我们使用
2013
年
-2019
年比特币
(BTC)
的价格数据绘制面积图动画，其
HTML
交互效果页面如图
11-4-6
所示。该数据集包括四列数据：年份
(year)
、城市名称
(name)
及所在的洲
(group)
、人口密度数值
(value)
，转置的数据集如图
11-4-7
所示，包括
2013
年
04
月
28
日起每天的开盘、最高、最低和收盘的价格。
图
11-4-6.
动态面积图的
HTML
交互页面效果图
图
11-4-7. 2013
年
-2019
年比特币
(BTC)
的价格数据集
我们先导入数据集'BTC_price_history.csv'，然后将date列转换成日期型数据。
我们选择一天的最高和最低价的均值作为这一天比特币的价格Price。
其具体代码如下：
我们设置图表每次展示
Span_Date=180
天的比特币价格数据，所以得到
180
天的数据集
df_temp
后，如果使用
plt.fill_between()
函数可以实现红色填充的面积图，如图
11-4-8(a)
所示；如果使用
plt.bar()
函数可以实现
Spectral_r
颜色映射的面积图，如图
11-4-8(b)
所示。图
11-4-8
的代码具体如下所示。
(b)
渐变色填充
.
图
11-4-8.
静态面积图
.
我们将上面的静态面积图代码整合成函数。
当开始的日期天数据绘制面积图；当开始的日期≥时，就选择截止到当前日期的天数据绘制面积图。使用函数绘制的不同日期的面积图如图所示。
(b)Num_Date=150.
图
11-4-9.
不同日期
Num_Date
的面积图
.
使用
matplotlib
包的
animation.FuncAnimation()
函数，调用
draw_areachart(Num_Date)
函数，其中输入的参数
Num_Date = np.arange(0,df.shape[0],1)
，最后使用
Ipython
包的
HTML()
函数将动画转换成
HTML
页面的形式演示，其动画不同日期下的演示效果如图
11-4-10
所示。
其中，函数
FuncAnimation(fig,func,frames,init_func,interval,blit)
是绘制动图的主要函数，其参数如下
(1) fig
表示绘制动图的画布名称
(figure)
；
(2)func
为自定义绘图函数，如
draw_barchart()
函数；
(3)frames
为动画长度，一次循环包含的帧数，在函数运行时，其值会传递给函数
draw_barchart (year)
的形参“
year
”；
(4) init_func
为自定义开始帧，即初始化函数
init
，可省略；
(5) interval
表示更新频率，计量单位为
ms
；
(6) blit
表示选择更新所有点，还是仅更新产生变化的点，应选择为
True
，但
mac
用户应选择
False
，否则无法显示。
另外，也可以使用
animator.save(‘
animation.gif
’)
或者
animator.save(‘
animation.mp4
)
导出
gif
或者
mp4
格式的动画。但是如果要导出
mp4
，需要先安装已经安装
ffmpeg
或者
mencoder
。
图
11-4-10.
面积图动画不同时间下的演示效果
但是由于动画默认的最大体积为
20971520.0 bytes
，所以图
11-4-10
只生成了
2013
年
04
月
-2014
年
07
月数据绘制的面积图动画。如果需要调整生成的动画最大体积，需要更改参数
animation.embed_limit:
https://github.com/EasyChart/Beautiful-Visualization-with-python
本文来源即将出版的新书《python数据可视化之美》之动态图表的绘制，除此之外，书中还介绍了动态条形图和动态三维柱形地图的绘制。
matplotlib
包和
plotnine
包都可以实现动态数据的可视化演示。其中，在
matplotlib
包中，函数
FuncAnimation(fig,func,frames,init_func,interval,blit)
是绘制动图的主要函数，其参数如下：
(1) fig
为绘制动图的画布名称；
(2) func
为自定义动画函数
update()
，比如
11-4-1
的
draw_barchart(year)
和
11-4-2
的
draw_areachart(Num_Date)
；
(3) frames
为动画长度，一次循环包含的帧数，在函数运行时，其值会传递给函数
update(n)
的形参
“n”
；
(4) init_func
为自定义开始帧，即初始化函数，可省略；
(5) interval
为更新频率，以
ms
计算；
(5) blit
为选择更新所有点，还是仅更新产生变化的点。应选择
True
，但
mac
用户请选择
False
，否则无法显示。
plotnine
包的
PlotnineAnimation()
函数也可以绘制动态图表，但是对于不断更新的数据绘制动态图表时，动态图表生成速度很慢。
自从9月份出版《R语言数据可视化之美》，很多读者问我能不能出一本python版的数据可视化教程。写书真的呕心沥血，但是在撰写过程中能系统性地总结所学的知识，可以查漏补缺，也是受益匪浅。R语言这本书是2017年5月断断续续写了1年半多，到今年5月份才修改出版。后来又花了3个多月增加了三章图表内容
所谓“大道相通”，不同软件的数据可视化原理都是相通的。python数据可视化这本书就是2018年对照着R语言那本书翻译而成。所以亲爱的读者请不必诧异于、我现在这么快就撰写完成《python数据可视化之美》。
在这里，首先要感谢我的读者，感谢你们对我的支持与包容。也非常感谢我的大学好友金伟(现为职腾讯高级研究员)引导我入门python，也感谢香港理工大学的姚鹏鹏博士、清华大学的赵建树博士对我在学习python时的帮助。
最后，我觉得我还应该感谢的就是我自己。蓦然回首，四年弹指一挥间，从大学毕业到香港做学术研究这几年，经历过很多次的失望，也差点就抑郁，感谢我自己有一颗积极阳光乐观的心，终于守得云开见月明，如我所愿能坚持做我自己喜欢的事情。
小时候，读到课本里普希金说：“假如生活欺骗了你，不要悲伤，不要心急！忧郁的日子里需要镇静：相信吧，快乐的日子将会来临。”到现在才明白这确实是一条生活的潜规则。月有阴晴圆缺，人有悲欢离合。人不仅有趋利避害、喜甜厌苦的本能反应，还有趋欢避悲、求乐脱苦的本能调节。所以，悲伤的日子后面就是快乐的日子。
