京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者:小伍哥
来源:AI入门学习
上次出了一个在网站「Flourish」画动态条形图的文章【动态条形图视频教程】,需要登录网址很多人可能觉得不方便,现在有大佬出了个python包,只需几行代码就能搞定动态条形图,非常强大,给大家分享下。
一、前期准备工作
1、官方参考文档
GitHub :https://github.com/dexplo/bar_chart_race
说明文档:https://www.dexplo.org/bar_chart_race/
2、软件安装(该安装方法只能安装0.1版本)
pip install bar_chart_race conda install -c conda-forge bar_chart_race
0.2版本需要到github安装
压缩包解压到软件安装目录的/site-packages目录下,利用命令行安装即可
3、安装ffmpeg、ImageMagick
ffmpeg包:不然无法输出 mp4/m4v/mov/等格式的视频,该包比较复杂,需要配置变量环境,具体操作可以看看这个博客:
https://baijiahao.baidu.com/s?id=1660327134602942057&wfr=spider&for=pc
ImageMagick包:如果你要创建GIF,需要安装这个包ImageMagick,安装方法与上述类似。
二、官方数据画图
上述准备都做好了,那就可以开始画图了,利用官方提供的数据,直接加载就可以,我的数据下载没成功,所以自己上传数据绘图,等下回讲怎么自己上传数据。
#加载包
import bar_chart_race as bcr
#下载数据
df = bcr.load_dataset('covid19_tutorial')
#生成GIF图像
bcr.bar_chart_race(df, 'covid19_horiz.gif')
#生成MP4
bcr.bar_chart_race(df, 'covid19_horiz.MP4')
生成的GIF
生成的MP4
三、自己的数据画图
如果是自己的数据,要进行一定的处理,达到画图格式,不然会报错。
#读取数据
df = pd.read_csv('data.csv')
#格式处理,需要把日期date转换成索引,不能作为单独一列
df = df.set_index(keys='date')
作者也提供了两个处理数据的函数
bcr.prepare_wide_data bcr.prepare_long_data
原始数据
处理后数据(date转换成了索引)
四、图形美化
作者还提供了很多参数,对图形进行调整和美化,输出的图形更漂亮
1、横转纵 Vertical bars
#orientation='v',.gif变成MP4即可输出视频 bcr.bar_chart_race(df, 'covid19_horiz.gif', orientation='v')
2、升序排序
# 排序方式,sort='asc'-升序 bcr.bar_chart_race(df, 'covid19_horiz.gif', sort='asc')
3、类目数限制,此处设置为最多出现6条
# 设置最多能显示的条目数 n_bars=6 bcr.bar_chart_race(df, 'covid19_horiz.gif', n_bars=6)
4、设置展示类目
# 选取如下5个国家的数据 fixed_order bcr.bar_chart_race(df, 'covid19_horiz.gif', fixed_order=['Iran', 'USA', 'Italy', 'Spain', 'Belgium'])
5、固定坐标轴
#设置数值的最大值,固定数值轴fixed_max bcr.bar_chart_race(df, 'covid19_horiz.gif', fixed_max=True)
6、改变图像帧数
#图像帧数,数值越小,越不流畅。越大,越流畅。默认为10比较流畅,改为3就有些卡顿了 bcr.bar_chart_race(df, 'covid19_horiz.gif', steps_per_period=3)
7、设置帧率,默认为500ms
# 设置20帧的总时间,此处为200ms bcr.bar_chart_race(df, 'covid19_horiz.gif', steps_per_period=20, period_length=200)
8、设置每帧增加的标签时间,默认为False
# 输出gif bcr.bar_chart_race(df, 'covid19_horiz.gif', interpolate_period=True)
9、绘图属性设置
# figsize-设置画布大小,默认(6, 3.5) # dpi-图像分辨率,默认144 # label_bars-显示柱状图的数值信息,默认为True # period_label-显示时间标签信息,默认为True # title-图表标题 bcr.bar_chart_race(df, 'covid19_horiz.gif', figsize=(5, 3), dpi=100, label_bars=False, period_label={'x': .99, 'y': .1, 'ha': 'right', 'color': 'red'}, title='COVID-19 Deaths by Country')
10、配置标签文字大小
# bar_label_size-柱状图标签文字大小 # tick_label_size-坐标轴标签文字大小 # title_size-标题标签文字大小 bcr.bar_chart_race(df, 'covid19_horiz.gif', bar_label_size=4, tick_label_size=5, title='COVID-19 Deaths by Country', title_size='smaller')
11、全局字体属性设置
# shared_fontdict-全局字体属性
bcr.bar_chart_race(df, 'covid19_horiz.gif',
title='COVID-19 Deaths by Country',
shared_fontdict={'family': 'Helvetica', 'weight': 'bold',
'color': 'rebeccapurple'})
12、透明度,边框等设置
# bar_kwargs-条形图属性设置参数 bcr.bar_chart_race(df, 'covid19_horiz.gif', bar_kwargs={'alpha': .2, 'ec': 'black', 'lw': 3})
13、日期格式设置
# 设置日期格式,默认为'%Y-%m-%d' bcr.bar_chart_race(df, 'covid19_horiz.gif', period_fmt='%b %-d, %Y')
14、改日期标签为数值格式
# 设置日期标签为数值
bcr.bar_chart_race(df.reset_index(drop=True),
'covid19_horiz.gif', interpolate_period=True,
period_fmt='Index value - {x:.2f}')
15、添加汇总统计
#设置文本位置、数值、大小、颜色等
def summary(values, ranks):
total_deaths = int(round(values.sum(), -2))
s = f'Total Deaths - {total_deaths:,.0f}'
return {'x': .99, 'y': .05, 's': s, 'ha': 'right', 'size': 8}
# 添加文本
bcr.bar_chart_race(df,
'covid19_horiz.gif',
period_summary_func=summary
16、添加垂直条参考线(平均值、分位数等)
# 设置垂直条数值,分位数
def func(values, ranks):
return values.quantile(.9)
# 添加垂直条
bcr.bar_chart_race(df, 'covid19_horiz.gif',
perpendicular_bar_func=func)
17、设置柱状图颜色
'dark12' is the default colormap. If there are more than 10 columns, then the default colormap will be 'dark24'
# 设置柱状图颜色 bcr.bar_chart_race(df, 'covid19_horiz.gif', cmap='accent')
18、颜色不重复
#filter_column_colors保证颜色不重复
bcr.bar_chart_race(df, 'covid19_horiz.gif',
cmap='accent',
filter_column_colors=True)
19、中文支持配置
中文配置只需在第三方库的_make_chart.py文件中,加入如下三行代码。
#中文显示 plt.rcParams['font.sans-serif'] = ['SimHei'] #Windows plt.rcParams['font.sans-serif'] = ['Hiragino Sans GB'] #Mac plt.rcParams['axes.unicode_minus'] = False
20、自定义颜色
此外通过在「_colormaps.py」文件中添加颜色信息,经cmap引用,即可自定义配置颜色。
colormaps = {
"new_colors": [
'#ff812c',
'#ff5a5a',
'#00c5d2',
'#a64dff',
'#4e70f0',
'#f95dba',
'#ffce2b']}
——热门课程推荐:
想从事业务型数据分析师,您可以点击>>>“数据分析师”了解课程详情;
想从事大数据分析师,您可以点击>>>“大数据就业”了解课程详情;
想成为人工智能工程师,您可以点击>>>“人工智能就业”了解课程详情;
想了解Python数据分析,您可以点击>>>“Python数据分析师”了解课程详情;
想咨询互联网运营,你可以点击>>>“互联网运营就业班”了解课程详情;
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12