使用matplotlib可以很容易地创建动画框架。我们从一个非常简单的动画开始。
matplotlib 动画
我们想制作一个动画，其中正弦和余弦函数在屏幕上逐步绘制。首先需要告诉matplotlib我们想要制作一个动画，然后必须指定想要在每一帧绘制什么。一个常见的错误是重新绘制每一帧的所有内容，这会使整个过程非常缓慢。相反地，只能更新必要的内容，因为我们知道许多内容不会随着帧的变化而改变。对于折线图，我们将使用set_data方法更新绘图，剩下的工作由matplotlib完成。
注意随着动画移动的终点标记。原因是我们在末尾指定了一个标记(markevery=[-1])，这样每次我们设置新数据时，标记就会自动更新并随着动画移动。参见下图。
复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16import numpy as np import matplotlib.pyplot as plt import matplotlib.animation as animation fig = plt.figure(figsize=(7, 2)) ax = plt.subplot() X = np.linspace(-np.pi, np.pi, 256, endpoint=True) C, S = np.cos(X), np.sin(X) (line1,) = ax.plot(X, C, marker="o", markevery=[-1], markeredgecolor="white") (line2,) = ax.plot(X, S, marker="o", markevery=[-1], markeredgecolor="white") def update(frame): line1.set_data(X[:frame], C[:frame]) line2.set_data(X[:frame], S[:frame]) plt.tight_layout() ani = animation.FuncAnimation(fig, update, interval=10)
如果我们现在想要保存这个动画，matplotlib可以创建一个mp4文件，但是选项非常少。一个更好的解决方案是使用外部库，如FFMpeg，它可以在大多数系统上使用。安装完成后，我们可以使用专用的FFMpegWriter，如下图所示:
复制代码
1
2
3
4
5writer = animation.FFMpegWriter(fps=30) anim = animation.FuncAnimation(fig, update, interval=10, frames=len(X)) anim.save("sine-cosine.mp4", writer=writer, dpi=100)
注意，当我们保存mp4动画时，动画不会立即开始，因为实际上有一个与影片创建相对应的延迟。对于正弦和余弦，延迟相当短，可以忽略。但对于长且复杂的动画，这种延迟会变得非常重要，因此有必要跟踪其进展。因此我们使用tqdm库添加一些信息。
复制代码
1
2
3
4
5
6from tqdm.autonotebook import tqdm bar = tqdm(total=len(X)) anim.save("../data/sine-cosine.mp4", writer=writer, dpi=300, progress_callback = lambda i, n: bar.update(1)) bar.close()
[Errno 2] No such file or directory: 'ffmpeg'
如果你在 macOS 上，只需通过 homebrew 安装它：
brew install ffmpeg
人口出生率
复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14x = data['指标'].values rate= data['人口出生率(‰)'] y = rate.values xvals = np.linspace(2002,2021,1000) yinterp = np.interp(xvals,x,y) (line1,) = ax.plot(xvals, yinterp, marker="o", markevery=[-1], markeredgecolor="white") text = ax.text(0.01, 0.95,'text', ha="left", va="top", transform=ax.transAxes, size=25) ax.set_xticks(x) def update(frame): line1.set_data(xvals[:frame], yinterp[:frame]) text.set_text("%d 年人口出生率(‰) " % int(xvals[frame])) return line1, text
男女人口总数
复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50# 设置画布 fig = plt.figure(figsize=(10, 5)) ax = plt.subplot() # 数据准备 X = data['指标'] male, female =data['男性人口(万人)'], data['女性人口(万人)'] # 绘制折线图 (line1,) = ax.plot(X, male, marker="o", markevery=[-1], markeredgecolor="white") (line2,) = ax.plot(X, female, marker="o", markevery=[-1], markeredgecolor="white") # 设置图形注释 text = ax.text(0.01, 0.75,'text', ha="left", va="top", transform=ax.transAxes,size=20) text2 = ax.text(X[0],male[0], '', ha="left", va="top") text3 = ax.text(X[0],female[0], '', ha="left", va="top") # 设置坐标轴刻度标签 ax.set_xticks(X) ax.set_yticks([]) # 设置坐标轴线格式 ax.spines["top"].set_visible(False) ax.spines["left"].set_visible(False) ax.spines["right"].set_visible(False) # 定义更新函数 def update(frame): line1.set_data(X[:frame+1], male[:frame+1]) line2.set_data(X[:frame+1], female[:frame+1]) text.set_text("%d 人口(万人)" % X[frame]) text2.set_position((X[frame], male[frame])) text2.set_text(f'男性: {male[frame]}') text3.set_position((X[frame], female[frame])) text3.set_text(f'女性: {female[frame]}') return line1,line2, text # 定义输出 plt.tight_layout() writer = animation.FFMpegWriter(fps=5) # 执行动画 anim = animation.FuncAnimation(fig, update, interval=500, frames=len(X)) # 存储动画 # 设置进度条 bar = tqdm(total=len(X)) anim.save( "num_people2.mp4", writer=writer, dpi=300, progress_callback=lambda i, n: bar.update(1), ) # 关闭进度条 bar.close()
雨滴
复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36# 设置雨滴绘图更新函数 def rain_update(frame): global R, scatter # 数据获取 R["color"][:, 3] = np.maximum(0, R["color"][:, 3] - 1 / len(R)) R["size"] += 1 / len(R) i = frame % len(R) R["position"][i] = np.random.uniform(0, 1, 2) R["size"][i] = 0 R["color"][i, 3] = 1 # 散点形状设置 scatter.set_edgecolors(R["color"]) scatter.set_sizes(1000 * R["size"].ravel()) scatter.set_offsets(R["position"]) return (scatter,) # 绘制画布 fig = plt.figure(figsize=(6, 8), facecolor="white", dpi=300) ax = fig.add_axes([0, 0, 1, 1], frameon=False) # , aspect=1) # 绘制初始化散点图 scatter = ax.scatter([], [], s=[], linewidth=0.5, edgecolors=[], facecolors="None",cmap='rainbow') # 设置雨滴数量 n = 250 # 为雨滴设置参数值 R = np.zeros( n, dtype=[("position", float, (2,)), ("size", float, (1,)), ("color", float, (4,))]) R["position"] = np.random.uniform(0, 1, (n, 2)) R["size"] = np.linspace(0, 1.5, n).reshape(n, 1) R["color"][:, 3] = np.linspace(0, 1, n) # 设置坐标轴格式 ax.set_xlim(0, 1), ax.set_xticks([]) ax.set_ylim(0, 1), ax.set_yticks([]) # 保存同上
流体
最后一个更加复杂的流体
Matplotlib绘制动图成品赏析
参考资料
[1]
Scientific Visualisation-Python & Matplotlib
复制代码
1
复制代码
1
复制代码
1
复制代码
1
复制代码
1
复制代码
1
2往期精彩回顾 适合初学者入门人工智能的路线及资料下载(图文+视频)机器学习入门系列下载中国大学慕课《机器学习》（黄海广主讲）机器学习及深度学习笔记等资料打印《统计学习方法》的代码复现专辑机器学习交流qq群955171419，加入微信群请扫码
最后
以上就是落寞钢笔最近收集整理的关于【Python】Matplotlib 可视化进阶之动画的全部内容，更多相关【Python】Matplotlib内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复