真的有点狂飙了，这款 Python 工具制作的动态条形图真好啊

大家好，说起动态条形图，之前推荐过两个 Python 库，比如Bar Chart Race、Pandas_Alive，都可以实现。今天就给大家再介绍一个新更加棒的工具。

这款新的Python库pynimate，一样可以制作动态条形图，而且样式更好看。

GitHub地址：

https://github.com/julkaar9/pynimate

文档地址：https://julkaar9.github.io/pynimate/

技术交流

技术要学会分享、交流，不建议闭门造车。

本文技术由粉丝群小伙伴推荐分享汇总。有趣使用工具、源码、数据、技术交流提升，均可加交流群获取，群友已超过3000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友。

方式①、添加微信号：dkl88191，备注：来自CSDN +技术交流
方式②、微信搜索公众号：Python学习与数据挖掘，后台回复：加群

首先使用pip安装这个库，注意Python版本要大于等于3.9。

# 安装pynimate  
pip install pynimate -i https://pypi.tuna.tsinghua.edu.cn/simple  

其中pynimate使用pandas数据帧格式，时间列设置为索引index。

time, col1, col2, col3  
2012   1     2     1  
2013   1     1     2  
2014   2     1.5   3  
2015   2.5   2     3.5

然后来看两个官方示例。

第一个示例比较简单，代码如下。

from matplotlib import pyplot as plt  
import pandas as pd  
import pynimate as nim  
  
# 数据格式+索引  
df = pd.DataFrame(  
    {  
        "time": \["1960-01-01", "1961-01-01", "1962-01-01"\],  
        "Afghanistan": \[1, 2, 3\],  
        "Angola": \[2, 3, 4\],  
        "Albania": \[1, 2, 5\],  
        "USA": \[5, 3, 4\],  
        "Argentina": \[1, 4, 5\],  
    }  
).set\_index("time")  
  
# Canvas类是动画的基础  
cnv = nim.Canvas()  
# 使用Barplot模块创建一个动态条形图, 插值频率为2天  
bar = nim.Barplot(df, "%Y-%m-%d", "2d")  
# 使用了回调函数, 返回以月、年为单位格式化的datetime  
bar.set\_time(callback=lambda i, datafier: datafier.data.index\[i\].year)  
# 将条形图添加到画布中  
cnv.add\_plot(bar)  
cnv.animate()  
plt.show()

Canvas类是动画的基础，它会处理matplotlib图、子图以及创建和保存动画。

Barplot模块创建动态条形图，有三个必传参数，data、time_format、ip_freq。

分别为数据、时间格式、插值频率(控制刷新频率)。

效果如下，就是一个简单的动态条形图。

我们还可以将结果保存为GIF或者是mp4，其中mp4需要安装ffmpeg。

# 保存gif, 1秒24帧  
cnv.save("file", 24, "gif")  
  
# 电脑安装好ffmpeg后, 安装Python库  
pip install ffmpeg-python  
  
# 保存mp4, 1秒24帧  
cnv.save("file", 24 ,"mp4")

第二个示例相对复杂一些，可以自定义参数，样式设置成深色模式。

from matplotlib import pyplot as plt  
import numpy as np  
import pandas as pd  
import pynimate as nim  
  
  
# 更新条形图  
def post\_update(ax, i, datafier, bar\_attr):  
    ax.spines\["top"\].set\_visible(False)  
    ax.spines\["right"\].set\_visible(False)  
    ax.spines\["bottom"\].set\_visible(False)  
    ax.spines\["left"\].set\_visible(False)  
    ax.set\_facecolor("#001219")  
    for bar, x, y in zip(  
        bar\_attr.top\_bars,  
        bar\_attr.bar\_length,  
        bar\_attr.bar\_rank,  
    ):  
        ax.text(  
            x - 0.3,  
            y,  
            datafier.col\_var.loc\[bar, "continent"\],  
            ha="right",  
            color="k",  
            size=12,  
        )  
  
  
# 读取数据  
df = pd.read\_csv("sample.csv").set\_index("time")  
# 分类  
col = pd.DataFrame(  
    {  
        "columns": \["Afghanistan", "Angola", "Albania", "USA", "Argentina"\],  
        "continent": \["Asia", "Africa", "Europe", "N America", "S America"\],  
    }  
).set\_index("columns")  
# 颜色  
bar\_cols = {  
    "Afghanistan": "#2a9d8f",  
    "Angola": "#e9c46a",  
    "Albania": "#e76f51",  
    "USA": "#a7c957",  
    "Argentina": "#e5989b",  
}  
  
# 新建画布  
cnv = nim.Canvas(figsize=(12.8, 7.2), facecolor="#001219")  
bar = nim.Barplot(  
    df, "%Y-%m-%d", "3d", post\_update=post\_update, rounded\_edges=True, grid=False  
)  
# 条形图分类  
bar.add\_var(col\_var=col)  
# 条形图颜色  
bar.set\_bar\_color(bar\_cols)  
# 标题设置  
bar.set\_title("Sample Title", color="w", weight=600)  
# x轴设置  
bar.set\_xlabel("xlabel", color="w")  
# 时间设置  
bar.set\_time(  
    callback=lambda i, datafier: datafier.data.index\[i\].strftime("%b, %Y"), color="w"  
)  
# 文字显示  
bar.set\_text(  
    "sum",  
    callback=lambda i, datafier: f"Total :{np.round(datafier.data.iloc\[i\].sum(),2)}",  
    size=20,  
    x=0.72,  
    y=0.20,  
    color="w",  
)  
  
# 文字颜色设置  
bar.set\_bar\_annots(color="w", size=13)  
bar.set\_xticks(colors="w", length=0, labelsize=13)  
bar.set\_yticks(colors="w", labelsize=13)  
# 条形图边框设置  
bar.set\_bar\_border\_props(  
    edge\_color="black", pad=0.1, mutation\_aspect=1, radius=0.2, mutation\_scale=0.6  
)  
cnv.add\_plot(bar)  
cnv.animate()  
# 显示  
# plt.show()  
# 保存gif  
cnv.save("example3", 24, "gif")  

效果如下，可以看出比上面的简单示例好看了不少。

另外作者还提供了相关的接口文档。

帮助我们理解学习，如何去自定义参数设置。

包含画布设置、保存设置、条形图设置、数据设置等等。

下面我们就通过获取电视剧狂飙角色的百度指数数据，来制作一个动态条形图。

先对网页进行分析，账号登陆百度指数，搜索关键词「高启强」，查看数据情况。

发现数据经过js加密，所以需要对获取到的数据进行解析。

使用了一个开源的代码，分分钟就搞定数据问题。

具体代码如下，其中「cookie值」需要替换成你自己的。

import datetime  
import requests  
import json  
  
word\_url = 'http://index.baidu.com/api/SearchApi/thumbnail?area=0&word={}'  
  
  
def get\_html(url):  
    headers = {  
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.82 Safari/537.36",  
        "Host": "index.baidu.com",  
        "Referer": "http://index.baidu.com/v2/main/index.html",  
        "Cipher-Text": "1652425237825\_1652501356206\_VBpwl9UG8Dvs2fAi91KToRTSAP7sDsQU5phHL97raPDFJdYz3fHf9hBAQrGGCs+qJoP7yb44Uvf91F7vqJLVL0tKnIWE+W3jXAI30xx340rhcwUDQZ162FPAe0a1jsCluJRmMLZtiIplubGMW/QoE/0Pw+2caH39Ok8IsudE4wGLBUdYg1/bKl4MGwLrJZ7H6wbhR0vT5X0OdCX4bMJE7vcwRCSGquRjam03pWDGZ51X15fOlO0qMZ2kqa3BmxwNlfEZ81l3L9nZdrc3/Tl4+mNpaLM7vA5WNEQhTBoDVZs6GBRcJc/FSjd6e4aFGAiCp1Y8MD66chTiykjIN51s7gbJ44JfVS0NjBnsvuF55bs="  
    }  
    cookies = {  
        'Cookie': 你的cookie  
    }  
    response = requests.get(url, headers=headers, cookies=cookies)  
    return response.text  
  
  
def decrypt(t, e):  
    n = list(t)  
    i = list(e)  
    a = {}  
    result = \[\]  
    ln = int(len(n) / 2)  
    start = n\[ln:\]  
    end = n\[:ln\]  
    for j, k in zip(start, end):  
        a.update({k: j})  
    for j in e:  
        result.append(a.get(j))  
    return ''.join(result)  
  
  
def get\_ptbk(uniqid):  
    url = 'http://index.baidu.com/Interface/ptbk?uniqid={}'  
    resp = get\_html(url.format(uniqid))  
    return json.loads(resp)\['data'\]  
  
  
def get\_data(keyword, start='2011-01-02', end='2023-01-02'):  
    url = "https://index.baidu.com/api/SearchApi/index?area=0&word=\[\[%7B%22name%22:%22{}%22,%22wordType%22:1%7D\]\]&startDate={}&endDate={}".format(keyword, start, end)  
    data = get\_html(url)  
    data = json.loads(data)  
    uniqid = data\['data'\]\['uniqid'\]  
    data = data\['data'\]\['userIndexes'\]\[0\]\['all'\]\['data'\]  
    ptbk = get\_ptbk(uniqid)  
    result = decrypt(ptbk, data)  
    result = result.split(',')  
    start = start\_date.split("-")  
    end = end\_date.split("-")  
    a = datetime.date(int(start\[0\]), int(start\[1\]), int(start\[2\]))  
    b = datetime.date(int(end\[0\]), int(end\[1\]), int(end\[2\]))  
    node = 0  
    for i in range(a.toordinal(), b.toordinal()):  
        date = datetime.date.fromordinal(i)  
        print(date, result\[node\])  
        node += 1  
        with open('data.csv', 'a+') as f:  
            f.write(keyword + ',' + date.strftime('%Y-%m-%d') + ',' + result\[node\] + '\\n')  
  
  
if \_\_name\_\_ == '\_\_main\_\_':  
    names = \['唐小龙', '孟德海', '孟钰', '安欣', '安长林', '徐忠', '徐江', '曹闯', '李响', '李宏伟', '李有田', '杨健', '泰叔', '赵立冬', '过山峰', '陆寒', '陈书婷', '高启兰', '高启强', '高启盛', '高晓晨'\]  
    for keyword in names:  
        start\_date = "2023-01-14"  
        end\_date = "2023-02-04"  
        get\_data(keyword, start\_date, end\_date)  

爬取数据情况如下，一共是400多条，其中有空值存在。

然后就是转换成pynimate所需的数据格式。

对数据进行数据透视表操作，并且将空值数据填充为0。

import pandas as pd  
  
# 读取数据  
df = pd.read\_csv('data.csv', encoding='utf-8', header=None, names=\['name', 'day', 'number'\])  
  
# 数据处理，数据透视表  
df\_result = pd.pivot\_table(df, values='number', index=\['day'\], columns=\['name'\], fill\_value=0)  
# 保存  
df\_result.to\_csv('result.csv')  

保存文件，数据情况如下。

使用之前深色模式的可视化代码，并略微修改。

比如设置条形图数量(n_bars)、标题字体大小及位置、中文显示等等。

from matplotlib import pyplot as plt  
import pandas as pd  
import pynimate as nim  
  
# 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  
  
  
# 更新条形图  
def post\_update(ax, i, datafier, bar\_attr):  
    ax.spines\["top"\].set\_visible(False)  
    ax.spines\["right"\].set\_visible(False)  
    ax.spines\["bottom"\].set\_visible(False)  
    ax.spines\["left"\].set\_visible(False)  
    ax.set\_facecolor("#001219")  
  
  
# 读取数据  
df = pd.read\_csv("result.csv").set\_index("day")  
  
# 新建画布  
cnv = nim.Canvas(figsize=(12.8, 7.2), facecolor="#001219")  
bar = nim.Barplot(  
    df, "%Y-%m-%d", "3h", post\_update=post\_update, rounded\_edges=True, grid=False, n\_bars=6  
)  
# 标题设置  
bar.set\_title("《狂飙》主要角色热度排行(百度指数)", color="w", weight=600, x=0.15, size=30)  
# 时间设置  
bar.set\_time(  
    callback=lambda i, datafier: datafier.data.index\[i\].strftime("%Y-%m-%d"), color="w", y=0.2, size=20  
)  
  
# 文字颜色设置  
bar.set\_bar\_annots(color="w", size=13)  
bar.set\_xticks(colors="w", length=0, labelsize=13)  
bar.set\_yticks(colors="w", labelsize=13)  
# 条形图边框设置  
bar.set\_bar\_border\_props(  
    edge\_color="black", pad=0.1, mutation\_aspect=1, radius=0.2, mutation\_scale=0.6  
)  
cnv.add\_plot(bar)  
cnv.animate()  
# 显示  
# plt.show()  
# 保存gif  
cnv.save("kuangbiao", 24, "gif")  

执行代码，《狂飙》电视剧角色热度排行的动态条形图就制作好了。

结果如下，看着还不错。