当前位置:

首页 > 编程开发 > 用Python制作惊艳的gif动画效果,让人眼前一亮

用Python制作惊艳的gif动画效果,让人眼前一亮

在之前的一篇文章当中,小编当时分享了如何用​​Python​​​当中的​​gif​​​模块来制作​​gif​​格式的图表,厉害了,用Python绘制动态可视化图表,并保存成gif格式今天小编再给大家来介绍一种制作​​gif​​​格式图表的新方法,调用的是​​matplotlib​​的相关模块,其中的步骤与方法也是相当地简单易懂。下载和导入数据库我们这次用到的数据集是​​bokeh​​模块自带的数据集,通过下面这一行代码直接就可以下载importbokehbokeh.sampledata.downlo

本文目录

    用Python制作惊艳的gif动画效果,让人眼前一亮

    在之前的一篇文章当中,小编当时分享了如何用​​Python​​​当中的​​gif​​​模块来制作​​gif​​格式的图表,

    厉害了,用Python绘制动态可视化图表,并保存成gif格式今天小编再给大家来介绍一种制作​​gif​​​格式图表的新方法,调用的是​​matplotlib​​的相关模块,其中的步骤与方法也是相当地简单易懂。

    下载和导入数据库

    我们这次用到的数据集是​​bokeh​​模块自带的数据集,通过下面这一行代码直接就可以下载

    import bokeh
    bokeh.sampledata.download()
    
    
    

    然后导入后面要用到的数据集,我们挑选的是指定国家的1950年至今不同年龄阶段的人口所占比重的数据

    from bokeh.sampledata.population import data
    import numpy as np
    
    data = filter_loc('United States of America')
    data.head()
    
    
    

    output

    用Python制作惊艳的gif动画效果,让人眼前一亮

    先绘制若干张静态的图表

    我们可以先绘制若干张静态的图表,然后将这几张图表合成一张​​gif​​格式的动图即可,代码如下

    import seaborn as sns
    import matplotlib.pyplot as plt
    import matplotlib.patheffects as fx
    
    # 绘制图表的函数
    def make_plot(year):
        
        # 根据年份来筛选出数据
        df = data[data.Year == year]
            
        # 制作图表
        fig, (ax1, ax2) = plt.subplots(1, 2, sharey = True)
        ax1.invert_xaxis()
        fig.subplots_adjust(wspace = 0) 
        
        ax1.barh(df[df.Sex == 'Male'].AgeGrp, df[df.Sex == 'Male'].percent, label = 'Male')
        ax2.barh(df[df.Sex == 'Female'].AgeGrp, df[df.Sex == 'Female'].percent, label = 'Female', color = 'C1')
        
        country = df.Location.iloc[0]
        if country == 'United States of America': country == 'US'
            
        fig.suptitle(f'......')
        fig.supxlabel('......')
        fig.legend(bbox_to_anchor = (0.9, 0.88), loc = 'upper right')
        ax1.set_ylabel('Age Groups')
        
        return fig
    
    
    

    我们自定义了一个绘制图表的函数,其中的参数是年份,逻辑很简单,我们是想根据年份来筛选出数据,然后根据筛选出的数据来绘制图表,每一年的图表不尽相同

    years = [i for i in set(data.Year) if i < 2022]
    years.sort()
    
    for year in years:
        fig = make_plot(year)
        fig.savefig(f'{year}.jpeg',bbox_inches = 'tight')
    
    
    

    output

    用Python制作惊艳的gif动画效果,让人眼前一亮

    这样我们就生成了若干张静态的图表,然后集合成​​gif​​格式的图表几个,代码如下

    import matplotlib.animation as animation
    fig, ax = plt.subplots()
    ims = []
    
    for year in years:
        im = ax.imshow(plt.imread(f'{year}.jpeg'), animated = True)
        ims.append([im])
    
    ani = animation.ArtistAnimation(fig, ims, interval=600)
    ani.save('us_population.gif')
    
    
    

    output

    用Python制作惊艳的gif动画效果,让人眼前一亮用Python制作惊艳的gif动画效果,让人眼前一亮

    还有另外一种思路

    可能看到这儿,有人会觉得上面提到的方法稍显麻烦,毕竟我们需要先生成数十张静态的图表,要是电脑的磁盘空间有点紧张的话,或者还没有这样的一个地方来存放这数十张的图表。于是乎就会疑问道,是不是可以一步到位的来。当然也是可以的,例如我们打算绘制1950年到2020年不同年龄阶段的人口比例分布图,首先第一步在于我们先要绘制1950年,也就是起始年,该年不同年龄阶段的人口比例分布图,代码如下

    fig, (ax1, ax2) = plt.subplots(1, 2, sharey = True)
       
    df = data[data.Year == 1955]
    
    y_pos = [i for i in range(len(df[df.Sex == 'Male']))]
    male = ax1.barh(y_pos, df[df.Sex == 'Male'].percent, label = 'Male',
                   tick_label = df[df.Sex == 'Male'].AgeGrp)
    female = ax2.barh(y_pos, df[df.Sex == 'Female'].percent, label = 'Female', 
                      color = 'C1', tick_label = df[df.Sex == 'Male'].AgeGrp)
    
    ax1.invert_xaxis()
    fig.suptitle('.......')
    fig.supxlabel('....... (%)')
    fig.legend(bbox_to_anchor = (0.9, 0.88), loc = 'upper right')
    ax1.set_ylabel('Age Groups')
    
    
    

    output

    用Python制作惊艳的gif动画效果,让人眼前一亮

    然后我们自定义一个绘制图表的函数,其中参数为年份,目的在于通过年份来筛选出相对应的数据并且绘制出相对应的图表

    def run(year):
        # 通过年份来筛选出数据
        df = data[data.Year == year]
        # 针对不同地性别来绘制
        total_pop = df.Value.sum()
        df['percent'] = df.Value / total_pop * 100
        male.remove()
        y_pos = [i for i in range(len(df[df.Sex == 'Male']))]
        male.patches = ax1.barh(y_pos, df[df.Sex == 'Male'].percent, label = 'Male', 
                         color = 'C0', tick_label = df[df.Sex == 'Male'].AgeGrp)
        female.remove()
        female.patches = ax2.barh(y_pos, df[df.Sex == 'Female'].percent, label = 'Female',
                     
                     color = 'C1', tick_label = df[df.Sex == 'Female'].AgeGrp)
    
        text.set_text(year)
        return male#, female
    
    
    

    然后我们调用​​animation.FuncAnimation()​​方法,

    ani = animation.FuncAnimation(fig, run, years, blit = True, repeat = True, 
                                  interval = 600)
    ani.save('文件名.gif')
    
    
    

    output

    用Python制作惊艳的gif动画效果,让人眼前一亮

    这样就可以一步到位生成​​gif​​格式的图表,避免生成数十张繁多地静态图片了。

    将若干张​​gif​​动图放置在一张大图当中

    最后我们可以将若干张​​gif​​动图放置在一张大的图表当中,代码如下

    import matplotlib.animation as animation
    
    # 创建一个新的画布
    fig, (ax, ax2, ax3) = plt.subplots(1, 3, figsize = (10, 3))
    
    ims = []
    for year in years:
        im = ax.imshow(plt.imread(f'文件1{year}.jpeg'), animated = True)
        im2 = ax2.imshow(plt.imread(f'文件2{year}.jpeg'), animated = True)
        im3 = ax3.imshow(plt.imread(f'文件3{year}.jpeg'), animated = True)
        ims.append([im, im2, im3])
    
    ani = animation.ArtistAnimation(fig, ims, interval=600)
    ani.save('comparison.gif')
    
    
    

    output

    用Python制作惊艳的gif动画效果,让人眼前一亮


    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发 Python
    相关文章 更多
    python删除一个列表里的重复元素的方法与代码示例
    python删除一个列表里的重复元素的方法与代码示例

    学习如何使用Python高效删除列表中的重复元素。本文提供5种常见方法的代码示例,涵盖保持顺序与不保持顺序的场景,适合初学者和进阶开发者参考。

    Python写接口的步骤及完整代码示例
    Python写接口的步骤及完整代码示例

    详细讲解使用Python编写Web接口的核心步骤与完整代码示例,涵盖环境准备、路由定义、数据校验、服务启动及调试测试方法。

    codex怎么读取word文档及docx文件操作教程
    codex怎么读取word文档及docx文件操作教程

    介绍如何利用编程工具读取和解析Word文档(docx格式),涵盖基础文本提取代码示例、结构化数据处理逻辑,以及处理复杂排版时的技术局限与替代方案。

    怎么在Python中调用C语言代码提升性能
    怎么在Python中调用C语言代码提升性能

    详细讲解在Python中调用C语言代码提升性能的完整实践指南,包含原理分析、编译步骤、ctypes与CFFI具体实现、性能对比及常见陷阱。

    Python与C语言的性能差异及底层原理
    Python与C语言的性能差异及底层原理

    深入解析Python与C语言在执行效率上的数量级差异,从编译机制、变量内存布局、动态类型推断到GIL锁,系统阐明底层核心原理。

    Python和C语言哪个更适合编程入门
    Python和C语言哪个更适合编程入门

    客观对比Python与C语言在心智负担、底层机制与学习反馈上的核心差异,提供清晰有据的选择标准与切实的入门学习路径。

    selenium上传文件教程本地文件路径设置方法
    selenium上传文件教程本地文件路径设置方法

    深入解析Selenium处理文件上传的技术细节,涵盖标准HTML控件的路径直接注入法与非标准控件的系统级模拟方案,提供Windows与Linux环境下的路径设置最佳实践及常见异常排查。

    大数据开发语言选型:Java对比Scala与Python的优缺点及适用场景
    大数据开发语言选型:Java对比Scala与Python的优缺点及适用场景

    针对大数据工程场景,系统对比Java、Scala与Python在执行性能、生态结合、开发效率和维护成本上的核心差异,给出清晰的架构选型依据与落地方案。

    langgraph python guide中文入门教程详解
    langgraph python guide中文入门教程详解

    本篇LangGraph Python中文入门教程详解,系统梳理StateGraph状态机定义、节点编写、边与条件路由、检查点持久化(MemorySaver)等核心机制,提供从环境安装到完整循环智能体构建的代码示例与实操指导。

    Windows 安装 Python:从官方入口到虚拟环境的可复现实践
    Windows 安装 Python:从官方入口到虚拟环境的可复现实践

    面向后端开发者,基于 Python 官方文档说明如何在 Windows 上安装 Python、创建 venv 虚拟环境及使用 pip 管理依赖。包含可复制命令、验证方法及工具选择边界,避免常见配置误区。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。