今天我给大家介绍一款可视化模块，使用它可以绘制出十分惊艳的动图效果，那么当然第一步我们首先是要安装一下该模块，通过pip命令行来安装
pip install ipyvizzu
牛刀小试
我们首先来简单地使用该模块来绘制一张动图，用Pandas导入数据集，代码如下
import pandas as pd
from ipyvizzu import Chart, Data, Configdata_frame = pd.read_csv("titanic.csv")
在导入数据集完毕之后，小编先来介绍一下使用该模块的大致步骤，我们实例化Data()对象，然后将导入的数据集放置其中，代码如下
data = Data()
data.add_data_frame(data_frame)
然后我们再实例化图表对象Chart()，将含有数据集的data放置其中
chart = Chart()
chart.animate(data)
接下来我们开始绘制图表，需要指定好的是图表的一些属性，例如直方图的话就是X轴Y轴该放置什么样的数据，颜色选择是默认的还是需要另外指定的，以及标题等等
chart.animate(Config({"x": "Count", "y": "Sex", "label": "Count","title":"Passengers of the Titanic"}))
output
然后我们再此基础之上，在添加上下面的代码，
chart.animate(Config({"x": ["Count","Survived"], "label": ["Count","Survived"], "color": "Survived"}))
output
因此该模块绘制出来的所谓的动图，其实就是若干张静态图表的叠加，我们不妨来看一下完整的案例
import pandas as pd
from ipyvizzu import Chart, Data, Configdata_frame = pd.read_csv("titanic.csv")
data = Data()
data.add_data_frame(data_frame)chart = Chart()
chart.animate(data)
chart.animate(Config({"x": "Count", "y": "Sex", "label": "Count","title":"Passengers of the Titanic"}))
chart.animate(Config({"x": ["Count","Survived"], "label": ["Count","Survived"], "color": "Survived"}))
chart.animate(Config({"x": "Count", "y": ["Sex","Survived"]}))
output
散点图与直方图之间的动图转变
因为篇幅有限，小编在这里也不太可能一次性将这个知识点讲完，读者可以自行去官网上查阅，github的地址是：https://github.com/vizzuhq/ipyvizzu/tree/main
这里小编尝试来绘制绘制一下散点图与直方图之间的动图转变，首先是绘制散点图，代码如下
import pandas as pd
from ipyvizzu import Chart, Data, Config, Styledata_frame = pd.read_csv("chart_types_eu.csv", dtype={"Year": str})
data = Data()
data.add_data_frame(data_frame)chart = Chart()
chart.animate(data)chart.animate(Config({"channels": {"x": ["Joy factors", "Value 6 (+/-)"],"y": "Value 5 (+/-)","color": "Joy factors","size": "Value 2 (+)","label": "Country_code",},"title": "Bubble Plot","geometry": "circle",})
)
output
我们通过title参数在设置标题，size参数在设置散点的大小以及color参数在设置散点的颜色，接下来我们来绘制直方图，代码如下
chart.animate(Config({"channels": {"y": "Joy factors","x": ["Value 2 (+)", "Country_code"],"label": None},"title": "Bar Chart","geometry": "rectangle","orientation": "vertical",}),geometry={"delay": 0.7, "duration": 1},
)output
然后我们在直方图上标上标记，代码如下
chart.animate(Config({"channels": {"x": {"set": ["Value 2 (+)"]}, "label": {"set": ["Value 2 (+)"]}}})
)
我们总体来看一下出来的动图效果，如下图所示
无论是静态的图表还是动态，还有其他很多的案例，具体可以查阅以下的链接：https://vizzuhq.github.io/ipyvizzu/examples/examples.html
技术交流
技术要学会分享、交流，不建议闭门造车。一个人可以走的很快、一堆人可以走的更远。
技术交流、资料干货、数据&源码，均可加交流群获取，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友。
方式①、微信搜索公众号：Python学习与数据挖掘，后台回复： 交流
方式②、添加微信号：dkl88194，备注：来自CSDN + 交流
1、100个超强算法模型
我们打造了《100个超强算法模型》，特点：从0到1轻松学习，原理、代码、案例应有尽有，所有的算法模型都是按照这样的节奏进行表述，所以是一套完完整整的案例库。
很多初学者是有这么一个痛点，就是案例，案例的完整性直接影响同学的兴致。因此，我整理了 100个最常见的算法模型，在你的学习路上助推一把！
2、数据分析实战宝典
ML model for stock crash prediction)
