受B站拜年祭发射最多的弹幕是什么？视频启发，对日常维护工作中的故障硬件也做了一次盘点。这里介绍两种方法，第一种是Python + Matplotlib；第二种是利用GitHub上现成的“轮子”。如果需要快速出图，后者更简单（也更美观）。
方法一：Python
MATPLOTLIB的动画类
MATPLOTLIB包含了一个动画类——Animation，用这个类就可以实现图标的动画效果。先看下官方文档给出的例子：
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
fig, ax = plt.subplots()xdata, ydata = [], []ln, = plt.plot([], [], 'ro')
def init():
ax.set_xlim(0, 2*np.pi)
ax.set_ylim(-1, 1)
return ln,
def update(frame):
xdata.append(frame)
ydata.append(np.sin(frame))
ln.set_data(xdata, ydata)
return ln,
ani = FuncAnimation(fig, update, frames=np.linspace(0, 2*np.pi, 128),
init_func=init, blit=True)plt.show()
上例中，init初始化图表，update函数则负责更新图表中的数据。最主要的是FuncAnimation，通过不断调用update，并将frames参数中的值依次传递给update，更新图表。这个例子的运行结果如下：
示例gif
数据整理
先将故障硬件的名称、故障数量和发生日期整理好。好在这些数据一直以来都有不定期梳理。梳理后的格式如下：
整理后的数据
保存成csv后由pandas读取到DataFrame中，同时解析日期：
with open('plugin_faults.csv', 'r') as f:
data = pd.read_csv(f, parse_dates=['date'])
因为柱状图中每根柱的长度是个累计值，而表中的是当天故障的数量，因此要按故障硬件名称累积求和：
data = data.sort_values('date')
group = data.groupby('name')
data['value_cumsum'] = group.cumsum()
data.sort_values(['date','value_cumsum','name'], inplace=True)
data.drop_duplicates(['date','name'], keep='last', inplace=True)
填充所有日期，所有硬件类型
plugins = ['PCU', '电源板', 'AS7-D', 'ESB24-D', 'CPU', 'HWAT-B', 'SW256B', 'SWPRO-C',
'ETP', 'ET16', '时钟板', 'DRAM', 'TR3T', '硬盘', 'HDSAM-A', 'DCAR1-A', '光模块', '熔丝', '网管交换机'] # 所有硬件名称
start = datetime(2017,1,1) # 开始日期
end = datetime(2019,12,31) # 结束日期
dates = [start + timedelta(days=i) for i in range((end - start).days + 1)]
index = pd.MultiIndex.from_product([dates, plugins], names = ["date", "name"]) # 3年内所有日期与硬件名称的笛卡尔积作为多重索引
df = pd.DataFrame(index=index)
df['value'] = data.set_index(['date', 'name'])['value_cumsum'] # 向DataFrame填入data中的数据
df = df.unstack(level=1).fillna(method='ffill') # 将硬件名称索引unstack，前向填充累计故障数（比如累计到昨天一共坏n件，而今天没有该硬件故障，则累计数量还是n件)
df = df.stack(dropna=False).reset_index().fillna(0) # 转换成无索引的DataFrame，并填充缺失值为0（从开始时间直至第一个同类型硬件发生故障的值均为缺失值）
至此数据整理部分结束，得到了2017至2019年共计3年内每天每种硬件故障的累计数的DataFrame。
作图
通过水平柱状图将故障硬件的数量进行排名可视化，每个柱一个颜色，由多到少自上往下排列。
水平柱状图用barh生成，动画需更新每日的排序，但同一种硬件的颜色不能改变，因此初始化了plugin_color字典。
update函数中的df_i为当前帧所使用的数据，以日期作为筛选标准。
fig, ax = plt.subplots()
# 分配颜色的字典
colormap = [i / len(plugins) * 0.7 + 0.15 for i, _ in enumerate(plugins)]
colormap = plt.get_cmap('Paired')(colormap)
plugin_color = {plugins[i]: colormap[i] for i in range(len(plugins))}
def update(i):
date = datetime(2017, 1, 1) + timedelta(days=i)
# 筛选当日的数据，按数量排序
df_i = df[df['date'] == date]
df_i = df_i.sort_values('value', ascending=True)
names = df_i['name'] # 硬件名称作为Y轴标签
colors = [plugin_color[name] for name in names]
value = df_i['value'] # X轴的值
ax.clear() # 清理ax，否则排序不会重做
x = max(value) * 0.85 # 图中日期标签的水平相对位置
if i == 0:
ax.set_xlim(0, 1.05)
x = 0.85
# 水平柱状图
rects = ax.barh(y=names,
width=value,
align='center',
height=0.5,
color=colors)
# 每个柱的数字标签
for i, v in enumerate(value):
ax.text(v + 0.1, i, int(v), color=colors[i], ha='left', va='center')
# 日期标签
ax.text(x, 0.5, date.strftime('%Y-%m-%d'),
fontweight='bold', fontsize='25', color='red')
return rects
生成动画对象，回调函数为update，frames传入3年的日期数，interval定义每一帧的时延（每秒8帧）。
blit我试了下没感觉有啥区别，按照官方文档的说法，是一种比较老的绘图技术，这里设成False。
repeat控制是否循环播放。
ani = animation.FuncAnimation(fig=fig,
func=update,
frames=int(len(df) / len(plugins)),
interval=1000/8, # 每帧之间的时延，单位：ms
blit=False,
repeat=False)
保存为视频或GIF：
ani.save('test.gif', dpi=10, writer='pillow')
ani.save('test.mp4')
如果要在jupyter notebook中直接显示（中文显示问题参见“参考3”）：
%matplotlib inline
from IPython.display import HTML
HTML(ani.to_html5_video())
生成的动态排名柱状图GIF（完整的GIF太大，只截部分）：
生成gif
方法二：现成的“轮子”
从ID来看，应该就是B站视频的原作者在GitHub上的一个库（见“参考2”），使用的是d3.js的前端作图。只要将数据整理成规定的格式，直接从网页导入即可。也可以修改一些简单的配置，非常好用，在此推荐一下。
最后一帧截图：
最后一帧
网友评论