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。如需联系EasyCharts团队
请加微信：EasyCharts
增强版配套源代码下载地址
Github
https://github.com/EasyChart/Beautiful-Visualization-with-R
