全文总览：

数据是会骗人的，比起绝对数字，比率更适合作为数据指标央视新闻报道中使用了炫酷的动态条形图，展现十年黄金周出行人数和旅游收入的变化，看着每年都在3. 增长，但是情况是否真的变好？使用Python，计算年增长率，使用matplotlib和seaborn库，绘制超级炫酷的动态线形图

前言：

十月一号，央视新闻网发布了一篇报道：《“数”览近十年国庆黄金周！今年“十一”超长假期有这些变化》。

报道中，用两张动态图表，展现了近十年来的黄金周全国接待旅客数量与收入的变化情

首先，读一下这两个图表的内容。

从两张图中可以看出：

近十年来国内黄金周的旅游人数和收入的绝对值均不断上升； 其中，2012年不论是旅游人数还是旅游收入，相对于2011年均有大幅度上升。2015年旅游人数的上升幅度，看起来没有旅游收入的上升幅度大，或表示2015年，民众的旅行消费升级。

提出问题：只看数字在变大，真的对吗？

从这个案例来说，看动态条形图，每一年的柱子都比上一年高，但是具体高多少？不知道。近几年的增长，是否能跟过去几年的增长比？如果不能，是什么原因？有些年份的旅游人数增长，但是旅游收入是否实现同步增长？因为，收入、挣钱才是关键啊！

显然，想要更确切的看出每年的增长情况，单看绝对数量，是不太明显的。

此时，需要计算一下每年的增长率指标：

增长率指标计算公式：

用Python进行指标计算，和绘制动态折线图：

按照国际惯例，先上结果： 以下代码，以绘制十年内旅行人数增长率变化为例，最终输出上面这个gif图。

1 导入所需库

import numpy as np import pandas as pd import seaborn as sns import matplotlib import matplotlib.pyplot as plt import matplotlib.animation as ani

实际中，使用matplotlib和seaborn就已经足够绘制出很漂亮的静态图表。

想要让图片动起来，使用matplotlib中的ainmation对象，配合构建的动态函数，就可以让图表动起来。还可以保存成gif、mp4等多种格式。

2 导入数据，计算增长率指标

# 原始数据 year = np.array([i for i in range(2010, 2020)]) revenue_list = [1166, 1458, 2105, 2233, 2453, 4213, 4822, 5836, 5990.8, 6497.1] number_list = [2.54, 3.02, 4.25, 4.28, 4.75, 5.26, 5.93, 7.05, 7.26, 7.82]

数据比较少，所以直接敲成列表。

year是年份；revenue_list是旅游年收入（亿元）；number_list是年旅行人数（亿/人次）

# 计算增长率，保存为numpy列格式 def cal_rate(cal_list): list_c = [0] # 临时列表的第一个元素，即2010年，定为0 for i in range(len(cal_list)-1): list_c.append((cal_list[i+1]-cal_list[i])/cal_list[i]) return np.array(list_c) num_growth_rate = cal_rate(number_list) #定义一个用于往原始列表中，增加元素的函数 # 没有这个函数，保存的gif图片变化就会比较大 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 # numsteps=10，表示在原本列表的每两个数字之间，增加9个数字 # 原本长度为10的列表，最后变成100 # 相应的，最后生成动态图表的时候，迭代次数，frames变量要设置为100帧。 year_new, num_growth_new = augment(year, num_growth_rate, 10) num_df = pd.DataFrame(num_growth_new, year_new) num_df.columns = {'num_growth'}

3 定义画布参数：

fig, ax = plt.subplots(figsize=(10, 6)) plt.xlim((2009, 2020)) plt.ylim((0, 0.45)) plt.xlabel('Year', fontsize=10) plt.ylabel('Number of Tourists', fontsize=10) plt.title('Number of Tourist in Golden Week for the Pass Ten Years', fontsize=14)

这里似乎没有什么可说的，就正常的绘图参数。

第一行，定义画布大小，坐标轴名称为ax； 第二、三行，分别定义横纵坐标的标签范围。 第四、五行，定义横纵坐标的名称和字体大小 最后，title，定义图标的名称和字体大小。

4 构建动画函数并调用绘图

# 构建动画函数 def animate(i): data = num_df.iloc[:int(i+1)] sns.lineplot(x=data.index, y=data['num_growth'], data=data, color='r', ax=ax, linewidth=5) j = int(i) // 10 if isinstance(j, int): ax.text(year[j], num_growth_rate[j], str(round(num_growth_rate[j]*100, 2))+'%', color='black', fontsize=10, ha='center', va='bottom') animator = matplotlib.animation.FuncAnimation(fig, animate, frames=100, repeat=True) animator.save('number_of_t.gif') # plt.show()

接下来，按照每一行说什么来讲解一下：

animator = matplotlib.animation.FuncAnimation(fig, animate, frames=100, repeat=True)

这一行代码，是将绘制动画的matplotlib对象实例化为animator。方便接下来进行保存等操作。

其中frames=100，表示迭代100次，也就是animate（i）中的i=100，函数会迭代100次。

repeat=True，意味着如果使用plt.show()，那么动图会自动循环播放。

接下来讲解animate函数中的代码：

def animate(i): data = num_df.iloc[:int(i+1)] sns.lineplot(x=data.index, y=data['num_growth'], data=data, color='r', ax=ax, linewidth=5) j = int(i) // 10 if isinstance(j, int): ax.text(year[j], num_growth_rate[j], str(round(num_growth_rate[j]*100, 2))+'%', color='black', fontsize=10, ha='center', va='bottom') 提取绘图数据——data，每次都提取num_df表中的前i+1行数据，用于绘图。 这样，看起来才有一点点画出来的感觉。使用seaborn绘制线型图。没有什么好说的。重点是数据标签的绘制。我希望达到的感觉是，数据走到了那个点上，正好，标签也打上去。 定义了一个变量j，要使用地板除法，只取整数的部分。如果地板除法的结果是整数，那就正好是原本的增长率，而不是我们之前为了平滑图片增加的其他数据。 animator.save('number_of_t.gif') # plt.show()

最后，将animator对象保存为gif图片。

或者，注意是“或者”，只能二选一哦，如果用plt.show()，那么就要将save备注起来。

用同样的方法，将旅游人数的数据，改为旅游收入的数据，就可以得到十年来黄金周旅游收入增长率变化图。

最后，对绘图函数做了一下改装：

def line_plot(df, type_list, ylabel, title): # 定义画布参数： fig, ax = plt.subplots(figsize=(10, 6)) plt.xlim((2009, 2020)) plt.ylim((0, max(df[ylabel])+0.1)) plt.xlabel('Year', fontsize=10) plt.ylabel(ylabel, fontsize=10) plt.title(title, fontsize=14) # 构建动画函数 def animate(i): data = df.iloc[:int(i+1)] sns.lineplot(x=data.index, y=data[ylabel], data=data, color='r', ax=ax, linewidth=5) j = int(i) // 10 if isinstance(j, int): ax.text(year[j], type_list[j], str(round(type_list[j]*100, 2))+'%', color='black', fontsize=10, ha='center', va='bottom') animator = matplotlib.animation.FuncAnimation(fig, animate, frames=100, repeat=True) animator.save(ylabel+'.gif') # plt.show() # 绘制旅行人数数量增长率变化： line_plot(num_df, num_growth_rate, 'num_growth_rate', 'Growth Rate of Tourist Numbers in Golden Week for the Pass Ten Years') # 绘制旅行收入增长率变化： line_plot(rev_df, rev_growth_rate, 'rev_growth_rate', 'Growth Rate of Tourist Income in Golden Week for the Pass Ten Years')

将整个绘图过程封装成为line_plot函数，传入数据表、数据列，y轴标签和表名称，三个变量，生成相应的动态图表。

最终生成的结果如下：

简单分析：

为了更直观的看出变化，人数与增长率的数据贴出来： 结合上面绘制的动图进行分析：

2012年，相比2011年，不论是出行人数还是旅游收入，均有大幅度上升。人数增长和收入增长的幅度持平。约为40%多。2013年，相比于2012年，虽然出行人数增长率仅为0.70%， 但是旅游收入的增长率却增加了6.1%。重点在于2015年，相比于2014年，出行人数增长10.7%，而旅游收入却大幅度增长，增长了71.8%。前文提到，2015年旅行消费升级，此处验证了这一点。接下来，民众在黄金周的出行和消费均呈现同步增长。2016-2017年，增长幅度较大，2018年增长幅度大幅降低，2019年，稍微恢复增长。

简单说一说数据分析指标选取——为什么非要计算增长率？

这里，还是要借鉴《精益数据分析》的指标判定方法。

什么才是好的数据指标：

1. 简单易懂 2. 最好是一个比率

原因如下：

**比率的可操控性强，显示的是一种行动状态。**比如，案例中40%的增长率，对比与其他，可以发现处在一个快速上升状态。比率是天生的比较指标。每一年的增长率进行比较，就知道下一次，要保持在一个什么样的增长才算合理。**比率，还适用于比较因素之间的正相关和负相关性。**比如，本例中，出行人数与收入的增长幅度并不匹配，这时候就可以猜测是发生了什么情况。 在本案例中，只看数量变化，有一种粉饰太平的感觉。

计算增长率之后，发现2018年以来，不论是出行人数还是旅游收入，增长率都比如以往年份。

这可能是2015之后，旅行消费升级的弊端开始显现。十一黄金周的旅行消费升级，是不是仅仅价格上涨了，而服务各方面都没有配套上涨，因而开始导致游客对旅行质量感到不满呢？

对于这个问题，当前的数据就没有办法进行预测。还需要搜集其他数据来验证想法。

这就超出了这篇文章的范畴，暂时先不去套路了！ 码字不易！！

如果您能看到这里，动动手

点赞、关注、转发一下吧！