matplotlib-bilibili,抖音很火的动态数据视频自动生成(第四节)-视频,语音合成

matplotlib-bilibili,抖音很火的动态数据视频自动生成(第四节)-视频,语音合成

大家好,又见面了,我是全栈君。

 matplotlib-bilibili,抖音很火的动态数据视频自动生成(第四节)-视频,语音自动合成

matplotlib-bilibili,抖音很火的动态数据视频自动生成(第四节)-视频,语音合成

还记得上一节中我们所提到的数据动态视频吗​?这次,为了让大家更加方便的制作自动生成视频,我们可在excel中自由配置数据,方便大家操作​,并且还增加了视频和语音自动合成的方式​。

 

01— 优化操作

 

第一步​:导入xlrd模块,并定义excel模板

matplotlib-bilibili,抖音很火的动态数据视频自动生成(第四节)-视频,语音合成

如上就是我们需要的模板​。

接下来我们来处理数据。

matplotlib-bilibili,抖音很火的动态数据视频自动生成(第四节)-视频,语音合成

 

第二步​:处理excel,返回相同时间的数据​。

import operator
import xlrd
​
f=xlrd.open_workbook("数据.xls")# 打开excel文件读取数据
sheet=f.sheet_by_index(0)
​
def sort_sheet(hour,name='数量'):
    list=[]
    ncols=sheet.ncols
    for i in range(1,sheet.nrows):
        if str(int(sheet.row_values(i)[1]))==str(hour):
            dict = {}
            for j in range(ncols):
                dict[sheet.cell_value(0,j)]=sheet.row_values(i)[j]
            list.append(dict)
    return sorted(list,key=operator.itemgetter(name))#升序排列
    # return sorted(list, key=operator.itemgetter(name),reverse=True)  # 降序排列

第三步​:定义颜色

color={"x":"#adb0ff","y":"#ffb3ff","z":"#90d595","a":"#FDF5E6"}

第四步​:建立图表

from matplotlib import animation
from matplotlib import pyplot
from pylab import mpl
​
mpl.rcParams['font.sans-serif'] =["SimHei"]
mpl.rcParams['axes.unicode_minus'] = False
fig, ax = pyplot.subplots()#返回一个包含figure和axes对象的元组,将元组分解为fig和ax两个变量
​
def  graph(num):
    ax.clear()#清除,不叠加
    list=sort_sheet(num)#调用上面定义的函数
    for i,chart_barh in enumerate(list):
        ax.barh(i,chart_barh["数量"],color=color[chart_barh["颜色"]])# 绘制水平方向的条形图barh()
        ax.text(chart_barh["数量"],i,chart_barh["名称"],size=14,weight=600,ha='left',va='bottom')#添加文字并设置样式
    ax.text(350, 2, num, size=20, weight=600, ha='left', va='bottom')
    ax.xaxis.set_ticks_position('top')
    ax.set_axisbelow(True)
    pyplot.xlim(0,300)
    pyplot.title('不同用户的文章点赞情况')#添加图标题
​
animator=animation.FuncAnimation(fig, graph, frames=range(1,24))
pyplot.show()#移动到函数外面,不然不会动态显示

制作结果​:如图

matplotlib-bilibili,抖音很火的动态数据视频自动生成(第四节)-视频,语音合成

第五步​:视频,音频合成,这里需要引入​os模块。

cmd = "ffmpeg -i %s -i %s %s" % (self.mp3, self.mp4, self.new_mp4)os.system(cmd)

注意:需要安装ffmpeg程序

windows如何安装ffmpeg

02— 完整代码

import os
from matplotlib import animation
from matplotlib import pyplot
from pylab import mpl
import operator
import xlrd
​
class chart(object):
    def __init__(self):
        f = xlrd.open_workbook("数据.xls")  # 打开excel文件读取数据
        self.sheet = f.sheet_by_index(0)
        self.color = {"x": "#adb0ff", "y": "#ffb3ff", "z": "#90d595", "a": "#FDF5E6"}
        mpl.rcParams['font.sans-serif'] = ["SimHei"]
        mpl.rcParams['axes.unicode_minus'] = False
        self.fig, self.ax = pyplot.subplots()  # 返回一个包含figure和axes对象的元组,将元组分解为fig和ax两个变量
        self.mp4 = 'E:\\数据动态展示.mp4'#生成视频名称,绝对路径
        self.mp3 = 'E:\\5018.mp3'#音频路径
        self.new_mp4 = 'E:\\new合成.mp4'#合成的mp4路径
    def sort_sheet(self,num,name='数量'):
        list=[]
        ncols=self.sheet.ncols
        for i in range(1,self.sheet.nrows):
            if str(int(self.sheet.row_values(i)[1]))==str(num):
                dict = {}
                for j in range(ncols):
                    dict[self.sheet.cell_value(0,j)]=self.sheet.row_values(i)[j]
                list.append(dict)
        return sorted(list,key=operator.itemgetter('数量'))#升序排列
        # return sorted(list, key=operator.itemgetter(name),reverse=True)  # 降序排列
    def  graph(self,num):
        self.ax.clear()#清除,不叠加
        list=self.sort_sheet(num)
        for i,chart_barh in enumerate(list):
            self.ax.barh(i,chart_barh["数量"],color=self.color[chart_barh["颜色"]])# 绘制水平方向的条形图barh()
            self.ax.text(chart_barh["数量"],i,chart_barh["名称"],size=14,weight=600,ha='left',va='bottom')#添加文字并设置样式
        self.ax.text(250, 2, str(num)+":00时", size=20, weight=600, ha='left', va='bottom')
        self.ax.text(200,0, "<---巍然不动", size=16, weight=600, ha='left', va='bottom')
        self.ax.xaxis.set_ticks_position('top')
        self.ax.set_axisbelow(True)
        pyplot.xlim(0,300)
        pyplot.title('不同用户的文章点赞情况')#添加图标题
    def mp4_and_mp3(self):
        animator = animation.FuncAnimation(self.fig, self.graph, frames=range(1, 24))
        animator.save(self.mp4)
        pyplot.show()
        cmd = "ffmpeg -i %s -i %s %s" % (self.mp3, self.mp4, self.new_mp4)
        os.system(cmd)
if __name__ == '__main__':
    chart=chart()
    chart.mp4_and_mp3()

matplotlib-bilibili,抖音很火的动态数据视频自动生成(第四节)-视频,语音合成

相关推荐(个人主页也有哦,赶快收藏起来)​:

动态数据视频(第一节)

bilibili,抖音很火的动态数据视频自动生成(第二节)

matplotlib-bilibili,抖音很火的动态数据视频自动生成(第三节)

matplotlib给女朋友画一个爱心吧,这份满满的爱意,一定要记得收下

欢迎关注我们

 

 

大家一起学编程

以学习为主,兴趣为辅,致力于开发,发现更多好玩有趣的编程技巧以及好玩有趣的编程思路。为喜欢编程和想要学习编程的人找到编程的乐趣和动力。

 

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/111362.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • 如何制作404页面

    如何制作404页面第一步:选取你喜欢的404页面,右键查看源代码,全选复制。第二步:粘贴刚才复制的代码到编辑器,更改对应的跳转链接,文字,以及页面的标题,404图片路径。查看修改编码方式,如不修改可能出现乱码,命名为404.html。第三步:制作404图片,将图片保存到桌面。第四步:打开404.html,没有问题后上传到网站根目录,图片上传到对应的图片路径第五步:在主机管理后台-基础环境设置…

    2022年7月27日
    6
  • Java程序设计(高级及专题)- 多线程[通俗易懂]

    Java程序设计(高级及专题)- 多线程[通俗易懂]Java程序设计(高级及专题)- 多线程

    2022年4月22日
    39
  • Dataset之COCO数据集:COCO数据集的简介、下载、使用方法之详细攻略

    Dataset之COCO数据集:COCO数据集的简介、下载、使用方法之详细攻略Dataset之COCO数据集:COCO数据集的简介、安装、使用方法之详细攻略目录COCO数据集的简介0、COCO数据集的80个类别—YoloV3算法采用的数据集1、COCO数据集的意义2、COCO数据集的特点3、数据集的大小和版本COCO数据集的下载1、2014年数据集的下载2、2017的数据集的下载COCO数据集的使用方法1、基础用…

    2022年10月17日
    2
  • linux文件重命名rename「建议收藏」

    linux文件重命名rename「建议收藏」linux下rename提供了有效的方法来处理重命名1.修改后缀名(eg.将当前目录下以.log为后缀的文件为以.txt为后缀)rename.log.txt*.logorrename’s/.log$/.txt/’*.log2.删除后缀名(eg.将当前目录下.txt文件的后缀)rename’s/.txt$//’*.txt3.添加后缀名(eg.给当前目录下的

    2022年9月10日
    3
  • android 浏览器问题

    android 浏览器问题android浏览器怎么解决网页美观问题 android浏览器怎么解决网页美观问题 android浏览器怎么解决网页美观问题要求自适应屏幕大小图片分辨率等问题!!!

    2022年5月14日
    40
  • 使用ResNet101作为预训练模型训练Faster-RCNN-TensorFlow-Python3-master[通俗易懂]

    使用ResNet101作为预训练模型训练Faster-RCNN-TensorFlow-Python3-master[通俗易懂]  使用VGG16作为预训练模型训练Faster-RCNN-TensorFlow-Python3-master的详细步骤→Windows10+Faster-RCNN-TensorFlow-Python3-master+VOC2007数据集。  如果使用ResNet101作为预训练模型训练Faster-RCNN-TensorFlow-Python3-master,在之前使用VGG16作为预训练模型的训练步骤基础上需要修改几个地方。第一个,在之前的第6步时,改为下载预训练模型ResNet101,在./da

    2022年10月6日
    3

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号