使用pandas-alive对“2022年冬奥运奖牌信息“可视化
简介
pandas-alive 以matplotlib绘图为后端，对pandas的DataFrame对象进行绘图处理。虽然提供了很简单的绘制可视化图表机制，但是在使用的过程中，需要有特定的数据格式：
- 数据的索引具有维度意义：例如时间， ** 当索引为整型时需考虑步长的关系，会影响数值
- 每列包含特定类别的值
从上面的格式要求来看，用于生成可视化图表的最佳选择是：与时间有线性关系的数据集合。从文档里面给的数据源可以求证到这一点。
例子
在文档里面所列的数据都是经过了整理成合适的数据样例，数据与时间线性相关。
但是在实际生产中，很难找到能直接使用的例子。所以，在使用过程中，需要经历三个阶段：确定数据类型、数据处理、根据数据类型选择相应图表。
下面将使用从 和鲸社区 拿到的“2022年冬奥会奖牌信息” 进行例子演示：
确认数据类型
数据源为一个csv文件，以第一行作为表头，内容如下所示
观察数据，从整体上看，与时间相关性较强的是“国家”、“时间”、“奖牌类型”，所以我们可以得到一个较简单的模型: 同种奖牌类型下的国家获得奖牌数量与时间的关系。
数据预处理
从上述的表中，数据格式不符合pandas-alive绘图的要求，于是得进行一系列的数据处理。
import pandas as pd
import pandas_alive
import numpy as np
from examples.utils import get_filepath
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # 替换sans-serif字体
plt.rcParams['axes.unicode_minus'] = False # 解决坐标轴负数的负号显示问题
filename = get_filepath("2022北京冬奥会奖牌榜明细.csv")
df = pd.read_csv(filename)
for name, group in df.groupby(["奖牌类型"]):
g = group.drop(axis=1, labels=["国家英文", "获奖选手", "大项项目", "小项项目", "奖牌类型"])
g = g.sort_values(by="获奖时间", ascending=True)
columns = g["国家"].drop_duplicates().values
index = g["获奖时间"].drop_duplicates().values
memo = pd.DataFrame(np.zeros((len(index), len(columns))), index=index, columns=columns)
for k, v in g.iterrows():
memo[v["国家"]][v["获奖时间"]] = memo[v["国家"]].max() + 1
memo = memo.replace(0, np.nan)
memo = memo.fillna(method='pad')
memo = memo.fillna(0)
plot = memo.plot_animated(
filename=f"{name}.gif", title=f"2022冬奥会 {name} 信息", period_fmt="")在上述代码中，先按照“奖牌类型”进行分类，共三类（“金牌”、“银牌”、“铜牌”），而后根据每一个类别进行统计：
去除无关列，在这里的无关列是指对统计数据无关的数值
对数据按列获奖时间进行升序排列，得到表g
对国家这一列进行去重处理生成一个列表，用于做新表的列
对获奖时间这一列进行去重处理生成一个列表，用于做新表的行
生成一个填充数值为0的表，长 * 宽 = len(index) * len(columns)， 制定索引和列名
遍历g的每一行，以内容更新表的数据，此时的表数据还有很大缺陷
下面三行分别是对memo进行数据更新，确保数值是连续、平滑且正确的。
选择图表
pandas-alive支持多种图表，使用kind参数进行选用，需要选择能够充分展示数据特征的图表。
按照数据之间的关系，我们可以把可视化视图划分为 4 类，它们分别是比较、联系、构成和分布。
这四种关系的特点：
- 比较：比较数据间各类别的关系，或者是它们随着时间的变化趋势，比如折线图、条形图；
- 联系：查看两个或两个以上变量之间的关系，比如散点图；
- 构成：每个部分占整体的百分比，或者是随着时间的百分比变化，比如饼图；
- 分布：关注单个变量，或者多个变量的分布情况，比如直方图。
由于在上述的例子中，我们需要展示各个国家获奖情况对在时间上的比较，所以可以考虑使用 条形图 进行创作图表：
再引一个例子：如果是想要对比一个国家内获得奖牌种类比例和时间的关系，使用饼图。
最后
个人认为pandas-alive的使用关键是考虑对数据模型和数据的清理过程，此外，使用这个库的多个图表是画直线、点的形式，所以在曲线的实现上有些难度。