作者：Ryoko量子
来源：凹凸数据
朋友圈又看到 Python 广告推送了，什么“你还在用 Excel 加班啊”、“我一进去就看见 Python 在打 Excel 啊”…… Py大人，你好大的官威啊！
如今 Python 是个大热门，从基础数据处理，到高端人工智能，都有它的身影。而在数据分析领域，尤其是在可视化部分，Python 的各类绘图库也给用户带来了惊喜，比如各种随时间序列的动态可视化，能够比较清晰地呈现多个指标的变化情况。
可 Excel 就只能画基础图表了吗，难道是我 Excel 拿不动刀了？
今天就来看看，E哥是否能老骥伏枥吧！
效果预览比较
（1）Python版
流畅丝滑，仿佛生命的跃动。
Python版
（2）Excel版
图样图森破，不落下风，对老表哥而言还带有一种亲切感。
Excel版
Excel动态图实现
知识点：offset 函数，开发工具-表单控件，名称管理器，图表数据源关联，VBA 操作单元格。
（1）offset函数
该函数是实现样例动态图的核心要素，让我们看看函数的官方提示，简单来说其 5 个参数就是：OFFSET（起始位置，向下偏移行数，向右偏移列数，向下选取行数，向右选取列数）。
以数据用例来说明，=OFFSET(A1,5,2,3,1) 即表示从 A1 单元格开始，下移 5 格，右移 2 格，再向下选取 3 格，注意：最后的 1 表示选择这一列而不是向右多选一列。
可以在编辑区选中公式按 F9 查看结果，返回了存放该区域值的数组。
据此，可以预想动态图需要用到的数据，就是用 OFFSET 返回的区域作为折线图的系列值。
（2）开发工具-表单控件
但如果想要动态地修改 OFFSET 返回区域，还需要将其偏移、选取相关的参数绑定到单元格，通过修改单元格的值，来修改函数内部参数。故先设置 F2 、G2 两个单元格分别为下移量和下取量，起始位置选择 C1 即可，如此选取日产能值时就无需右移和右取。
要手动输入来修改单元格的值也很麻烦，这时就要来到开发工具菜单栏（若没有这项则需要在 Excel 选项中 call 出来），找到表单控件，本次笔者选用的是滑块。
右键滑块设置控件格式，即可通过滑块来修改单元格的值。
（3）名称管理器
为了便于使用，先在公式菜单栏里找到名称管理器。
添加一个名称为“日产能A厂”，其引用位置为 =OFFSET(Sheet1!C1,Sheet1!F2, ,Sheet1!G2, )，省略的两个参数默认值分别为 0 和 1，如此即可通过滑块调整获得日产能值的区域。
同理添加“SSS能源”和“XX重工”的引用，注意：后面两个的 OFFSET 起始位参数是不一样的，分别是 C501 和 C125 单元格，如此操作的原因可以通过观察原始数据得知。
再添加一个日期段，用作折线图的X轴
（4）图表数据源关联
最后设置图表和数据的关联，先插入一个空的折线图。
右键选择数据，添加Y轴数据。
例如A厂的数据，在系列值处填写之前设置的名称，SSS能源和XX重工同理。
在右侧水平轴标签编辑X轴，填写之前设置的名称。
此时已经可以通过操作滑块来实现动态修改折线图的效果。
如果想以每 7 天为一个周期，查看每个周期的数据，还可以设置起始日滑块的步长为 7，然后修改跨度当前值为 7 。
之后操作起始日滑块效果见下图。
（5）VBA操作单元格
如果想要像效果预览图中那样自动播放该怎么做呢？答案是使用 VBA 。再从表单控件中选择一个按钮，右键该按钮后选择指定宏，点击新建，开始编辑 VBA 代码。
点击按钮运行代码，便可实现 G2 单元格从 1 开始自增，Do While 段的作用是暂停 0.1 秒并执行其他操作（折线图随 G2 值的变动而变动）。
至此，Excel 动态图完成！
Python动态图实现
P版样例图的实现见以下代码，具体可参考笔者的另一篇《程序员的求生欲：用python给女友一个七夕惊喜二维码吧》，其中以动态条形图为例，详细说明了制图思路和完整的实现过程（以及其他加料技巧）。
代码语言：javascript复制import matplotlib.pyplot as plt
import matplotlib.animation as ani
import pandas as pd
import datetime
df = pd.read_excel(r"D:动态折线图数据样例.xlsx") # 读取原始数据
t = datetime.datetime(2020,7,1) # 起始日期
fig = plt.figure(figsize=(10,6)) # 画布
plt.rcParams["font.sans-serif"] = ["Microsoft YaHei"] # 字体设为微软雅黑
timeSlot = list(range(1,63)) [62]*20 # 时间轴
items = ["A厂", "SSS能源", "XX重工"] # 单位列表
colors = ["#6495ED", "#FF8C00", "#B0C4DE"] # 颜色列表
def draw(date):
# 数据处理 ------
date_list = [] # 需绘制的日期段
for d in range(date):
date_list.append(t datetime.timedelta(days=d))
current_date = t datetime.timedelta(days=date) # 最新一天
_df = df[df["日期"]<current_date ] # 获取最新一天前所有数据
# 绘制折线图 ------
fig.clear() # 每次重绘时清空画布
plt.title("0701-0831各单位产能变化", fontsize=20) # 标题
ax = plt.gca() # 坐标轴对象
ax.spines['right'].set_color('none') # 隐藏右边框
ax.spines['top'].set_color('none') # 隐藏上边框
for i,v in enumerate(items):
data = _df[_df["单位"] == v]["日产能"] # 获取某单位某日产能值
plt.plot(date_list, data , color=colors[i]) # 绘制折线
plt.plot(date_list[-1], list(data)[-1], color=colors[i], marker='o', markersize = 10) # 设置最后一个节点样式
plt.text(date_list[-1], list(data)[-1] 1, v, ha='center', va='bottom', fontsize=12) # 为最后一个节点添加数据标签
# draw(62)
animator = ani.FuncAnimation(fig, draw, frames=timeSlot ,interval = 50)
plt.show()
# animator.save('test.gif',fps=20)
结果：
小结
通过本次比较可见，两者均能实现相同的需求。Python 在生成结果的细节调整上会更加便利，并且可以直接输出 Gif 图保存，但图像文件较大；而 Excel 在对原数据进行调整时会更快捷，而且在演示时也可以单步查看，还含有炫技成分（人不装 B枉少年）。
Excel 不仅能做动态图，在日常使用中还是有许多便利之处的。工具是多样的，还是应根据实际情况选择使用。
不知各位是 Excel Exciting！还是 Python 真香！或者是XXX天下第一呢？
数据样例下载
https://alltodata.cowtransfer.com/s/a597fd16484249
