Matplotlib基础-动画

matplotlib动画 一直是一个强大但使用频率不高的功能,究其原因,

一方面展示动画需要一定的媒介,没有图形和文字展示方便;

二来大家更关心的是分析结果的最终图表,图表的动态展示则没有那么重要。

不过,随着短视频的兴起,在短视频平台上展示动画变得非常容易,

所以,我们发现有越来越多的数据分析动画(比如各种横向条形图的排名等等)出现在了短视频平台上。

通过动画来展示数据和模型的变化过程,可使数据的可视化更加生动形象,

随着各种平台的兴起,matplotlib的动画功能也因此有了更多的用武之地。

1. 动画示例

介绍matplotlib的动画功能之前,先看用matplotlib制作的两个简单的的动画示例。

1.1. 单个动画

首先是单个动画,绘制一个正弦曲线。

python 复制代码
import numpy as np

import matplotlib
import matplotlib.pyplot as plt
import matplotlib.animation as animation

x = np.linspace(-8, 8, 100)
y = np.sin(x)

fig, ax = plt.subplots()
(g,) = ax.plot(x, y)


def update(frame):
    y = np.sin(x[:frame])
    g.set_data(x[:frame], y)


animation.FuncAnimation(fig, update, interval=50, frames=len(x))

1.2. 组合动画

除了单个动画之外,组合动画也简单,下面的示例中,

先绘制一个正弦曲线,然后一个点沿着曲线运动,随着这个点,绘制正弦曲线的切线。

python 复制代码
x = np.linspace(-8, 8, 100)
f = lambda x: np.sin(x / 2)

fig, ax = plt.subplots()
fig.set_size_inches(8, 4)
ax.plot(x, f(x), 'lightblue')

(point,) = ax.plot(x[0], f(x[0]), "r", alpha=0.4, marker="o")
(line,) = ax.plot([0], [0], "g", linewidth=3)

#绘制切线
def tangent_line(x0, y0):
    h = 1e-4
    num_min = f(x0 - h)
    num_max = f(x0 + h)
    k = (num_max - num_min) / (2 * h)

    xs = np.linspace(x0 - 0.5, x0 + 0.5, 100)
    ys = y0 + k * (xs - x0)
    return xs, ys

#移动切点
def move_point(frame):
    point.set_data([x[frame]], [f(x[frame])])

    xs, ys = tangent_line(x[frame], f(x[frame]))
    line.set_data(xs, ys)


animation.FuncAnimation(fig, move_point, interval=50, frames=len(x))

2. 动画函数

matplotlib的动画函数主要有两种,它们的动画原理差别很大,

了解它们之间的区别,才能根据自己的场景选择合适的动画函数。

2.1. FuncAnimation

上一节的示例中使用的就是FuncAnimation,它的动画原理是通过回调函数,不断重绘图形,已达到动画的效果。

主要的参数有:

  1. 画布:比如上面第一个示例中的 fig
  2. 回调函数:比如上面第一个示例中的 update
  3. 调用回调函数的间隔:比如上面第一个示例中的 interval=50,单位是毫秒
  4. 调用回调函数的次数:比如上面第一个示例中的 frames=len(x)

简单来说,也就是FuncAnimation函数每隔interval毫秒,调用一次update,一共调用frames次。``

2.2. ArtistAnimation

ArtistAnimation函数的原理则是先准备好每一帧的数据,然后绘制按照一定的时间间隔,

绘制每一帧数据对应的图像。

比如上面的示例一样的正弦曲线,用ArtistAnimation函数绘制的话:

python 复制代码
points = np.linspace(-8, 8, 100)

fig, ax = plt.subplots()

frames = []
for i in range(50):
    x = points[:i]
    y = np.sin(x)
    g = ax.plot(x, y)
    frames.append(g)

animation.ArtistAnimation(fig, frames, interval=50)

ArtistAnimation的主要参数:

  1. 画布:比如上面示例中的 fig
  2. 每一帧的数据:比如上面示例中的 frames
  3. 每一帧的间隔:比如上面示例中的 interval=50,单位是毫秒

ArtistAnimation没有回调函数,只要准备好每一帧的数据,它会按照时间间隔绘制每一帧的数据。

3. 动画导出

最后,是动画的导出,常用的两种格式是MP4GIF

如果安装了 ffmpeg,那么导出这两种格式就很简单了。

3.1. 导出mp4

python 复制代码
#前面部分省略。。。
anim = animation.FuncAnimation(fig, update, interval=50, frames=len(x))
anim.save("./output.mp4", writer='ffmpeg')

导出的文件名后缀 mp4,则可以导出视频。

这里的writer参数用ffmpeg

3.2. 导出GIF

同样,导出gif也一样,文件名的后缀 gif即可。

python 复制代码
#前面部分省略。。。
anim = animation.FuncAnimation(fig, update, interval=50, frames=len(x))
anim.save("./output.gif", writer='ffmpeg')

当然,也可以不用ffmpeg,比如,如果安装了imagemagick,这里的writer也可以用imagemagick

python 复制代码
#前面部分省略。。。
anim = animation.FuncAnimation(fig, update, interval=50, frames=len(x))
anim.save("./output.gif", writer='imagemagick')
相关推荐
Srlua32 分钟前
周期性移动模式地铁乘客流量预测
python·数据分析
Tianyanxiao12 小时前
【探商宝】大数据获客平台在销售型企业中的应用
大数据·经验分享·科技·数据分析
AI完全体14 小时前
【AI日记】24.11.25 学习谷歌数据分析初级课程-第6课
学习·数据分析
枝上棉蛮15 小时前
报表工具功能对比:免费易上手的山海鲸报表 vs 庞大用户群体的Tableau
信息可视化·数据挖掘·数据分析·数字孪生·中国式报表·报表制作工具·免费报表软件
阡之尘埃18 小时前
Python数据分析案例65——基于深度学习的音频文件分类(音频文件特征提取和模型构建)
python·深度学习·分类·数据分析·数据可视化·音频文件
标贝科技21 小时前
标贝科技:自动驾驶中的数据标注类别分享
数据库·人工智能·ai·数据挖掘·数据分析·自动驾驶·数据标注
敲代码不忘补水1 天前
Python Matplotlib 经典 3D 绘图类型:从二维到三维的可视化解析
开发语言·python·3d·数据分析·numpy·pandas·matplotlib
namisoft1231 天前
如何利用ATECLOUD平台来实现数据报告的导出和数据分析?-纳米软件
信息可视化·数据分析·atecloud测试平台
AI小杨1 天前
【数据分析】一、pandas数据处理指南:100个基于pandas数据预处理方法
python·数据挖掘·数据分析·pandas·pandas使用技巧
牛猫Data1 天前
提升数据分析效率:Excel Power Query和Power Pivot的妙用
microsoft·数据分析·excel·数据可视化·powerbi