下一步要做的就是将数据图表参数化◆★★，从而转换为一个函数AG电投厅◆■■★★★，然后将该函数时间序列中的点作为输入，设置完成后就可以正式开始了★■◆■■。

　　interval 这个更好理解■■★◆★，是帧之间的间隔延迟，以毫秒为单位◆★，默认值为 200。

　　主要区别在于，动态饼状图的代码每次循环都会返回一组数值，但在线型图中返回的是我们所在点之前的整个时间序列★■。返回时间序列通过 df1★◆◆◆◆.head(i) 来实现■◆◆■，而◆★◆★■■. max()则保证了我们仅获得最新的数据◆★■■◆■，因为流行病导致死亡的总数只有两种变化■★■■：维持现有数量或持续上升。

　　创建动态条形图的难度与上述两个案例并无太大差别。在这个案例中■■★，作者定义了水平和垂直两种条形图，读者可以根据自己的实际需求来选择图表类型并定义变量栏◆■。

　　在开始之前依旧需要确认你是否对基本的数据可视化有所了解■◆■■。也就是说■■★◆■◆，我们先要将数据进行可视化处理，再进行动态处理。

　　FuncAnimation 是 Matplotlib 库中 Animation 类的一部分■★，后续会展示多个示例。如果是首次接触，你可以将这个函数简单地理解为一个 While 循环，不停地在 ◆◆★★★■“画布■■◆◆■◆” 上重新绘制目标数据图AG电投厅。

　　按照以下代码进行基本调用。另外，这里将采用大型流行病的传播数据作为案例数据（包括每天的死亡人数）。

　　chartfunc 是一个以数字为输入的函数，其含义为时间序列上的时间；

　　这是三个关键输入，当然还有更多可选输入，感兴趣的读者可查看原文档，这里不再赘述。

　　在读技术博客的过程中，我们会发现那些能够把知识、成果讲透的博主很多都会做动态图表★■■。他们的图是怎么做的？难度大吗？这篇文章就介绍了 Python 中一种简单的动态图表制作方法。

　　接触过数据可视化的同学应该对 Python 里的 Matplotlib 库并不陌生◆■★★。它是一个基于 Python 的开源数据绘图包★■★，仅需几行代码就可以帮助开发者生成直方图、功率谱、条形图、散点图等。这个库里有个非常实用的扩展包——FuncAnimation，可以让我们的静态图表动起来★◆。