01. 引言

动态曲线图不同于动态气泡图，它可以查看部分指标在一段时间内的变化趋势，本期推文将推出动态曲线图的 Matplotlib 绘制过程，核心过程为 折线图 和 散点图 的绘制，详细过程如下：

02. 数据处理

由于需要查某些指标随时间的变化趋势，可将数据处理成如下形式（部分）：

数据

图表中的 china、usa、japan 等变量可以结合自己的实际需求进行更改，而 time 列则是时间变化。上述数据为本次绘制动态曲线图所需数据，即从 gapminder 网站下载的平均个人收入（Income per person）数据整理而成，处理代码主要如下：

数据处理

这里 eq(nation) 操作为提取自己所需数据，最后通过 pandas 的 concat() 操纵进行提取数据合并即可。

03. 数据可视化

动态图表的绘制主要在于折线图和散点图的绘制，我们采用的依旧还是面向对象式绘图方式，这里建议绘制较为复杂的图表时多采用此方法进行绘制。完整绘图过程如下：

完整代码

绘图的核心代码（以china为例）主要在第16-24行，详细解释如下：

idx = data_test.time

折线图：

ax.plot( idx, data_test['china'],color = '#FF5872',lw = 4)#折线图

其中，x 和 y 参数分别设置为数据的 time 列和 china 列，color 和线宽 lw 属性则是为了美化折线图。

散点图：

ax.scatter(idx.tolist()[-1],data_test['china'].tolist()[-1],color='#FF5872',edgecolor ='black',s = 280,lw = 2.5,zorder =4)#散点图

散点图的绘制则需知道我们只需要绘制最后一个散点，即获取最后一个数据，因此scatter的x，y均有[-1]的索引，当然，我们需在之前使用tolist()方法转变成数据列表形式，填充颜色 color、散点边框颜色 edgecolor、散点大小 s、和线宽 lw 均可根据自己需要进行定制化设置。这里需要注意的是zorder属性的设置，这里设置zorder=4,表示散点图绘制在折线图之后，即散点图压在折线图之上，使绘图更加美观。

文本（国家名）：

ax.text(idx.tolist()[-1]+5,data_test['china'].tolist()[-1]-250,'china',size=15,c= '#FF5872',va='top',ha='left',fontweight = 'bold')#国家名

这里的 x 和 y 属性则是根据实际情况进行慢慢调试 ，其他的属性则是美化图表使用。

文本（数值）：

ax.text(idx.tolist()[-1]+5,data_test['china'].tolist()[-1]-250,'china',size=15,c= '#FF5872',va='top',ha='left',fontweight = 'bold')#国家名

由于数据较大，这里

':{:,.0f}'.format(data_test['china'].tolist()[-1])对文本进行格式化操作，其他属性则根据自己需求进行设置即可。

部分详细解释如下：

第 77-84 行则是添加位置固定的文本内容，设置 transform = ax.transAxes 则使文本位置不随数据变化而变动。这里需要指出的是，一般的绘图过程，固定文本一般都是在图表的刻度、轴等属性设置结束后再进行添加，这点则需要注意，好的绘图习惯可以大大减少绘图时间哦第 66-71 行则是自定义 y 轴的刻度比例范围，由于，较早年份的数据较为集中，使图表绘制集中在一块，影响美观，特经此过程进行设置，而这也是 matplotlib 3.1 版本新添加的内容。第 53 行使用 ax.axvline() 为动态图表添加一条推进线。第 54-64 行则是对图表刻度、轴脊等 属性进设置。第 75 行采用ax.yaxis.set_major_formatter(ticker.StrMethodFormatter('{x:,.0f}'))定制化刻度标签形式，此方法对绘制定制化的刻度标签非常有用，希望感兴趣的同学们可以多看看官网的教程。第 86 行 ax.set_axisbelow(True) 设置网格线等属性位于图表图层之下。

下面给出一年份数据绘制的曲线图结果：

可视化结果

备注：要想生成这种暗黑背景风格的图表，则可通过以下设置完成：

#设置画布figure颜色plt.figure(facecolor='#1D1E23',edgecolor='#1D1E23')#对Axis进行背景颜色设置ax.set_facecolor('#373E4B')

Matplotlib绘制动态曲线图较动态气泡图而言，绘制过程较为简单，主要就是折线图和散点图的配合使用，其他的就是图表属性的定制化设置了，个人能力有限，发现错误的同学可以留言告知啊

，下期我们将继续推出Matplotlib动态图系列的第三篇--动态条形图 绘制方法。