使用matplotlib和seaborn繪制圖形

編者按：其實(shí)matplotlib有一個(gè)少有人知的功能animation.FuncAnimation，可以接受你編寫的動(dòng)畫函數(shù)創(chuàng)建動(dòng)圖。Viviane Kakerbeck通過一個(gè)例子展示了這一功能的用法，并介紹了通過增強(qiáng)數(shù)據(jù)和高斯平滑，讓動(dòng)圖更美觀的技巧。

美國的過量服用***致死數(shù)，使用seaborn創(chuàng)建

Python的matplotlib和seaborn是非常好用的繪圖庫。但它們創(chuàng)建的都是靜態(tài)圖像，難以通過動(dòng)態(tài)、美觀的方式描述數(shù)據(jù)值的變化。如果你的下一次演示或者下一篇博客文章，能用動(dòng)態(tài)圖形展示數(shù)據(jù)的發(fā)展，該有多好？更妙的是，你可以繼續(xù)使用matplotlib、seaborn或者其他你喜歡用的庫。

我最近為一部關(guān)于美國的阿片樣物質(zhì)危機(jī)的紀(jì)錄片制作了一些動(dòng)態(tài)圖形，所以我會(huì)在這篇文章中使用相關(guān)的數(shù)據(jù)。數(shù)據(jù)來自美國國家藥物濫用研究所和CDC的公開數(shù)據(jù)，可以從以下網(wǎng)址下載：https://www.drugabuse.gov/sites/default/files/overdose_data_1999-2015.xls

本文將使用matplotlib和seaborn繪制圖形，同時(shí)使用numpy和pandas處理數(shù)據(jù)。matplotlib提供了一些可以用來制作動(dòng)畫的函數(shù)。閑話少敘，讓我們開始吧，首先，是引入所有依賴。

import numpy as np

import pandas as pd

import seaborn as sns

import matplotlib

import matplotlib.pyplot as plt

import matplotlib.animation as animation

然后我們加載數(shù)據(jù)，將其轉(zhuǎn)換成pandas的DataFrame。我還編寫了一個(gè)輔助函數(shù)，可以從感興趣的行加載數(shù)據(jù)，之后繪圖會(huì)用到。

overdoses = pd.read_excel('overdose_data_1999-2015.xls',sheetname='Online',skiprows =6)

def get_data(table,rownum,title):

data = pd.DataFrame(table.loc[rownum][2:]).astype(float)

data.columns = {title}

return data

準(zhǔn)備就緒，下面是本文主要部分，如何繪制動(dòng)畫。

首先，如果你和我一樣，用的是jupyter notebook，那么我建議你使用%matplotlib notebook指令，這樣可以直接在notebook中查看動(dòng)畫效果，無需等待保存后再查看。

我使用了之前編寫的輔助函數(shù)get_data取得***服用過量數(shù)，并將其封裝入一個(gè)兩列的pandas DataFrame，一列表示年份，一列表示服用過量數(shù)。

%matplotlib notebook

title = 'Heroin Overdoses'

d = get_data(overdoses,18,title)

x = np.array(d.index)

y = np.array(d['Heroin Overdoses'])

overdose = pd.DataFrame(y,x)

#XN,YN = augment(x,y,10)

#augmented = pd.DataFrame(YN,XN)

overdose.columns = {title}

接著我們初始化一個(gè)寫入器（writer），基于ffmpeg記錄20 fps（比特率為1800）。當(dāng)然，你可以按照需要調(diào)整這些參數(shù)。

Writer = animation.writers['ffmpeg']

writer = Writer(fps=20, metadata=dict(artist='Me'), bitrate=1800)

接下來創(chuàng)建一個(gè)帶標(biāo)簽的圖形。別忘了限定x軸和y軸的范圍，以免動(dòng)畫在顯示數(shù)據(jù)時(shí)出現(xiàn)跳躍現(xiàn)象。

fig = plt.figure(figsize=(10,6))

plt.xlim(1999, 2016)

plt.ylim(np.min(overdose)[0], np.max(overdose)[0])

plt.xlabel('Year',fontsize=20)

plt.ylabel(title,fontsize=20)

plt.title('Heroin Overdoses per Year',fontsize=20)

制作動(dòng)畫的關(guān)鍵是定義一個(gè)動(dòng)畫函數(shù)，指定視頻的每一幀發(fā)生了什么。這里i表示動(dòng)畫幀的索引。你可以選擇在i幀中可見的數(shù)據(jù)范圍。之后我使用seaborn的線圖繪制選定數(shù)據(jù)。最后兩行我調(diào)整了一些尺寸，使圖形看起來更美觀。

def animate(i):

data = overdose.iloc[:int(i+1)] # 選定數(shù)據(jù)范圍

p = sns.lineplot(x=data.index, y=data[title], data=data, color="r")

p.tick_params(labelsize=17)

plt.setp(p.lines,linewidth=7)

定義了動(dòng)畫函數(shù)后，使用matplotlib.animation.FuncAnimation定義動(dòng)畫應(yīng)當(dāng)包含多少幀，也就是說，通過frames參數(shù)定義調(diào)用animate(i)的頻率。

ani = matplotlib.animation.FuncAnimation(fig, animate, frames=17, repeat=True)

之后只需調(diào)用ani.save()就可以將動(dòng)畫保存為mp4文件。如果你想在保存之前先看下效果，那么可以使用plt.show()。

ani.save('HeroinOverdosesJumpy.mp4', writer=writer)

好了，讓我們來看下效果。

看起來效果還可以，但是感覺有點(diǎn)抖動(dòng)。為了緩解抖動(dòng)的現(xiàn)象，我們可以在已有數(shù)據(jù)中插入一些中間值，平滑一下。為此我們定義以下的數(shù)據(jù)增強(qiáng)函數(shù)：

def augment(xold,yold,numsteps):

xnew = []

ynew = []

for i in range(len(xold)-1):

difX = xold[i+1]-xold[i]

stepsX = difX/numsteps

difY = yold[i+1]-yold[i]

stepsY = difY/numsteps

for s in range(numsteps):

xnew = np.append(xnew,xold[i]+s*stepsX)

ynew = np.append(ynew,yold[i]+s*stepsY)

return xnew,ynew

之后我們只需在數(shù)據(jù)上應(yīng)用這一增強(qiáng)函數(shù)，并相應(yīng)地增加matplotlib.animation.FuncAnimation函數(shù)中的幀數(shù)。這里我調(diào)用augment函數(shù)時(shí)使用了參數(shù)numsteps=10，也就是說，我將數(shù)據(jù)點(diǎn)增加到160個(gè)，相應(yīng)地，幀數(shù)設(shè)置為frames=160。增強(qiáng)數(shù)據(jù)之后，結(jié)果看起來平滑了很多，但在數(shù)據(jù)值變動(dòng)處，曲線仍有一些尖角，看起來不是特別美觀。

為了讓圖像看起來更美觀，我們實(shí)現(xiàn)了一個(gè)高斯平滑函數(shù)：

def smoothListGaussian(listin,strippedXs=False,degree=5):

window=degree*2-1

weight=np.array([1.0]*window)

weightGauss=[]

for i in range(window):

i=i-degree+1

frac=i/float(window)

gauss=1/(np.exp((4*(frac))**2))

weightGauss.append(gauss)

weight=np.array(weightGauss)*weight

smoothed=[0.0]*(len(listin)-window)

for i in range(len(smoothed)): smoothed[i]=sum(np.array(listin[i:i+window])*weight)/sum(weight)

return smoothe

我在這里不會(huì)討論高斯平滑的細(xì)節(jié)，感興趣的讀者可以看這篇文章：https://www.swharden.com/wp/2008-11-17-linear-data-smoothing-in-python/

最后我們略微調(diào)整下顏色和風(fēng)格，就得到了文章開頭的動(dòng)態(tài)圖形：

sns.set(rc={'axes.facecolor':'lightgrey', 'figure.facecolor':'lightgrey','figure.edgecolor':'black','axes.grid':False})

本文通過一個(gè)例子展現(xiàn)了matplotlib動(dòng)畫函數(shù)的用法。當(dāng)然，你可以將它用在任何你想要?jiǎng)赢嫽膱D形上。只需調(diào)整animate()函數(shù)中的參數(shù)和圖形類型，便有無限可能。

我希望你喜歡matplotlib的整個(gè)功能，并能善加利用。另外，如果你對我之前提到的紀(jì)錄片感興趣，可以在YouTube上查看：https://youtu.be/7xrvuSDLHiY