方法二：现成的“轮子”

从ID来看，应该就是B站视频的原作者在GitHub上的一个库（见“参考2”），使用的是d3.js的前端作图。只要将数据整理成规定的格式，直接从网页导入即可。也可以修改一些简单的配置，非常好用，在此推荐一下。

最后一帧截图：

最后一帧

参考