編者按：其實matplotlib有一個少有人知的功能animation.FuncAnimation，可以接受你編寫的動畫函數創建動圖。Viviane Kakerbeck通過一個例子展示了這一功能的用法，并介紹了通過增強數據和高斯平滑，讓動圖更美觀的技巧。

美國的過量服用***致死數，使用seaborn創建

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

我最近為一部關于美國的阿片樣物質危機的紀錄片制作了一些動態圖形，所以我會在這篇文章中使用相關的數據。數據來自美國國家藥物濫用研究所和CDC的公開數據，可以從以下網址下載：https://www.drugabuse.gov/sites/default/files/overdose_data_1999-2015.xls

本文將使用matplotlib和seaborn繪制圖形，同時使用numpy和pandas處理數據。matplotlib提供了一些可以用來制作動畫的函數。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

然后我們加載數據，將其轉換成pandas的DataFrame。我還編寫了一個輔助函數，可以從感興趣的行加載數據，之后繪圖會用到。

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

準備就緒，下面是本文主要部分，如何繪制動畫。

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get_data取得***服用過量數，并將其封裝入一個兩列的pandas DataFrame，一列表示年份，一列表示服用過量數。

%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寫入器（writer），基于ffmpeg記錄20 fps（比特率為1800）。當然，你可以按照需要調整這些參數。

Writer = animation.writers['ffmpeg']

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

接下來創建一個帶標簽的圖形。別忘了限定x軸和y軸的范圍，以免動畫在顯示數據時出現跳躍現象。

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)

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

def animate(i):

data = overdose.iloc[:int(i+1)] # 選定數據范圍

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

p.tick_params(labelsize=17)

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

定義了動畫函數后，使用matplotlib.animation.FuncAnimation定義動畫應當包含多少幀，也就是說，通過frames參數定義調用animate(i)的頻率。

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

之后只需調用ani.save()就可以將動畫保存為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，但是感覺有點抖動。為了緩解抖動的現象，我們可以在已有數據中插入一些中間值，平滑一下。為此我們定義以下的數據增強函數：

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

之后我們只需在數據上應用這一增強函數，并相應地增加matplotlib.animation.FuncAnimation函數中的幀數。這里我調用augment函數時使用了參數numsteps=10，也就是說，我將數據點增加到160個，相應地，幀數設置為frames=160。增強數據之后，結果看起來平滑了很多，但在數據值變動處，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，我們實現了一個高斯平滑函數：

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

我在這里不會討論高斯平滑的細節，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/

最后我們略微調整下顏色和風格，就得到了文章開頭的動態圖形：

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

本文通過一個例子展現了matplotlib動畫函數的用法。當然，你可以將它用在任何你想要動畫化的圖形上。只需調整animate()函數中的參數和圖形類型，便有無限可能。

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